Prof. Dr. R. Grübel Dipl.-Math. F. Dennert SS 2005, Institut für Mathematische Stochastik 1. Übungsblatt zu Stochastische Prozesse Aufgabe 1: Es sei (Xn )n∈N0 ein stochastischer Prozess mit abzählbarem Zustandsraum E. Man zeige: (Xn )n∈N0 ist genau dann eine Markov-Kette, wenn für alle n ∈ N, i0 , ..., in ∈ E mit P (X0 = i0 , ..., Xn = in ) > 0 P (Xn = in |Xn−1 = in−1 ) = P (Xn = in |Xn−1 = in−1 , ..., X0 = i0 ) gilt. Aufgabe 2: Es sei (Xn )n∈N0 eine Markov-Kette mit Zustandsraum E und Übergangsmatrix P = (pij )i,j∈E . Zeigen Sie: (a) Die Relation “ ist transitiv. ” (b) Zwei kommunizierende Zustände haben dieselbe Periode. (c) Zwei kommunizierende Zustände sind entweder beide transient oder beide rekurrent. (d) Es gilt ∞ X pji (n) = n=1 fji? ∞ X pii (n). n=0 Aufgabe 3: (a) Auf dem Raum RN der N -dimensionalen Zeilenvektoren (N ∈ N) wird durch kxk1 := N X |xi |, x = (x1 , ..., xN ), i=1 bekanntlich eine Norm definiert. Zeigen Sie: Ist P eine stochastische N × N -Matrix, so gilt kxP k1 ≤ kxk1 für alle x ∈ RN . Was bedeutet dies für die Eigenwerte von P ? (b) Es sei P = (pij )i,j∈{1,...,N } für N ∈ N eine stochastische Matrix mit κ := min pij > 0 und U := {x ∈ RN : 1≤i,j≤N N X xi = 0}. i=1 Zeigen Sie, dass P die Menge U wieder in U abbildet, und dass es ein 0 ≤ α < 1 gibt mit kxP k1 ≤ αkxk1 für alle x ∈ U. Was bedeutet dies für das Verhalten von qP n − rP n mit n → ∞, wenn q, r ∈ RN Wahrscheinlichkeitsvektoren sind, das heißt wenn qi , ri ≥ 0 für i = 1, ..., N und PN PN i=1 qi = i=1 ri = 1 gilt? Aufgabe 4: Beweisen Sie Lemma 1.5 der Vorlesung: Ist der Zustand i ∈ E aperiodisch, so existiert ein n0 ∈ N derart, dass pii (n) > 0 für alle n ≥ n0 gilt. Prof. Dr. R. Grübel Dipl.-Math. F. Dennert SS 2005, Institut für Mathematische Stochastik 2. Übungsblatt Stochastische Prozesse Aufgabe 5: Es sei (Sn ) die d-dimensionale symmetrische Irrfahrt auf Zd mit p0,0 (n) = P (Sn = 0|S0 = 0). Man zeige und folgere: 2 −2n (a) Im Fall d = 2 gilt p0,0 (2n) = 2n 4 . Die zweidimensionale symmetrische Irrfahrt n ist rekurrent. n! , wobei Γ die Gammafunktion (b) Im Fall d = 3 gilt p0,0 (2n) ≤ 2−2n 3−n 2n n (Γ(n/3+1))3 sei. Die dreidimensionale symmetrische Irrfahrt ist transient. (c) Für d ≥ 3 ist die d-dimensionale symmetrische Irrfahrt transient. Aufgabe 6: Zeigen Sie, dass die einfache Irrfahrt auf Z mit pi,i+1 = p, 0 < p < 1, im Fall ∗ als Funktion von p. Berechnen Sie den Erwartungsp 6= 21 transient ist. Berechnen Sie f00 x j P 2j 1 wert der Rückkehrzeit nach 0 im Falle p = 12 . Hinweis: Es gilt √1−x = ∞ . j=0 j 4 Aufgabe 7: Each morning a student takes one of the three books (labelled 1, 2, 3) he owns from his shelf. The probability that he chooses the book with label i is αi (where 0 < αi < 1, i = 1, 2, 3), and choices on successive days are independent. In the evening he replaces the book at the left-hand end of the shelf. If pn denotes the probability that on day n the student finds the books in the order 1, 2, 3, from left to right, show