En esta respuesta presentaré una prueba que utiliza métodos de martingala; sin embargo, la prueba solo funciona para caminatas aleatorias con incrementos iid que satisfacen ciertas condiciones de integrabilidad (ver la observación al final); para simplificar, asumiré que los incrementos están acotados, es decir, que existe una constante $K>0$ tal que
$$\mathbb{P}(|X_i| \leq K)=1. \tag{1}$$
Para $\lambda>0$ establecemos $$\phi(\lambda) := \mathbb{E}\exp(-\lambda X_1).$$
Dado que, por suposición, $S_n \to \infty$ casi seguramente, se sigue del teorema de Chung-Fuchs que
$$\mathbb{E}(X_1)>0. \tag{2}$$
Dado que $-\mathbb{E}(X_1) = \phi'(0)$ encontramos que $\phi'(0)<0$ y, por lo tanto, podemos encontrar $\lambda>0$ tal que $\phi(\lambda)<1 = \phi(0)$. Definimos
$$M_n := \exp(-\lambda S_n)$$
Usando que los incrementos son independientes e idénticamente distribuidos, no es difícil ver que $(M_n)_{n \geq 1}$ es una supermartingala. Aplicando el teorema de paro opcional, encontramos que
$$\mathbb{E}(M_{n \wedge \tau})\leq \mathbb{E}(M_1) = \phi(\lambda) \tag{3}$$
para todo $n \geq 1$. Por la definición de $\tau$ tenemos
$$S_{n \wedge \tau}(\omega) \xrightarrow[]{n \to \infty} S_{\tau}(\omega) \leq 0 \quad \text{para $\omega \in \{\tau<\infty\}$}.$$
Por otro lado, $S_n \to \infty$ c.s. implica que
$$S_{n \wedge \tau}(\omega) \xrightarrow[]{n \to \infty} \infty \quad \text{para $\omega \in \{\tau=\infty\}$}.$$
Combinando ambas consideraciones y usando que $\lambda$ es estrictamente positivo, encontramos que
$$M_{t \wedge \tau_n} = \exp(-\lambda S_{n \wedge \tau}) \xrightarrow[]{n \to \infty} \exp(-S_{\tau}) 1_{\{\tau<\infty\}} = M_{\tau} 1_{\{\tau<\infty\}}.$$
Aplicando el lema de Fatou obtenemos
$$\begin{align*} \mathbb{E}(M_{\tau} 1_{\{\tau<\infty\}}) = \mathbb{E} \left( \lim_{n \to \infty} M_{n \wedge \tau} \right) &\leq \liminf_{n \to \infty} \mathbb{E}(M_{n \wedge \tau}) \\ &\stackrel{(3)}{\leq} \phi(\lambda) < 1. \tag{4} \end{align*}$$
Dado que $\lambda>0$ y $S_{\tau}(\omega) \leq 0$ para cualquier $\omega \in \{\tau<\infty\}$, tenemos
$$M_{\tau}(\omega) = \exp(-\lambda S_{\tau}(\omega)) \geq 1, \qquad \omega \in \{\tau<\infty\}$$
y por lo tanto concluimos a partir de (4) que
$$\mathbb{P}(\tau<\infty) \leq \phi(\lambda)<1$$
lo cual es equivalente a decir que
$$\mathbb{P}(\tau=\infty)>0.$$
Observación: En la prueba anterior, se necesitan condiciones de integrabilidad en los incrementos $X_i$ por dos razones:
- para aplicar el teorema de Chung Fuchs
- para saber que la función generadora de momentos $\phi$ es finita para $\lambda \in [0,\lambda_0]$ para algún $\lambda_0>0$.
En particular, podemos debilitar la suposición $(1)$; es suficiente asumir que $\mathbb{E}(|X_1|)<\infty$ y que la parte negativa de $X_1$ tiene ciertos momentos exponenciales.
0 votos
Para algunos casos particulares (por ejemplo, si los $X_k$ están acotados) es posible usar métodos de martingala para derivar esta afirmación... Aunque no estoy seguro del caso general.
0 votos
Para el caso de observaciones no i.i.d. o para un escenario más general. ¿Hay alguna referencia que pueda sugerir para los casos de los que está hablando? ¡Muchas gracias por su tiempo! Estoy principalmente interesado en el escenario general no i.i.d., ¡pero incluso algo para el caso i.i.d. podría ser útil!
0 votos
Por "caso general" me refería al caso general iid. Veamos si alguien más propone algo mejor que mi idea...
0 votos
Tu idea suena interesante. No sé mucho sobre la teoría de martingalas, pero si no me equivoco, ¿no implica la convergencia de martingala generalmente la convergencia a una variable aleatoria acotada? ¿Cómo podría ser explotado aquí? ¡Gracias de nuevo por tu ayuda!
0 votos
No, las martingalas no necesariamente convergen a variables aleatorias acotadas... pero en realidad ni siquiera uso un teorema de convergencia de martingalas. He escrito la prueba sobre la que estaba hablando; espero que no haya ningún error estúpido ahí.