IV Appello di Processi Stocastici 2012/13 Cognome:
Laurea Magistrale in Matematica Nome:
9 dicembre 2013 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. Sia (Ω, A, P) uno spazio di probabilit`a e siano X e Y due variabili aleatorie reali in L1(Ω, A, P), tali che
E(X|σ(Y )) = Y , E(Y |σ(X)) = X . (a) Per ogni c ∈ R fissato, si mostri che
E((X − Y )1{X>c}) = 0 , E((X − Y )1{Y >c}) = 0 , (b) Dopo aver spiegato l’uguaglianza
1{X>c}− 1{Y >c} = 1{X>c,Y ≤c}− 1{X≤c,Y >c}, si deduca che
E((X − Y )1{X≤c,Y >c}) = E((X − Y )1{X>c,Y ≤c}) . (c) (*) Si deduca che necessariamente
E((X − Y )1{X≤c,Y >c}) = 0 , E((X − Y )1{X>c,Y ≤c}) = 0 , e quindi che
∀c ∈ R : P(X ≤ c, Y > c) = 0 , P(X > c, Y ≤ c) = 0 . [Sugg. Si rifletta sui segni delle variabili aleatorie in gioco ]
(d) Si spieghi l’uguaglianza di eventi {X 6= Y } = [
c∈Q
{X ≤ c, Y > c} ∪ {X > c, Y ≤ c}
e si deduca che X e Y sono . . .
Soluzione 1. (a) Basta applicare la definizione di speranza condizionale: dato che {X > c} ∈ σ(X), si ha
E(Y 1{X>c}) = E(E(Y |σ(X)) 1{X>c}) = E(X1{X>c}) ,
che `e equivalente alla prima uguaglianza, per linearit`a del valor medio. La seconda uguaglianza
`e del tutto analoga.
(b) Basta verificare che i due membri coincidono per ogni ω ∈ Ω:
• se X(ω) > c e Y (ω) > c il membro sinistro vale 1 − 1 = 0 mentre il membro destro vale 0 − 0 = 0;
• se X(ω) > c e Y (ω) ≤ c il membro sinistro vale 1 − 0 = 1 mentre il membro destro vale 1 − 0 = 1;
• se X(ω) ≤ c e Y (ω) > c il membro sinistro vale 0 − 1 = −1 mentre il membro destro vale 0 − 1 = −1;
• infine, se X(ω) ≤ c e Y (ω) ≤ c il membro sinistro vale 0 − 0 = 0 mentre il membro destro vale 0 − 0 = 0;
2
Sfruttando il punto precedente, si ottiene dunque
0 = E((X − Y )1{X>c}) − E((X − Y )1{Y >c}) = E((X − Y )(1{X>c}− 1{Y >c}))
= E((X − Y )(1{X>c,Y ≤c}− 1{X≤c,Y >c}))
= E((X − Y )1{X>c,Y ≤c}) − E((X − Y )1{X≤c,Y >c}) , che `e quando dovevasi dimostrare.
(c) Sull’evento {X > c, Y ≤ c} si ha X − Y > 0, quindi (X − Y )1{X>c,Y ≤c} ≥ 0 e dunque E((X − Y )1{X>c,Y ≤c}) ≥ 0; analogamente, sull’evento {X ≤ c, Y > c} si ha X − Y < 0, quindi (X − Y )1{X≤c,Y >c} ≤ 0 e dunque E((X − Y )1{X≤c,Y >c}) ≤ 0. Ma per il punto precedente i due termini sono uguali, pertanto
E((X − Y )1{X>c,Y ≤c}) = E((X − Y )1{X≤c,Y >c}) = 0 . Infine, ricordando che se Z ≥ 0 `e tale che E(Z) = 0 allora Z = 0 q.c., si ha
(X − Y )1{X>c,Y ≤c}= 0 q.c. .
Abbiamo gi`a osservato che sull’evento {X > c, Y ≤ c} si ha X − Y > 0, quindi necessaria- mente P(X > c, Y ≤ c) = 0. Analogamente P(X ≤ c, Y > c) = 0.
(d) Chiaramente {X > c, Y ≤ c} ⊆ {X 6= Y } e {X ≤ c, Y > c} ⊆ {X 6= Y } per ogni c ∈ R;
questo mostra l’inclusione ⊇ nell’uguaglianza cercata. Per il viceversa, se ω ∈ {X 6= Y } si ha X(ω) 6= Y (ω). Supponiamo che X(ω) < Y (ω): prendendo un razionale c qualunque nell’intervallo (X(ω), Y (ω)) si ha X(ω) < c e Y (ω) > c, dunque ω ∈ {X ≤ c, Y > c};
analogamente, se X(ω) > Y (ω), esiste c ∈ Q tale che X(ω) > c e Y (ω) < c, quindi ω ∈ {X > c, Y ≤ c}. Questo mostra l’inclusione ⊆ e completa la dimostrazione dell’uguaglianza.
