Klausur 2016

Werbung
Stochastik 1
Prof. Jean Bertoin
FS 2016
Klausur Stochastik 1
3 Stunden, ohne Unterlagen
Name:
Matrikelnummer:
• Legen Sie während der Prüfung Ihre Legi vor sich auf das Pult.
• An den Platz mitzunehmen sind nur Schreibutensilien und gegebenenfalls eine
kleine Zwischenverpflegung. Deponieren Sie Ihre Taschen, Jacken usw. am Rande
des Hörsaales.
• Taschenrechner, Mobiltelefon und Hilfsmittel sind nicht zugelassen.
• Die Prüfung besteht aus 5 Aufgaben und insgesamt 8 Blättern - einem Deckblatt,
5 Aufgabenblättern sowie 2 leeren Blättern am Ende. Überprüfen Sie zunächst, ob
alle Blätter vorhanden sind. Jedes Blatt ist mit Namen und Matrikelnummer zu
beschriften. Alle 8 Blätter müssen am Ende der Prüfung in korrekter Reihenfolge
abgegeben werden.
• Für jede Aufgabe ist auf den Prüfungsblättern (vorne und hinten) und auf den
letzten beiden Seiten separat Platz vorhanden. Sollte zusätzliches Schreibpapier
benötigt werden, melden Sie sich bei der Klausurleitung. Verwenden Sie in diesem
Fall für jede Aufgabe ein neues Blatt Papier und beschriften Sie dieses mit Namen,
Matrikelnummer und Aufgabennummer.
• Nur vollständig begründete und hergeleitete Resultate werden gewertet. Für die
Note 6 ist es nicht erforderlich, alle Aufgaben richtig zu lösen.
• Verwenden Sie weder Bleistifte noch rotfarbige Stifte.
1
Stochastik 1
Prof. Jean Bertoin
FS 2016
Name:
Matrikelnummer:
Aufgabe 1 (zwei Fragen aus der Vorlesung).
(i) Definiere den Begriff der Konvergenz in Verteilung für eine Folge von Zufallsvariablen in Rd .
(ii) Formuliere den Satz aus der Vorlesung, der Konvergenz in Verteilung mit charakteristischen Funktionen in Beziehung setzt. (Charakteristische Funktionen müssen
definiert werden. Der Satz soll nicht bewiesen werden.)
2
Stochastik 1
Prof. Jean Bertoin
FS 2016
Name:
Matrikelnummer:
Aufgabe 2.
Seien X und Y zwei reelle Zufallsvariablen. Entscheiden Sie, welche der folgenden Aussagen wahr sind. Falls die Aussage wahr ist, beweisen Sie diese, andernfalls geben Sie
ein Gegenbeispiel an.
(i) Falls P(X = t) = P(Y = t) für alle t ∈ R gilt, dann sind X und Y identisch verteilt.
(ii) Falls X und Y identisch verteilt sind, und X ∈ L1 (P), dann Y ∈ L1 (P) und
E(X) = E(Y ).
(iii) Falls X und Y unabhängig sind, dann sind f (X) und g(Y ) auch unabhängig für
alle messbare Funktionen f, g : R → R.
(iv) Sei Z eine dritte Zufallsvariable, so dass X und Z unabhängig sind, und auch
Y und Z unabhängig sind. Dann ist (X, Y, Z) eine Familie von unabhängigen
Zufallsvariablen.
(v) Sei (Un )n∈N eine Folge von i.i.d. (d.h. unabhängigen und identisch verteilt) gleichförmigen Zufallsvariablen. Sei (an )n∈N eine reelle Folge mit limn→∞ an = ∞.
Dann gilt limn→∞ 1/(an Un ) = 0 fast sicher.
3
Stochastik 1
Prof. Jean Bertoin
FS 2016
4
Stochastik 1
Prof. Jean Bertoin
FS 2016
Name:
Matrikelnummer:
Aufgabe 3.
