Dr. Andrej Depperschmidt Carina Brugger, M.Sc. Übungen zur Vorlesung “Stochastik I” Sommersemester 2014, Zusatzübung, Besprechung am 20.08.2014 von 09-12 Uhr in Raum 05-514. http://www.mathematik.uni-mainz.de/arbeitsgruppen/stochastik/ Brugger/stochastik-i Aufgabe 1 Es sei (X , A, µ) ein Maßraum. Zeigen Sie: (a) Aus A1 ,A2 ∈ A und µ (A1 4 A2 ) = 0 folgt µ (A1 ) = µ (A2 ). (b) Ist der Maßraum vollständig, dann folgt aus A1 ∈ A und µ (A1 4 A2 ) = 0, dass A2 ∈ A gilt. Bemerkung: Ein Maßraum (X , A, µ) heißt vollständig, wenn A alle Teilmengen der µ-Nullmengen enthält, d.h. wenn aus B ∈ A, µ (B) = 0 und A ⊂ B folgt A ∈ A. Aufgabe 2 Es sei (µ n ) eine Folge von Maßen auf einem meßbareren Raum (Ω, A). Zeigen Sie, dass durch µ (A) := ∞ X µ n (A), A ∈ A, n=1 ein Maß µ auf (Ω, A) definiert wird. Aufgabe 3 Sind f und д integrierbare numerische Funktionen auf einem Maßraum (Ω, A, µ), so sind auch f ∨ д und f ∧ д integrierbar. Aufgabe 4 Zeigen Sie: Var[X ] = 0 gilt genau dann, wenn es ein a ∈ R mit P(X = a) = 1 gibt. Aufgabe 5 Es sei X eine Zufallsvariable mit Dichte f . Zeigen Sie, dass f genau dann eine gerade Funktion ist, wenn die charakteristische Funktion von X reellwertig ist. Aufgabe 6 Sei X eine binomial verteilte Zufallsvariable auf Ω = {0, . . . ,n}. Zeigen Sie, dass das zugehörige Wahrscheinlichkeitsmaß µ auf Ω absolutstetig zur Gleichverteilung auf ν auf Ω ist und berechnen Sie die RadonNikodym Dichte. Dr. Andrej Depperschmidt Carina Brugger, M.Sc. Aufgabe 7 Berechnen Sie die charakteristische Funktion einer binomial verteilten Zufallsvariablen. Beweisen Sie mit Hilfe dieser Funktion: Sind X 1 und X 2 unabhängige Bin(n 1 ,p) bzw. Bin(n 2 ,p)-verteilte Zufallsvariablen, dann ist X 1 + X 2 Bin(n 1 + n 2 ,p)-verteilt. Aufgabe 8 Es seien X und Y unabhängige identisch verteilte Zufallsvariablen mit Erwartungswert 0 und Varianz√1. Zeigen Sie mit Hilfe charakteristischer Funktionen: Stimmt die Verteilung der Zufallsvariablen (X +Y )/ 2 mit der von X und Y überein, dann sind X und Y normal verteilt. Hinweis: Aus den Voraussetzungen erhält man für die charakteristische Funktion eine Gleichung der Form φ (t ) = [φ (?)]2 . Iterieren Sie diese Gleichung und betrachten Sie die Taylorentwicklung von φ. Aufgabe 9 Beweisen Sie mit Hilfe der charakteristischen Funktionen das schwache Gesetz der großen Zahlen in der folgenden Form: Ist (X n )n ∈N eine Folge unabhängiger und identisch verteilter Zufallsvariablen mit endliP chem Erwartunswert m, dann konvergiert n−1 ni=1 X i in Wahrscheinlichkeit gegen m. Aufgabe 10 Für λ > 0 sei Yλ eine Poisson verteilte Zufallsvariable mit Parameter λ. Zeigen Sie Yλ − λ ⇒ X , für λ → ∞, √ λ wobei X eine standardnormalverteilte Zufallsvariable ist. Aufgabe 11 Es seien s ≥ 0 und λ > 0. Beweisen Sie: lim e X −λn n→∞ 0≤k ≤ns 0 : s < λ, (λn) k = 1/2 : s = λ, k! 1 : s < λ. Anleitung: Ist (X n )n ∈N eine Folge unabhängiger Poisson verteilter Zufallsvariablen mit Parameter λ, so gilt (begründen!) P n 1 X n i=1 X X i ≤ s = e −nλ 0≤k ≤ns (λn) k . k! Benutzen Sie für den Beweis der Behauptung den zentralen Grenzwertsatz. Dr. Andrej Depperschmidt Carina Brugger, M.Sc. Aufgabe 12 Es seien X 1 ,X 2 , . . . nichtnegative Zufallsvariablen auf (Ω, A, P) und sei G ⊂ A eine σ -Algebra. Zeigen Sie: (a) Gilt X n ↑ X fast sicher, so folgt E[X n |G] ↑ E[X |G] fast sicher. fP g P ∞ ∞ (b) E n=1 X n |G = n=1 E[X n |G]. (c) Wir setzen P(A|G) B E[1A |G] für A ∈ A. Sind B 1 ,B 2 , . . . disjunkte Mengen aus A, dann gilt ∞ B |G) = P∞ P(B |G). P(∪n=1 n n n=1 Aufgabe 13 Seien X und Y unabhängige Zufallsvariablen. Berechnen Sie E[X |Y ]. Aufgabe 14 Seien X und Y unabhängige und identisch verteilte integrierbare Zufallsvariablen. Zeigen Sie E[X |X + Y ] = E[Y |X + Y ] = X +Y 2 fast sicher. Aufgabe 15 Die bedingte Varianz von X gegeben Y ist definiert durch g f Var[X |Y ] B E (X − E[X |Y ]) 2 Y . Zeigen Sie f g f g Var[X ] = E Var[X |Y ] + Var E[X |Y ] . Aufgabe 16 Seien X und Y beschränkte Zufallsvariablen. Zeigen Sie f g f g E Y E[X |G] = E X E[Y |G] . Aufgabe 17 Es sei X eine symmetrische Zufallsvariable, d.h. X und −X haben dieselbe Verteilung. Ferner sei ϕ : R → R eine Funktion mit E[|ϕ(X )|] < ∞. Zeigen Sie: E[ϕ(X )||X |] = 1 (ϕ(|X |) + ϕ(−|X |) fast sicher. 2