• Keine Ergebnisse gefunden

Ubungen zur Vorlesung ¨ Wahrscheinlichkeitstheorie II

N/A
N/A
Protected

Academic year: 2021

Aktie "Ubungen zur Vorlesung ¨ Wahrscheinlichkeitstheorie II"

Copied!
2
0
0

Wird geladen.... (Jetzt Volltext ansehen)

Volltext

(1)

L¨ohr/Winter Wintersemester 2015/16

Ubungen zur Vorlesung ¨ Wahrscheinlichkeitstheorie II

Ubungsblatt 7¨

Martingale & Stoppzeiten

Aufgabe 7.1 (Deterministische & station¨are Martingale). (4 Punkte) (a) SeiXnintegrierbar und (Xn)n∈Nein deterministischer stochastischer Prozess, das heißt es gibt messbare Funktionen fn:R→ R mitXn+1 =fn(Xn) f.s. Gib eine notwendige und hinreichende Bedingungen an die fn an, unter denen (Xn)n∈N ein Martingal ist.

(b) Sei der stochastische Prozess (Xn)n∈N station¨ar, d.h. (Xn+k)n∈N hat f¨ur alle k ∈ N dieselbe Verteilung hat wie (Xn)n∈N. Ferner seiX1quadratintegrierbar. Zeige: (Xn)n∈N

ist genau dann ein Martingal, wenn es f.s. konstant ist, alsoX1=Xnf.s. f¨ur allen∈N. Hinweis: Benutze: Ist (Xn)n∈N station¨ar, so ist E(Xn2) unabh¨angig von n.

Aufgabe 7.2 (Diskretes stochastisches Integral). (4 Punkte) Sei (Xn)n∈NeinF-Martingal, und (Yn)n∈Nein beschr¨ankter,F-adaptierter Prozess. Definiere Zn:=Pn−1

k=1Yk(Xk+1−Xk).

(a) Zeige, dass (Zn)n∈N einF-Martingal ist.

(b) Sei nun E (Xn+1−Xn)2 Fn

= 1 f.s. BerechneE(Zn) undE(Zn2).

Aufgabe 7.3 (Galton-Watson Prozess). (4 Punkte)

Seien Nn,k,n, k ∈ Nunabh¨angig, identisch verteilte Zufallsvariablen mit Werten in N0 und E(N1,1)<∞. Wir definieren den Galton-Watson Prozess Z = (Zn)n∈N0 durch

Z0 = 1 und Zn =

Zn1

X

k=1

Nn,k ∀n∈N.

SeiF = (Fn)n∈N die kanonische Filtration von Z.

Bemerkung: Z ist ein einfaches Populationsmodell, in dem Zn die Gr¨oße der n-ten Generation angibt.Nn,k ist die Anzahl der Nachkommen des k-ten Individuums aus Generation n1.

(a) Zeige: E(Zn) =E(N1,1)n. (b) Definiere

Zn := Zn

E(Zn). Zeige, dass (Zn)n∈N einF-Martingal ist.

Bitte wenden!

(2)

Aufgabe 7.4 (Stoppzeiten). (4 Punkte) SeiF = (Ft)t∈I eine Filtration auf einem Wahrscheinlichkeitsraum (Ω,A,P).

(a) Zeige: Ist τ eine F-Stoppzeit, so ist Fτ eine σ-Algebra.

(b) Zeige: IstI abz¨ahlbar, so ist eineI-wertige Zufallsvariableτ genau dann eineF-Stopp- zeit, wenn {τ =t} ∈ Ft f¨ur alle t∈I gilt.

Bemerkung: Auf die Abz¨ahlbarkeit von I kann hier nicht verzichtet werden.

Sei nun I =R+ und τ eineF-Stoppzeit. Wir definieren f¨ur s≥0:

τs := τ∧s, Gs := Fτs und G := (Gs)s≥0. (c) Zeige, dassG eine Filtration ist.

(d) Zeige, dass τ auch eineG-Stoppzeit ist.

Abgabe Mi, 09.12. am Anfang der ¨Ubungsstunde

Arbeitsgruppenvortr¨age:

Am 01.12.gibt Alexey Muravlev (Steklov Mathematical Institute, Moscow) einen Vortrag.

Am08.12.gibt Mikhail Zhitlukhin (Steklov Mathematical Institute, Moscow) einen Vortrag.

Hierzu ergeht eine herzliche Einladung.Di, 16:15 – 17:15in WSC-S-U-3.03

Referenzen

ÄHNLICHE DOKUMENTE

Also wendet es sich in jedem Zeitschritt zuf¨allig und unabh¨angig mit Wahrscheinlichkeit p nach rechts und mit Wahrscheinlichkeit 1 −p nach links, geht ein Haus weiter und

(heute) gibt Olivier H´enard (CERMICS - ´ Ecole des ponts) einen Vortrag ¨ uber Generalized Fleming Viot process conditioned on non extinction of some types. Abstract: Using

Abstract: We consider a class of stochastic processes – the so-called spatial Lambda-Flemming- Viot processes – that describe the evolution of the genealogies in the spatially

Abstract: We consider a class of stochastic processes – the so-called spatial Lambda-Flemming- Viot processes – that describe the evolution of the genealogies in the spatially

(a) Ein Laplace-W¨ urfel mit Werten 1 bis 6 werde 2-mal unabh¨angig gewor- fen. Sei X das Minimum, und Y das Maximum der beiden

Bemerkung: Man kann zeigen, dass die Aussage richtig bleibt, wenn die Pfade rechts- stetig sind und die limiten von links existieren... in der ¨ Ubungsstunde

If we take the starting configuration of sleeping frogs also as random, we derive a 0-1 law too and show that the recurrence of such a model only depends on the distribution of

If we take the starting configuration of sleeping frogs also as random, we derive a 0-1 law too and show that the recurrence of such a model only depends on the distribution of