that, irrespective of the initial arrangement of the books, pn converges as n → ∞, and determine the limit. Aufgabe 8: Eine Markov-Kette mit Zustandsraum E und Übergangsmatrix P heisst umkehrbar, wenn es einen Wahrscheinlichkeitsvektor π gibt mit πi pij = πj pji für alle i, j ∈ E. (a) Zeigen Sie, dass aus (?) folgt, dass π eine stationäre Verteilung zu P ist. (?) (b) Eine Urne enthält insgesamt N Kugeln, die rot oder blau sein können. Die Zufallsvariable Xn bezeichne die Anzahl der blauen Kugeln zur Zeit n. Im Zeitintervall (n, n + 1) wird eine Kugel der Urne rein zufällig“ entnommen und gegen eine Kugel ” der anderen Farbe ausgetauscht. Bestimmen Sie die zugehörige Übergangsmatrix P und finden Sie eine stationäre Verteilung zu P . Aufgabe 9: ( schwache Markov-Eigenschaft“) ” Es sei X = (Xn )n∈N0 eine Markov-Kette mit Startverteilung q, Übergangsmatrix P und Zustandsraum E, desweiteren sei N ∈ N. Wir definieren Y = (Yn )n∈N durch Yn := XN +n für alle n ∈ N0 und nennen Y den Post-N -Prozess zu X. Dies alles spielt sich auf einem Wahrscheinlichkeitsraum (Ω, A, P) ab, FN := σ{X1 , ..., XN } sei die von dem Anfangsstück“ bis N erzeugte σ-Algebra, ” F Y := σ{Yn : n ∈ N0 } die vom Post-N -Prozess erzeugte σ-Algbra. Zeigen Sie: FN und F Y sind unter XN bedingt unabhängig in dem Sinne, dass für alle A ∈ FN , B ∈ F Y und i ∈ E P(A ∩ B|XN = i) = P(A|XN = i) · P(B|XN = i) gilt. Hinweis: Es reicht, die Gleichheit für A, B aus einem geeigneten ∩-stabilen Erzeugendensystem nachzuweisen. Prof. Dr. R. Grübel Dipl.-Math. F. Dennert SS 2005, Institut für Mathematische Stochastik 3. Übungsblatt Stochastische Prozesse Aufgabe 10: (Xn )n∈N0 sei eine irreduzible aperiodische Markov-Kette mit endlichem Zustandsraum E := {0, ..., N } und Übergangsmatrix P . (a) Zeigen Sie die Rekurrenz von (Xn ). (b) Es seiPT0 := inf{n ∈ N : Xn = 0}. Es sei x der Zeilenvektor mit Komponenten xi = n≥1 P (Xn = i, n ≤ T0 |X0 = 0) . Man zeige, dass xP = x gilt. (c) Zeigen Sie, dass Xn positiv rekurrent ist. Aufgabe 11: (Xn ) sei eine irreduzible rekurrente Markov-Kette mit Zustandsraum E, und h : E → R eine beschränkte harmonische Funktion. Zeigen Sie, dass h konstant ist. Aufgabe 12: Es sei (Xn )n∈N0 eine Markov-Kette mit Zustandsraum E und Übergangsmatrix P . Wir nennen h : E → R harmonisch auf A ⊆ E, wenn (P h)(i) = h(i), i ∈ A, gilt. Es sei τ = inf{n ∈ N0 : Xn ∈ Ac }. Zeigen Sie, dass das Problem finde h : E → R mit h harmonisch auf A, h ≡ 1 auf AC durch h(i) := P (τ < ∞|X0 = i) gelöst wird. Aufgabe 13: Zeigen Sie mit der in Abschnitt 1.5 der Vorlesung besprochenen Methode, dass die einfache unsymmetrische Irrfahrt (Xn )n∈N0 , P (Xn+1 = i + 1|Xn = i) = 1 − P (Xn+1 = i − 1|Xn = i) = p, X0 = 0 mit p 6= 21 , transient ist. Aufgabe 14: Es sei (Xn )n∈N0 eine Markov-Kette mit Übergangsmatrix P und Zustandsraum E. Es sei τ eine endliche Stoppzeit. Ist h eine beschränkte Funktion, so gilt E[h(Xτ +1 )|Fτ ] = (P h)(Xτ ). Prof. Dr. R. Grübel Dipl.