I Appello di Processi Stocastici 2013/14 Cognome:
Laurea Magistrale in Matematica Nome:
18 giugno 2014 Email:
Quando non `e espressamente indicato il contrario, per la soluzione degli esercizi `e possibile usare tutti i risultati visti a lezione (compresi quelli di cui non `e stata fornita la dimostrazione).
Esercizio 1. In un’urna ci sono inizialmente una pallina nera e una bianca. A ogni istante pesco una pallina dall’urna, dopodich´e reinserisco nell’urna la pallina appena estratta insieme a un’altra dello stesso colore. Indichiamo con Xnil numero di palline nere presenti nell’urna dopo l’n-esima estrazione (quindi X0 = 1, mentre X1 vale 2 se la prima pallina estratta `e nera, mentre vale 1 se la pallina estratta `e bianca) e poniamo Fn := σ(X0, . . . , Xn). Si osservi che, dopo l’n-esima estrazione e reimmissione, nell’urna ci sono in totale n + 2 palline.
(a) Si mostri che, per ogni k ∈ N, P(Xn+1= k|Fn) = Xn
n + 21{k=Xn+1}+
1 − Xn n + 2
1{k=Xn}. (4)
(b) Si mostri che il processo
Zn:= Xn
n + 2
`e una martingala.
(c) Si mostri che il limite Z∞ := limn→∞Zn esiste finito q.c.. Per quali valori di p ∈ [1, ∞) la convergenza ha luogo in Lp? Quanto vale E[Z∞]?
(d) Si mostri che
P(Xn+1= k) = k − 1
n + 2P(Xn= k − 1) +
1 − k n + 2
P(Xn= k) .
(e) Si mostri che P(Xn = k) = n+11 1{k∈{1,2,...,n+1}} per ogni n ∈ N0, k ∈ N, ossia Xn ha distribuzione uniforme nell’insieme {1, 2, . . . , n + 1}.
[Sugg. Si pu`o usare l’induzione su n ∈ N0.]
(f) (*) Si determini la distribuzione di Z∞.
Soluzione 1. (a) Fn `e generata dagli eventi A := {X1 = k1, . . . , Xn = kn}, quindi basta verificare che i membri destro e sinistro di (4) integrati su A coincidono. Si ha
E[P(Xn+1= k|Fn)1A] = E[E[1{Xn+1=k}|Fn]1A] = E[E[1{Xn+1=k}1A|Fn]] = E[1{Xn+1=k}1A]
= P({Xn+1 = k} ∩ A) = P(A) P(Xn+1= k|A)
= P(A) P(Xn+1= k|X1= k1, . . . , Xn= kn)
= P(A)
kn
n + 21{k=kn+1}+ n + 2 − kn
n + 2 1{k=kn}
,
dove nell’ultima uguaglianza abbiamo usato il fatto che, condizionalmente all’evento {X1 = k1, . . . , Xn= kn}, la pallina n+1-esima `e scelta uniformemente tra le n+2 presenti nell’urna, di cui kn sono nere. D’altro canto, integrando il membro destro di (4) sullo stesso evento
2
A = {X1= k1, . . . , Xn= kn} si ottiene la stessa espressione:
E
Xn
n + 21{k=Xn+1}+
1 − Xn
n + 2
1{k=Xn}
1{X1=k1,...,Xn=kn}
=
kn
n + 21{k=kn+1}+n + 2 − kn
n + 2 1{k=kn}
E1{X1=k1,...,Xn=kn}
=
kn
n + 21{k=kn+1}+n + 2 − kn
n + 2 1{k=kn}
E1{X1=k1,...,Xn=kn} . (b) Il fatto che Zn sia un processo adattato e in L1 `e immediato; inoltre si ha
E[Xn+1|Fn] =X
k∈N
k P(Xn+1= k|Fn) = Xn
1 − Xn
n + 2
+ (Xn+ 1) Xn
n + 2 = n + 3 n + 2Xn, da cui segue che E[Zn+1|Fn] = Zn.
(c) Essendo una martingala positiva, Z∞esiste ed `e q.c. finita. Inoltre, essendo 1 ≤ Xn≤ n + 1, si ha 0 ≤ Zn≤ 1, quindi per convergenza dominata la convergenza ha luogo in Lp per ogni p ∈ [1, ∞). In particolare E[Z∞] = limn→∞E[Zn] = E[Z0] = 12.
(d) Basta prendere il valore atteso di (4).
(e) Induzione su n ∈ N0.
(f) Calcolando la funzione di ripartizione `e facile mostrare che Zn converge in distribuzione verso una variabile aleatoria U (0, 1), quindi Z∞ ha distribuzione U (0, 1).
3
Esercizio 2. Siano A, B variabili aleatorie indipendenti, entrambe con distribuzione N (0, σ2).
(a) Si mostri che le variabili aleatorie C := A + B e D := A − B sono indipendenti. Qual `e la loro distribuzione?
(b) Si mostri che EA2+ B2
C = 12C2+ σ2.