2
Eine Rayleigh-Variable ist eine positive Zufallsvariable R mit Dichtefunktion re−r /2 :
P(R ∈ dr) = r exp(−r2 /2)dr ,
(i) Überprüfen Sie, dass r 7→ re−r
2 /2
r > 0.
tatsächlich eine Dichtefunktion auf (0, ∞) ist.
(ii) Zeigen Sie, dass U = exp(−R2 /2) dann eine gleichförmige Zufallsvariable ist.
(iii) √
Seien X und Y zwei unabhängige N (0, 1) Gauss-Variablen. Beweisen Sie, dass
X 2 + Y 2 eine Rayleigh-Variable ist.
[Hinweis: man kann polare Koordinaten benutzen.]
(iv) Zur Erinnerung, man sagt, dass eine reelle Zufallsvariable C eine Cauchy-Variable
1
ist, falls sie die Dichtefunktion x 7→ π(1+x
2 ) für x ∈ R, besitzt.
Beweisen Sie, dass dann X/Y eine Cauchy-Variable ist.
[Hinweis: man kann die Tatsache, dass die Funktion tan : (−π/2, , π/2) → R ein
Diffeomorphismus mit Ableitung tan0 (x) = 1 + tan2 (x) ist, benutzen.]
√
(v) Entscheiden Sie, ob die Variablen X/Y und X 2 + Y 2 unabhängig sind (Sie müssen
eine Begründung für Ihre Entscheidung geben).
5
Stochastik 1
Prof. Jean Bertoin
FS 2016
6
Stochastik 1
Prof. Jean Bertoin
FS 2016
Name:
Matrikelnummer:
Aufgabe 4.
Sei X eine reelle Zufallsvariable in L2 (P).
Seien X1 und X2 zwei unabhängige Kopien von X (d.h., X1 ⊥
⊥ X2 , und Xi hat die selbe
Verteilung wie X für i = 1, 2).
Wir nehmen an, dass es gibt eine Konstante c > 0, so dass die Variablen cX und X1 + X2
identisch verteilt sind.
(i) Sei X1 , . . . , Xn , . . . eine Folge von unabhängigen Kopien von X. Zeigen Sie durch
Induktion, dass für jedes k ∈ N, die Variable
Sk = X1 + · · · + X2k
die selbe Verteilung wie ck X hat.
(ii) Zuerst, wir betrachten den Fall c = 2. Schliessen Sie von (i), dass X eine Konstante
sein muss (Sie müssen den Wert von dieser Konstante bestehen).
√
(iii) Wir betrachten danach den Fall c = 2. Beweisen Sie, dass X eine GaussVerteilung haben muss.
√
(iv) Wir nehmen jetzt an, dass c 6= 2 und c 6= 2. Überprüfen Sie, dass X = 0 fast
sicher.
7
Stochastik 1
Prof. Jean Bertoin
FS 2016
8
Stochastik 1
Prof. Jean Bertoin
FS 2016
Name:
Matrikelnummer:
Aufgabe 5.
(i) Geben Sie die Definitionen von einem Gauss-Vektor (X, Y ) in R2 , von seinem
Mittelwert-Vektor (oder Erwartungswert-Vektor) m und von seiner Kovarianz-Matrix
D.
(ii) Wir nehmen jetzt an, dass m = (0, 0) (das heisst, (X, Y ) ist zentriert) und
4 1
D=
.
1 1
Beweisen Sie, dass (X + Y, X − Y ) ebenfalls ein zentrierter Gauss-Vektor ist, und
berechnen Sie seine Kovarianz-Matrix.
(iii) Finden Sie eine Zufallsvariable Z mit Standard-Normalverteilung N (0, 1), die unabhängig von X + 2Y ist.
[Hinweis: Betrachten Sie eine geeignete Linearkombination der Form Z = aX +bY .]
9
Stochastik 1
Prof. Jean Bertoin
FS 2016
10
Herunterladen