-Math. F. Dennert SS 2005, Institut für Mathematische Stochastik 4. Übungsblatt Stochastische Prozesse Aufgabe 15: Bei der einfachen symmetrischen Irrfahrt X = (Xn )n∈N0 mit Start in 0 sei τr := inf{n ∈ N : Xn = r} (r ∈ N). (a) Zeigen Sie, dass die Zufallsgrössen τ1 , τ2 − τ1 , τ3 − τ2 , τ4 − τ3 , ... unabhängig und identisch verteilt sind. (b) Zeigen Sie, dass zu τ1 die wahrscheinlichkeitserzeugende Funktion g, g(z) = √ 1 (1 − 1 − z 2 ), z 0 6= |z| ≤ 1, gehört. (Hinweis: Zerlegen Sie nach dem Wert von X1 .) Aufgabe 16: Es sei X wie in der vorangegangenen Aufgabe. (a) Finden Sie eine Funktion φ mit der Eigenschaft, dass (Znθ )n∈N0 , Znθ := φ(θ)−n exp(θXn ) für alle n ∈ N0 , für alle θ ∈ R ein Martingal ist. (b) Verwenden Sie Teil (a) und das OST, um einen alternativen Beweis zu der Aussage von Teil (b) der vorangegangenen Aufgabe zu finden. Aufgabe 17: Wie in der Vorlesung sei D0 := {f : [0, ∞) 7→ Z : f (0) = 0, f ↑, f stetig von rechts}, versehen mit der durch die Projektionen πt : D0 → Z, πt (f ) = f (t) erzeugten σ-Algebra B(D0 ) := σ(πt : t ≥ 0). Es sei X : (Ω, A, P ) 7→ (D0 , B(D0 )) eine Zufallsgröße und τ eine endliche Stoppzeit bzgl. der Filtration (σ(πs (X) : 0 ≤ s ≤ t))t≥0 . Zeigen Sie, dass Sτ (X) := (πτ ∧t )t≥0 und Zτ (X) = (πτ +t (X)−πτ (X))t≥0 ebenfalls Zufallsgrößen mit Werten in (D0 , B(D0 )), also (A, B(D0 ))-messbar sind. Aufgabe 18: Kunden treffen in einer Bank gemäß eines Poisson-Prozesses mit Rate λ > 0 ein. Bestimmen Sie die Wahrscheinlichkeit dafür, dass drei Kunden im Zeitintervall (1, 3] ankommen, unter der Bedingung, dass im Intervall (2, 4] ein Kunde ankommt. Prof. Dr. R. Grübel Dipl.-Math. F. Dennert SS 2005, Institut für Mathematische Stochastik 5. Übungsblatt Stochastische Prozesse Aufgabe 19: (a) Es sei (Xn )n∈N0 die einfache symmetrische Irrfahrt mit Start in i0 , a ∈ N mit |a| > |i0 | und τ := inf{n ∈ N : |Xn | ≥ a}. Bestimmen Sie den Erwartungswert zu τ . (Hinweis: (Xn2 − n)n∈N0 ist ein Martingal.) (b) Können Sie auch die nichtsymmetrische Irrfahrt im Stil von Teil (a) behandeln? Aufgabe 20: (a) Es seien (Nti )t≥0 , i = 1, 2, voneinander unabhängige Poisson-Prozesse mit Raten λi > 0, i = 1, 2. Man zeige, dass (Nt )t≥0 mit Nt := Nt1 + Nt2 ein Poisson-Prozess ist und ermittele seine Rate. (b) Es seien (Nt )t≥0 ein Poisson-Prozess mit Rate λ > 0 und (Xi )i∈N eine davon unabhängige iid-Folge mit P (X1 = 1) = P 1 − P (X1 = 0) = p. Man zeige, dass die t 1 i 1 2 Prozesse (N )t≥0 , i = 1, 2, mit Nt := N l=1 Xl und Nt := Nt − Nt voneinander unabhängige Poisson-Prozesse sind und ermittle ihre Raten. Aufgabe 21: Es sei N ein Poisson-Prozess mit Intensität λ. (a) Zeigen Sie, dass für jedes θ ∈ R durch (Mtθ )t≥0 , Mtθ := exp θNt − λt(eθ − 1) für alle t ≥ 0, ein Martingal definiert wird. (b) Skizzieren Sie, wie man mit der Aussage von Teil (a) im Stil von Aufgabe 16 die momenterzeugende Funktion zur Eintrittszeit τr := inf{t ≥ 0 : Nt = r} (r ∈ N) bestimmen kann. (c) Finden Sie ein direktes Argument zur Bestimmung der Verteilung von τr . Aufgabe 22: Es sei