Wolfgang L¨ohr Wintersemester 2017/18
Ubungen zur Vorlesung ¨ Stochastische Prozesse
Ubungsblatt 2¨
Ionescu-Tulcea & Kolmogorov’scher Fortsetzungssatz
Aufgabe 2.1 (Markovkette). (5 Punkte)
Sei p = (pij)i,j∈N ∈ [0,1]N×N eine stochastische Matrix, d.h. P
j∈Npij = 1 f¨ur alle i ∈ N. Sei v = (vi)i∈N ∈ [0,1]N mit P
i∈Nvi = 1. Zeigen Sie, dass es einen stochastischen Prozess X= (X)n∈N0 mit ZustandsraumNgibt, so dass
1. P({X0 =i}) = vi. 2. P {Xn+1 =j}
X0, . . . , Xn
= P {Xn+1 =j} Xn
= pXnj fast sicher (f.s.).
Ferner ist die Verteilung vonX eindeutig bestimmt.
Aufgabe 2.2 (Poisson-Prozess). (5 Punkte)
Sei poiλ die Poisson-Verteilung mit Parameter (Intensit¨at) λ > 0. Zeigen Sie, dass es einen stochastischen Prozess X = (Xt)t≥0 mit folgenden Eigenschaften gibt:
1. X0 = 0, 2. L(Xt−Xs) = poit−s ∀0≤s < t, 3. (Xtk−Xtk
−1)k=1,...,n unabh¨angig ∀n∈N,0≤t0 <· · ·< tn.
Aufgabe 2.3 (weißes Rauschen). (6 Punkte)
Sei d ∈ N und h·,·i das Skalarprodukt auf L2(Rd), also hg, hi = R
g(x)h(x) dx f¨ur g, h ∈ L2(Rd). Zeigen Sie, dass es eine Familie (W(h))h∈L2(Rd) von Zufallsvariablen auf demselben Wahrscheinlichkeitsraum mit den folgenden Eigenschaften gibt.
1. W(h1), . . . , W(hn)
istn-dimensional normalverteilt ∀n∈N,h1, . . . , hn∈L2(Rd).
2. E W(h)
= 0 ∀h∈L2(Rd).
3. Cov W(g), W(h)
=hg, hi ∀g, h∈L2(Rd).
Hinweis: Zur Erinnerung: Eine Matrix ist genau dann die Kovarianzmatrix einer n-dimen- sionalen Normalverteilung, wenn sie symmetrisch und positiv semi-definit ist.
Bemerkung: W(h) wird als stochastisches Integral von h ¨uber weißes Rauschen interpre- tiert und auch als W(h) =R
h(x)W(dx) geschrieben. Es spielt in der Theorie stochastischer partieller Differntialgleichungen eine wichtige Rolle.
Abgabe (freiwillig) Di, 24.10. in der ¨Ubung