Dejemos que $p_t(x,y)$ sea la función de densidad de transición browniana $\frac 1 {\sqrt{2\pi t}}e^{-(y-x)^2/2t}$ de modo que su propiedad de Markov es la siguiente $$\mathbb E(f(B_{s+h})\mid B_s) = \int f(y)p_h(B_s,y) \, dy.$$
Deseamos calcular $\mathbb P(B_t>0,B_s>0)$ . Para utilizar la propiedad de Markov en el último parágrafo, reescríbalo como $\mathbb E(1_{\{B_s>0, B_t>0\}}) = \mathbb E\,\mathbb E(1_{\{B_s>0, B_t>0\}}\mid B_s )$ y observe que puede ver $1_{\{B_s>0, B_t>0\}} = 1_{[0,\infty)\times[0,\infty)}(B_s,B_t)$ en función de $B_{s + h}$ con $h=t-s$ . Aplicando la propiedad a la expectativa condicional obtenemos
$$\mathbb P(B_t>0,B_s>0) = \mathbb E\,\int1_{[0,\infty)\times[0,\infty)}(B_s,y)p_{t-s}(B_s, y) \, dy.$$
La última expectativa puede calcularse directamente utilizando la ley de $B_s$ Es decir, $p_s(0,x)\, dx$ Así que finalmente $$\mathbb P(B_t>0,B_s>0) = \int_0^ \infty\int_0^\infty p_{t-s}(x, y) p_s(0,x)\, dy\, dx.$$