N ein Poisson-Prozess mit Intensität λ, X = (Xn )n∈N0 werde definiert durch Xn := Nnh für alle n ∈ N0 (h > 0 fest). (a) Zeigen Sie, dass X eine Markov-Kette ist und bestimmen Sie die zugehörigen Übergangswahrscheinlichkeiten. (b) Finden Sie ein heuristisches Argument dafür, dass Z t f (Nt ) − (Af )(Ns ) ds 0 t≥0 ein Martingal ist. Hierbei bezeichne A den Operator, der einer Funktion f : Z → R die Funktion Af : Z → R, i → 7 λ f (i + 1) − f (i) , zuordnet. (c) Verifizieren Sie die Aussage von Teil (b) für die Funktionen f (i) = i und f (i) = i2 . Prof. Dr. R. Grübel Dipl.-Math. F. Dennert SS 2005, Institut für Mathematische Stochastik 6. Übungsblatt Stochastische Prozesse Aufgabe 23: Eine Halbgruppe {P (t) : t ≥ 0} von stochastischen Matrizen P (t) = (pij (t))i,j∈E über E heißt standard, wenn lim pij (t) = δij t→0 für alle i, j ∈ E gilt, sie heisst irreduzibel, wenn für alle i, j ∈ E ein t > 0 existiert mit pij (t) > 0. Im folgenden sei {P (t) : t ≥ 0} eine irreduzible Standardhalbgruppe. (a) Zeigen Sie, dass alle Übergangsfunktionen t 7→ pij (t), i, j ∈ E, auf 0 ≤ t < ∞ gleichmäßig stetig sind. (b) Zeigen Sie, dass für jedes h > 0 die Übergangsmatrix P (h) im Sinne von Abschnitt 1 der Vorlesung irreduzibel und aperiodisch ist. (c) Der Wahrscheinlichkeitsvektor π = (πi )i∈E sei stationär zu {P (t) : t ≥ 0}. Zeigen Sie, dass dann lim pij (t) = πj für alle i, j ∈ E t→∞ gilt. Aufgabe 24: Es sei X = (Xn )n∈N0 eine Markov-Kette mit Zustandsraum E = {1, 2} und Übergangsmatrix α 1−α P = , 0 < α < 1. 1−α α Zeigen Sie, dass genau dann eine Markov-Kette Y = (Yt )t≥0 existiert, in die X im Sinne von Xn = Yn für alle n ∈ N0 einbettbar ist, wenn α > 1/2 gilt. Bestimmen Sie in diesem Fall den Generator zu Y . Aufgabe 25: Wie in Beispiel 3.2 der Vorlesung sei X = (Xt )t≥0 eine Markov-Kette mit Zustandsraum E = {1, 2} und Generator −λ λ G= , λ, µ > 0. µ −µ Verwenden Sie die Formel P (t) = exp(tG) für eine alternative Herleitung der Übergangswahrscheinlichkeiten. (Hinweis: Finden Sie zunächst eine Darstellung G = ADA−1 mit einer Diagonalmatrix D.) Aufgabe 26: Es seien T = [0, 1] oder T = R+ , C(T ) die Menge der stetigen Funktionen auf T und B T die von den Projektionen erzeugte σ-Algebra auf RT . Zeigen Sie: C(T ) ∈ / BT . Hinweis: Zeigen Sie zunächst, daß zu jedem A ∈ B T eine abzählbare Menge S(A) ⊂ T existiert mit der Eigenschaft, dass für alle x ∈ RT , y ∈ A gilt: x(t) = y(t) für alle t ∈ S(A) ⇒ x ∈ A . Prof. Dr. R. Grübel Dipl.-Math. F. Dennert SS 2005, Institut für Mathematische Stochastik 7. Übungsblatt Stochastische Prozesse Aufgabe 27: Es sei (Ω, A, P ) ein Wahrscheinlichkeitsraum und (Ft )t≥0 eine zugehörige Filtration. Es sei N das System der P -Nullmengen von A und (F̃t )t≥0 mit F̃t := σ(N ∪ Ft ) die um N erweiterte Filtration. (a) Zeigen Sie, dass mit (Bt , Ft )t≥0 auch (Bt , F̃t )t≥0 eine Brownsche Bewegung ist. (b) Zeigen Sie, dass mit (Xt , Ft )t≥0 auch (Xt , F̃t )t≥0 ein Martingal ist. Hinweis: Zeigen Sie zunächst, dass zu jedem F̃ ∈ F̃t ein F ∈ Ft existiert mit F̃ 4 F ∈ N . Aufgabe 28: Es seien X = (Xt )t∈T ein stochastischer Prozess auf (Ω, A, P ) und Y = (Yt )t∈T ein Prozess auf (Ω0 , A0 , P 0 ). Die Prozesse X und Y heißen äquivalent, wenn sie dieselben endlich-dimensionalen Verteilungen haben. Im Falle (Ω0 , A0 , P 0 ) = (Ω, A, P ) heißt Y eine Modifikation von X, wenn P (Xt = Yt ) = 1 gilt für alle t ∈ T ; X und Y heißen ununterscheidbar, wenn es eine P -Nullmenge N ∈ A gibt mit Xt (ω) = Yt (ω) für alle t ∈ T und für alle ω ∈ Ω\N . Diskutieren Sie die Abhängigkeiten zwischen diesen Begriffen. Geben Sie insbesondere ein Beispiel für äquivalente, auf demselben Wahrscheinlichkeitsraum definierte Prozesse an, die nicht Modifikationen voneinander sind. Aufgabe 29: (a) Es sei (Bt )0≤t≤1 eine Brownsche Bewegung mit Zeitbereich [0, 1]. Zeigen Sie: Der durch Xt := (1 + t)Bt/(1+t) − tB1 definierte Prozess (Xt )t≥0 ist eine Brownsche Bewegung mit Zeitmenge [0, ∞). (b) Es seien a ≥ 0, c 6= 0 fest gewählt. Zeigen Sie, dass mit (Bt )t≥0 auch die wie folgt definierten Prozesse (B̃t )t≥0 Brownsche Bewegungen sind: (i) B̃t := −Bt , ∀t ≥ 0, (ii) B̃t := Ba+t − Ba , ∀t ≥ 0, (iii) B̃t := cBt/c2 , ∀t ≥ 0 . Aufgabe 30: Es sei (gnk )(n,k)∈S die im Beweis zu Satz 4.5 verwendete Haar-Basis von L2 ([0, 1]). (a) Die Funktion f ∈ L2 ([0, 1]) habe die Eigenschaft hf, gnk i = 0 für alle (n, k) ∈ S. Zeigen Sie, dass dann f = 0 fast überall gilt. (b) In welcher Beziehung steht Teil (a) zu der in Gleichung (1) des Beweises verwendeten Formel X f= hf, gnk ignk für alle f ∈ L2 ([0, 1])? (n,k)∈S Hinweis zu Teil (a): Betrachten Sie die Werte der Funktion F : [0, 1] → R, t 7→ in den Punkten k2−n , (n, k) ∈ S. Rt 0 f (s) ds, Prof. Dr. R. Grübel Dipl.-Math. F. Dennert SS 2005, Institut für Mathematische Stochastik 8. Übungsblatt Stochastische Prozesse Aufgabe 31: (Wiener/Paley-Zugang zur Brownschen Bewegung) Es sei (Xn )n∈N0 eine iid-Folge standardnormalverteilter Zufallsvariablen. Man betrachte die Fourier-Reihe n −1 r X 2X 2 sin kt t Xk . Bt := √ X0 + π k π n−1 n≥1 k=2 Man kann zeigen (hier nicht!), dass diese Reihe mit Wahrscheinlichkeit 1 gleichmäßig auf [0, π] konvergiert. Man zeige, dass (Bt )t∈[0,π] bzgl. der natürlichen Filtration eine Brownsche Bewegung ist. Hinweis: Man zeige, dass Bt ein Gauss-Prozess ist und berechne Erwartungswert- und Kovarianzfunktion. Aufgabe 32: Es sei (Bt )t≥0 eine Brownsche Bewegung. Zeigen Sie, daß für alle γ > 1/2 lim t−γ Bt = 0 t→∞ fast sicher gilt, und daß diese Aussage mit γ = 1/2 nicht gilt. Benutzen Sie dies, um zu zeigen, daß fast alle Pfade der Brownschen Bewegung in t = 0 nicht Lipschitz-stetig sind. Aufgabe 33: Es sei B = (Bt )t≥0 eine Brownsche Bewegung auf (Ω, A, P ). Zeigen Sie, dass für P -fast alle ω ∈ Ω der Pfad von ω auf keinem Intervall [a, b] ⊂ R+ mit a < b monoton ist. Aufgabe 34: Aus der Vorlesung ist bekannt, dass die quadratische Totalvariation der Brownschen Bewegung auf [0, t] entlang einer deterministischen Folge ({tn,0 , ..., tn,kn })n∈N von Partitionen von [0, t] mit gegen 0 konvergierender Weite mit n → ∞ in Wahrscheinlichkeit gegen t strebt. Zeigen Sie, dass man bei der Partition j tn,j := n t, n ∈ N, j = 0, ..., kn := 2n , 2 sogar fast sichere Konvergenz hat. Hinweis: Aus Aufgabe 37 zur Stochastik II ist ∞ X P (|Xn − X| > ε) < ∞ für alle ε > 0 n=1 f.s. als hinreichende Bedingung für Xn −→ X bekannt. Prof. Dr. R. Grübel Dipl.