Name:
Mat.Nr.:
Bitte keinen Rotstift oder Bleistift verwenden!
105.593 Einf¨ uhrung in Stochastische Prozesse und Zeitreihenanalyse
Vorlesung, 2015S, 2.0h Dezember 2015 Hubalek/Scherrer
(Dauer 90 Minuten, Unterlagen: ein handbeschriebener A4-Zettel sowie ein nichtprogrammierbarer Taschenrechner sind erlaubt)
Sie erhalten eine E-Mail mit dem schriftlichen Ergebnis und Information zur Anmeldung zur m¨undlichen Pr¨ufung.
Bsp. Max. Punkte
1 5
2 5
3 5
4 5
P 20
1. Gegeben sei eine Markovkette (Xn)n≥0 mit Zustandsraum I ={1, . . . ,6}, Anfangsver- teilung λ = (1/6,1/6,1/6,1/6,1/6,1/6) und einer ¨Ubergangsmatrix P, die in unten- stehender Abbildung als ¨Ubergangsgraph dargestellt ist. Sei1
H = inf{n ≥0 :Xn= 3}, T = inf{n≥1 :Xn= 3}.
(Notation wie in Buch und Vorlesung.)
(a) Ist die Kette irreduzibel? (Begr¨undung, Aufschreiben der Definition von ’irredu- zibel’ allein reicht nicht.)
(b) Finden Sie eine Zahl α > 0 sodass P2[T =∞]≥ α gilt. (Mit kurzer Begr¨undung bzw. Herleitung)
(c) Berechnen Sie P[X4 = 3|X0 = 1, X1 = 2, X2 = 3].
(d) Berechnen Sie Pi[H <∞] f¨ur alle i∈I.
(e) F¨ur welche i∈I ist
∞
X
n=0
p(n)ii
endlich, f¨ur welchei∈I ergibt die Reihe Unendlich? Was sagen diese Ergebnisse
¨
uber das Verhalten der Kette aus? (Kurze Antwort in Worten.)
1Die Formel genau lesen!
2
2. In dieser Aufgabe geht es um einen AR(2) Prozess xt=a1xt−1+a2xt−2+t
wobei (t) ∼ WN(σ2). Gegeben sind die Autokovarianzen γ(k) = Cov(xt+k, xt) f¨ur k = 0,1,2:
γ(0) = 1.9200, γ(1) = 1.2800 und γ(2) = 1.1200.
(a) Bestimmen Sie die Parameter (a1, a2, σ2) des AR Modells.
(b) Berechnen Sie dann die Autokovarianzen γ(k) f¨urk = 3 und k= 4.
3. Auch heute sei ein Wahrscheinlichkeitsraum (Ω,F, P) und eine Brownsche Bewegung (W(t), t≥0) gegeben. Weiter sei (F(t), t≥0) die nat¨urliche Filtration von W.
(a) Sei
f(t) = √
2I[1,2)(t) +W(2)I[3,5)(t), t≥0.
Zeigen Sie sorgf¨altig und detailliert, dass f ∈Mstep2 .
(b) Werten Sie I(f) gem¨aß der Definition des stochastischen Integrals f¨ur Mstep2 - Funktionen aus.
(c) Welche Verteilung (Name und Parameter) hat f(4) ?
(d) Bestimmen Sie E[IT(f)] und Var[IT(f)] f¨ur alle T ≥ 0 mit einer Methode Ihrere Wahl.
(e) Sei nun
Y(t) = sin(t+W(t)), t≥0.
Bestimmen Sie das ,,stochastische Differential” dY(t) mit der Ito-Formel.2 4. Betrachten Sie den Prozess
(xt =z0 + (−1)tz1|t∈Z),
wobei z0, z1 zwei quadratisch integrierbare, reelle Zufallsvariable mit Ez0 =Ez1 = 0, E[z0z1] = 0 und Ez02 =σ20, Ez21 =σ12 sind.
(a) Zeigen Sie, dass dieser Prozess station¨ar ist und berechnen Sie den Erwartungswert µx =Ext und die Autokovarianzfunktion γx(k) =Cov(xt+k, xt).
(b) Zeigen Sie auch, dassz1undz0Linear-Kombinationen vonxtundxt−1 sind. Wieso impliziert das, dass der Prozess perfekt prognostizierbar ist, dass also ˆxt+h =xt+h f¨ur alle h >0 gilt?
2Hinweis: sin0= cos und cos0=−sin.
3