[Sugg. Pu`o essere utile esprimere A e B in funzione di C e D.]
Sia ora (Bt)t≥0 un moto browniano. Definiamo per n ∈ N0
Sn:=
2n
X
i=1
Xi(n)2
, dove Xi(n):= B i
2n
− Bi−1 2n .
(c) Il processo a due parametri (Xi(n))i∈N,n∈N0 `e gaussiano? Per n ∈ N0 fissato, le variabili aleatorie (Xi(n))i∈N sono indipendenti?
(d) Fissiamo ora i = 1. Si mostri che le variabili aleatorie (X1(n))n∈N0 non sono indipendenti.
Introduciamo ora la filtrazione Fn:= σ(Xi(n): i ∈ N).
(e) Si mostri che, per ogni n ∈ N0 e j ∈ N fissati, la variabile aleatoria X2j−1(n) 2
+ X2j(n)2
` e indipendente dalle variabili Xj(n−1)0 con j0 6= j, e si deduca che
E
X2j−1(n) 2
+ X2j(n)2
Fn−1 = E X2j−1(n) 2
+ X2j(n)2
Xj(n−1) .
[Sugg. Si noti che Xj(n−1)= X2j−1(n) + X2j(n)oppure si osservino con cura le filtrazioni rispetto a cui le variabili aleatorie in questione risultano misurabili]
(f) Si calcoli
E
X2j−1(n) 2
+ X2j(n)2 Fn−1 e, raggruppando a due a due i termini di Sn si provi che
ESn
Fn−1 = 1
2Sn−1+1 2, (g) si determinino a e b numeri reali positivi tali che
Mn:= an(Sn− b) sia una martingala.
Soluzione 2. (a) C e D sono congiuntamente gaussiane, perch´e ogni loro combinazione lineare pu`o essere scritta come combinazione lineare di A e B, che sono gaussiane indipendenti.
Per bilinearit`a Cov(C, D) = Var(A) − Var(B) = 0, quindi C e D sono indipendenti. Si ha E(C) = 0 e Var(C) = Cov(C, C) = Var(A) + Var(B) = 2σ2, quindi C ∼ N (0, 2σ2), e lo stesso per D.
(b) Si ha A2+ B2= 12[(A + B)2+ (A − B)2] = 12[C2+ D2] da cui, usando l’indipendenza di C e D, E[A2+ B2|C] = 12(C2+ E[D2]) = 12C2+ σ2.
(c) Il processo (Xi(n))i∈N,n∈N0 `e gaussiano perch´e ogni combinazione lineare di sue componenti
`e normale (in quanto combinazione lineare di componenti del moto browniano, che `e un processo gaussiano). Per n ∈ N fissato, le variabili aleatorie (Xi(n))i∈N sono scorrelate (in- crementi del moto browniano su intervalli disgiunti) e dunque indipendenti, essendo un processo gaussiano.
(d) Basta notare che Cov(X1(n), X1(m)) = Cov(B 1 2n, B 1
2m) = min{21n,21m} 6= 0.
4
(e) Abbiamo gi`a osservato che, per n ∈ N fissato, le variabili aleatorie (Xi(n))i∈N sono indipen- denti; in particolare, per j ∈ N fissato, le famiglie di variabili aleatorie Y := (X2j−1(n) , X2j(n)) e Z := (Xi(n))i∈N\{2j−1,2j}corrispondenti a indici disgiunti sono indipendenti. Di conseguenza, ogni funzione (misurabile) di Y `e indipendente da ogni funzione (misurabile) di Z. Notando che X2j−1(n) 2
+ X2j(n)2
`
e funzione di Y , mentre Xj(n−1)0 = X2j(n)0−1+ X2j(n)0 `e funzione di Z per j0 6= j, segue che X2j−1(n) 2
+ X2j(n)2
`e indipendente da Xj(n−1)0 per j06= j.
Possiamo scrivere Fn−1 = σ(G, H) con G := σ(Xj(n−1)) e H := σ(Xj(n−1)0 : j0 6= j).
Ponendo W := X2j−1(n) 2
+ X2j(n)2
, notiamo che H `e indipendente da σ(G, W ), quindi per una propriet`a della speranza condizionale E[W |σ(G, H)] = E[W |G], che `e proprio la relazione cercata.
(f) Applicando il punto (b), si ha che E[Sn|Fn−1] =
2n−1
X
j=1
E(X2j(n))2+ (X2j−1(n) )2
Fn−1 =
2n−1
X
j=1
E(X2j(n))2+ (X2j−1(n) )2
Xj(n−1)
=
2n−1
X
j=1
1
2(Xj(n−1))2+ 1 2n
= 1
2Sn−1+1 2 quindi Zn:= 2n(Sn− 1) `e una martingala.
(g) Per il punto precedente, E[Mn|Fn−1] = an(12Sn−1+12) − b. Uguagliando questa espressione a Mn−1 = an−1(Sn−1− b) si trova che l’unica soluzione `e data da a = 2, b = 1.