-Math. F. Dennert SS 2005, Institut für Mathematische Stochastik 9. Übungsblatt Stochastische Prozesse Aufgabe 35: Es sei (Bt )t≥0 eine eindimensionale Brownsche Bewegung mit Start in 0. (a) Zeigen Sie, dass für alle α > 0 der Prozess (Xt )t≥0 mit Xt := exp (αBt − α2 t/2) ein Martingal mit stetigen Pfaden ist. (b) Für alle t ≥ 0 sei Mt := sup0≤s≤t Bs . Zeigen Sie: P (Mt ≥ z) ≤ exp −z 2 /(2t) für alle z, t ≥ 0. (c) Es sei Ta := inf{t > 0 : Bt = a}; aus der Vorlesung ist P (Ta < ∞) = 1 bekannt. Zeigen Sie, dass für alle a 6= 0 lim inf t P (Ta > t) > 0 t→∞ und damit ETa = ∞ gilt. Aufgabe 36: Es sei B = (Bt )t≥0 eine Brownsche Bewegung auf dem Wahrscheinlichkeitsraum (Ω, A, P ); wir nehmen einfachheitshalber an, dass alle Pfade stetig sind. (a) Zeigen Sie, dass B als Abbildung von [0, ∞)×Ω → R, (t, ω) 7→ Bt (ω), (B[0,∞) ⊗A, B)messbar ist. (b) Zeigen Sie, dass die zufällige Menge La := {t ≥ 0 : Bt (ω) = a} mit P -Wahrscheinlichkeit 1 eine Lebesgue-Nullmenge für jedes a ∈ R ist. Aufgabe 37: (Spiegelungsprinzip für die einfache symmetrische Irrfahrt) Es sei (Xn ) die einfache eindimensionale symmetrische Irrfahrt auf Z, Mn := max1≤k≤n Xk . Zeigen Sie, dass für alle i, j ∈ Z mit 0 ≤ j ≤ i gilt P (Mn ≥ i, Xn = j) = P (Xn = 2i − j) . Aufgabe 38: Es sei (Xt )t≥0 ein zu (Ft )t≥0 adaptierter Prozess. Für alle beschränkten Stoppzeiten τ gelte E|Xτ | < ∞ und EXτ = EX0 . Zeigen Sie, dass dann (Xt , Ft )t≥0 ein Martingal ist. Hinweis: Betrachten Sie die Stoppzeiten τ := s · 1A + t · 1AC , A ∈ Fs , s ≤ t. Prof. Dr. R. Grübel Dipl.-Math. F. Dennert SS 2005, Institut für Mathematische Stochastik 10. Übungsblatt Stochastische Prozesse Aufgabe 39: Zeigen Sie, dass jede gleichgradig integrierbare Familie von Zufallsvariablen L1 -beschränkt ist, dass aber nicht jede L1 -beschränkte Familie gleichgradig integrierbar ist. Aufgabe 40: Es sei T = [0, t0 ] und (Xt , Ft )t∈T ein Martingal mit stetigen Pfaden. Zeigen Sie, dass dann für alle p ≥ 1 und alle c > 0 die folgende Ungleichung gilt: p 1 P sup |Xt | ≥ c ≤ p E|Xt0 . c t∈T Aufgabe 41: (a) Es sei M = (Mt )t≥0 ein stetiges lokales Martingal. Für alle n ∈ N sei τn := inf{t ≥ 0 : |Mt | ≥ n}. Zeigen Sie, dass (τn )n∈N eine lokalisierende Folge zu M ist und dass (Xτn ∧t , Ft )t≥0 für jedes n ∈ N ein beschränktes Martingal ist. (b) Es sei (Bt , Ft )t≥0 eine Brownsche Bewegung und X0 eine von (Bt )t≥0 unabhängige und Cauchy-verteilte Zufallsvariable; für alle t ≥ 0 sei Gt die von Ft und X0 erzeugte σ-Algebra. Zeigen Sie, dass (Mt , Gt )t≥0 mit Mt := X0 Bt ein lokales Martingal, aber kein Martingal ist. (c) Wir nennen