Avendo mostrato nei punti precedenti che P(X ≤ c, Y > c) = 0 e P(X > c, Y ≤ c) = 0, segue che P(X 6= Y ) = 0, ossia P(X = Y ) = 1, cio`e le variabili aleatorie X e Y sono q.c.
uguali.
3
Esercizio 2. Sia (Ω, A, (Ft)t≥0, P) uno spazio di probabilit`a filtrato e sia B = (Bt)t≥0un (Ft)t≥0- moto browniano reale.
(a) Per 0 < s < t istanti fissati, si mostri che le variabili aleatorie X := Bs− stBt e Y := Bt
sono congiuntamente normali. Esse sono indipendenti?
(b) Si mostri che E(Bs|Bt) = stBt e (facoltativo) si determini E(Bs2|Bt).
Sia ora (an)n∈N0 una successione a valori in [0, ∞), con a0 := 0, e definiamo Mn:= Ban.
(c) Supponiamo che (an)n∈N0 sia crescente: an+1 ≥ anper ogni n ∈ N0. Si mostri che il processo M = (Mn)n∈N0 `e una martingala, rispetto a un’opportuna filtrazione (da specificare).
(d) Supponiamo ora che (an)n∈N0 non sia crescente: esiste dunque n0 tale che an0+1 < an0. Si mostri che il processo M = (Mn)n∈N0 non `e una martingala.
[Sugg.: si determini E(Mn0+1|Mn0).]
(e) Sotto quali condizioni sulla successione (an)n∈N0 il processo M `e limitato in L2?
(f) (*) Si diano due esempi di successioni (an)n∈N0 (non necessariamente crescenti) tale che il limite limn→∞Mn nel primo caso q.c. esista, nel secondo caso q.c. non esista.
Soluzione 2. (a) Ogni combinazione lineare di X e Y `e una combinazione lineare delle com- ponenti di B, dunque `e una variabile aleatoria normale perch´e B `e un processo gaussiano.
Questo mostra che X e Y sono congiuntamente normali, quindi sono indipendenti se e solo se sono scorrelate. Dato che Cov(X, Y ) = s −stt = 0, X e Y sono indipendenti.
(b) Basta scrivere
E(Bs|Bt) = E(Bs−stBt+stBt|Bt) = E(Bs−stBt) +tsBt= stBt,
per le propriet`a della speranza condizionale e per il punto precedente. Analogamente E(Bs2|Bt) = E((Bs−stBt+stBt)2|Bt) = E((Bs−stBt)2+ 2(Bs−stBt)stBt+ (stBt)2|Bt)
= E((Bs−stBt)2) + 2E(Bs− stBt)stBt+ (stBt)2
= s + s2 t − 2s
ts + 0 + (stBt)2 = s(t − s) t +s2
t2Bt2.
(c) Definendo Gn := Fan, (Gn)n∈N0 `e una filtrazione e M `e una martingala rispetto a tale filtrazione, perch´e `e adattata, si ha Mn = Ban ∈ L1 e E(Mn+1|Gn) = E(Ban+1|Fan) = Ban = Mn per ogni n ∈ N0, avendo usato il fatto che E(Bt|Bs) = Bs per s ≤ t.
(d) Per i punti precedenti E(Bs|Bt) = stBt 6= Bt se s < t, da cui segue che E(Mn0+1|Mn) = E(Ban0+1|Ban0) 6= Ban essendo an0+1 < an0.
(e) Si ha E(Mn2) = E(Ba2n) = an, quindi M `e limitato in L2 se e solo se la successione (an)n∈N0
`e limitata.
(f) Se esiste finito a := limn→∞an, allora per continuit`a delle traiettorie del moto browniano q.c. esiste finito limn→∞Mn = limn→∞Ban = limt→aBt. Quindi per il primo caso si pu`o scegliere qualunque successione limitata.
(g) Per il secondo caso, si pu`o scegliere ad esempio la successione a2n := 0 e a2n+1 := 1, per ogni n ∈ N0. In questo caso si ha M2n = B0 = 0 q.c. mentre M2n+1 = B1, per ogni n ∈ N.
Dato che B16= 0 q.c., limn→∞M2n+1 6= limn→∞M2n, q.c., quindi M non ha limite, q.c..