einen stochastischen Prozess X = (Xt )t≥0 integrierbar, wenn E|Xt | < ∞ gilt für alle t ≥ 0. Zeigen Sie, dass ein stetiges lokales Martingal, das nicht-negativ und integrierbar ist, ein Supermartingal ist. Aufgabe 42: Es sei (Bt )t≥0 eine Brownsche Bewegung und, für a > 0, τa := inf{t ≥ 0 : Bt ≥ a}. In der Vorlesung wurde die Verteilung von τa mit Hilfe des Spiegelungsprinzips ermittelt. Bestimmen Sie mit Martingalmethoden die Laplace-Transformierte φa : [0, ∞) → R, zur Verteilung von τa . θ 7→ E exp(−θτa ), Prof. Dr. R. Grübel Dipl.-Math. F. Dennert SS 2005, Institut für Mathematische Stochastik 11. Übungsblatt Stochastische Prozesse Aufgabe 43: (a) Als inverse Gauss-Verteilung IG(a) mit Parameter a > 0 bezeichnet man das Wahrscheinlichkeitsmaß auf ((0, ∞), B(0,∞) ) mit der Lebesgue-Dichte fa : (0, ∞) → R, x 7→ √ a2 . exp − 2x 2πx3 a Zeigen Sie: Sind X und Y unabhängig, mit X ∼ IG(a) und Y ∼ IG(b), so gilt X + Y ∼ IG(a + b). (b) Es seien X und Y unabhängig und N(0, 1)-verteilt. Zeigen Sie, dass dann für alle a, b ≥ 0 a2 b2 (a + b)2 + = D X2 Y2 Z2 mit einer ebenfalls N(0, 1)-verteilten Zufallsvariablen Z gilt. Aufgabe 44: Für 0 < s < t < ∞ sei ρ(s, t) die Wahrscheinlichkeit dafür, dass eine Brownsche Bewegung (Bt )t≥0 im Intervall (s, t) eine Nullstelle hat. Zeigen Sie: r 2 s ρ(s, t) = arccos . π t Hinweis: Zerlegen Sie nach dem Wert von Bs . Aufgabe 45: (a) Es sei f : [0, ∞) → R eine (rechts)stetige Funktion von lokal beschränkter Totalvariation. Zeigen Sie, dass dann die Funktionen x 7→ V0x f, x 7→ V0x f − f (x) (rechts)stetig und isoton sind. (b) Zeigen Sie, dass eine Funktion f : [0, ∞) → R genau dann von lokal beschränkter Totalvariation ist, wenn es zwei isotone Funktionen g, h : [0, ∞) → R gibt mit f = g − h. Aufgabe 46: Es seien X = (Xt )t≥0 ein progressiv messbarer Prozess und τ eine Stoppzeit; beides bezieht sich auf eine Filtration (Ft )t≥0 . Zeigen Sie, dass dann auch der bei τ gestoppte Prozess X τ = (Xtτ )t≥0 , Xtτ := Xτ ∧t für alle t ≥ 0, progressiv messbar ist. Prof. Dr. R. Grübel Dipl.-Math. F. Dennert SS 2005, Institut für Mathematische Stochastik 12. Übungsblatt Stochastische Prozesse Aufgabe 47: Es seien (Ω, A) ein messbarer Raum, E ein durchschnittsstabiles Erzeugendensystem von A sowie H ein Untervektorraum des Vektorraums B(Ω, A) der beschränkten, A-messbaren Funktionen H : Ω → R mit den Eigenschaften (a) H ≡ 1 ist ein Element von H, (b) 1E ∈ H für alle E ∈ E, (c) ist H ∈ B(Ω, A) punktweiser Limes einer isotonen Folge (Hn )n∈N ⊂ H mit Hn ≥ 0 für alle n ∈ N, so gilt H ∈ H. Zeigen Sie, dass dann H = B(Ω, A) gilt. Hinweis: Zeigen Sie zunächst, dass D := {D ∈ A : 1D ∈ H} ein Dynkin-System ist, und verwenden Sie die aus der Maßtheorie bekannte Approximation nicht-negativer Funktionen durch isotone Folgen von primitiven Funktionen. Aufgabe 48: (a) Es seien (Ft )t≥0 eine Filtration, X eine Zufallsvariable und τ eine Stoppzeit. Zeigen Sie, dass X genau dann bezüglich der σ-Algebra Fτ der τ -Vergangenheit messbar ist, wenn für alle t ≥ 0 die Zufallsvariable X1{τ ≤t} Ft -messbar ist. (b) Es sei H ein vorhersehbarer Prozess, τ eine Stoppzeit. Zeigen Sie, dass dann auch H1(0,τ ] vorhersehbar ist. Aufgabe 49: Im folgenden seien X, Y ∈ M20 , τ sei eine Stoppzeit. (a) Zeigen Sie, dass im Falle kX − Y kM = 0 die Prozesse X und Y ununterscheidbar sind. (b) Es gelte hX, Zi = hY, Zi für alle Z ∈ M20 . Zeigen Sie, dass dann X und Y ununterscheidbar sind. (c) Zeigen Sie, dass hX τ , Y i = hX, Y τ i = hX, Y iτ gilt, also insbesondere hXiτ = hX τ i. Aufgabe 50: (Partielle Integration) Es seien (At )t≥0 und (Bt )t≥0 FV-Prozesse mit stetigen Pfaden. Zeigen Sie, dass dann gilt: Z t Z t At Bt = A0 B0 + As dBs + Bs dAs für alle t ≥ 0. 0 0 Prof. Dr. R. Grübel Dipl.-Math. F. Dennert SS 2005, Institut für Mathematische Stochastik 13. Übungsblatt Stochastische Prozesse Aufgabe 51: Es sei (Bt , Ft )t≥0 eine eindimensionale Brownsche Bewegung, und es sei t > 0. Für alle n ∈ N, i = 0, 1, . . . , n sei tni := it/n; Yn (n ∈ N) werde definiert durch Ynα := n X (αB(tn,i−1 ) + (1 − α)B(tn,i )) · B(tn,i ) − B(tn,i−1 ) . i=1 Zeigen Sie, dass ein β(α) ∈ R existiert, so dass Ynα , α ∈ [0, 1], im quadratischen Mittel (also im L2 -Sinn) gegen 21 Bt2 − β(α)t konvergiert. Hinweis: Man betrachte zunächst Yn0 und Yn1 . Aufgabe 52: Es seien F, G, H : R+ → R stetig und von lokal beschränkter Totalvariation; es gelte F (0) = G(0) = H(0) = 0. Zeigen Sie, dass dann für alle t ≥ 0 gilt: Z · Z t Z t G(u) H(du) (ds) = F (s)G(s) H(ds). F (s) 0 0 0 Aufgabe 53: Das n-te Hermite-Polynom hn : R → R wird definiert durch dn hn (x) := (−1) exp(x /2) n exp(−x2 /2) dx n 2 für alle x ∈ R; hn genügt der Differentialgleichung h00n (x) − xh0n (x) + nhn (x) = 0. Es sei B = (Bt )t≥0 eine Brownsche Bewegung. (a) Zeigen Sie, dass tn/2 hn (t−1/2 Bt ) t≥0 ein Martingal ist. (b) Bekanntlich lassen sich (Bt )t≥0 und (Bt2 )t≥0 durch einfache Funktionen f in dem Sinne ‘kompensieren’, dass Subtraktion von f ein Martingal liefert. Zeigen Sie, dass es keine Funktion f : R+ → R gibt derart, dass Bt3 − f (t) t≥0 ein Martingal ist. (c) Finden Sie mit Hilfe von Teil (a) eine möglichst ‘einfache’ Funktion f von t und Bt 3 mit der Eigenschaft, dass Bt − f (t, Bt ) t≥0 ein nicht-triviales Martingal ist. Aufgabe 54: (Fundamentalsatz der Algebra) Es seien (B 1 ) und (B 2 ) unabhängige Brownsche Bewegungen. Weiter sei p ein Polynom vom Grade größer als 0. (a) Man zeige: ist h : R2 → R eine harmonische Funktion, d.h. h(B 1 , B 2 ) ein lokales Martingal. ∂2 h ∂2x + ∂2 h ∂2y = 0, so ist (b) Man zeige: Gilt p 6= 0 auf C, so existiert eine Zufallsvariable Z mit 1 =Z lim Re (1) (2) t→∞ p Bt + iBt P -f.s. (c) Ohne Beweis kann angenommen werden, dass es für ein beliebiges r > 0 eine Folge Stoppzeiten (τnr ) gibt mit folgenden Eigenschaften: lim τnr = ∞, n→∞ τnr < ∞, (1) Bτnr 2 2 (2) + Bτnr ≤ r2 ∀n P -f.s. Man konstruiere im Falle p(z) 6= 0 für alle z ∈ C hieraus einen Widerspruch zu (b) und folgere so den Fundamentalsatz der Algebra.