страница 1
|
|||||||||||||||||||||||||||||||||||||||||||
Похожие работы
|
Контрольная работа 1 Пусть где случайная величина, c =const. Найти конечномерные - страница №1/1
Механико-математический факультет МГУ имени М.В.Ломоносова, кафедра теории вероятностей Контрольные и зачетные задачи по теории случайных процессов Составитель – профессор А.В.Булинский, 2009 КОНТРОЛЬНЫЕ КОНТРОЛЬНАЯ РАБОТА 1
КОНТРОЛЬНАЯ РАБОТА 2
ЗАЧЕТНЫЕ ЗАДАЧИ ПРИМЕРЫ ПРОЦЕССОВ, КОНЕЧНОМЕРНЫЕ РАСПРЕДЕЛЕНИЯ, РАСПРЕДЕЛЕНИЯ В ПРОСТРАНСТВЕ ТРАЕКТОРИЙ
Будет ли меньше вероятность вырождения процесса Гальтона-Ватсона?
ПРОЦЕССЫ С НЕЗАВИСИМЫМИ ПРИРАЩЕНИЯМИ, ГАУССОВСКИЕ ПРОЦЕССЫ
винеровский процесс.
СЛАБАЯ СХОДИМОСТЬ ВЕРОЯТНОСТНЫХ МЕР 15. Пусть меры Дирака на метрическом пространстве , снабженном борелевской -алгеброй. Доказать, что эти меры имеют слабый предел в том и только в том случае, когда найдется точка такая, что при . 16. Построить пример случайных процессов Xn={Xn(t),t[0,1]} с траекториями из пространства C[0,1] таких, что существуют слабые пределы у всех конечномерных распределений этих процессов, но Xn не сходятся по распределению в C[0,1]. МАРКОВСКИЕ МОМЕНТЫ, МАРТИНГАЛЫ 17. Пусть 1, 2… – марковские моменты. Доказать, что mink=1,…,nk, maxk=1,…,nk, minkNk, maxkNk – марковские моменты. 18. Пусть X1,X2,… – последовательность случайных векторов со значениями в Rm, B – борелевское множество в Rm. Показать, что =inf{n: XnB} является марковским моментом относительно естественной фильтрации этой последовательности. Найти распределение величины X, когда (Xn)n1 состоит из независимых одинаково распределенных векторов. 19. Пусть W – винеровский процесс, a:= inf{t0: W(t)=a}, где a – константа. Доказать, что a – момент остановки (т.е. конечный п.н. марковский момент) относительно естественной фильтрации W. 20. Пусть и – марковские моменты относительно фильтрации (Fn)n0. Определим F = {AF: A{n}Fn}, n0. Аналогично вводится F. Доказать, что F является -алгеброй, причем F F, если . 21. Найти все a,bR такие, что процесс X={X(t):=exp(aW(t) + bt),t0} является мартингалом относительно естественной фильтрации винеровского процесса W. 22. Пусть X=(Xn)n0 – мартингал. Привести примеры марковских моментов и таких, что EX=EX0, EXEX0. 24. Пусть величины X1,…,XN образуют цепь Маркова. Показать, что (Yk)1kN – цепь Маркова, где Yk = XN-k, k=1,…,N. 25. Пусть Y={Y(n)=X(n), n= 0,1,…} – марковский процесс. Будет ли марковским процесс X={X(t) = Y([t]), t0}, где [] – целая часть числа? 26. Пусть дана марковская цепь Xn, n0, имеющая переходную матрицу вероятностей за один шаг где 027. Пусть h: RR – взаимно однозначное отображение. Показать, что Y={Y(t)=h(X(t)), t0} является марковским процессом, если X={X(t), t0} – марковский процесс. Построить пример, показывающий, что без предположения о взаимной однозначности отображения h утверждение не обязано выполняться. 28. Пусть X={X(t), t0} – процесс чистого размножения, т.е. pi,i+1(t)=it + o(t) и pi,i(t)=1–it +o(t) при t0+. Доказать, что для каждого t в том и только том случае, когда . 30. Пусть X=(Xn)nZ – последовательность, состоящая из независимых случайных величин со средним 0 и дисперсией 2. Найти спектральное представление этой последовательности. 31. Найти спектральную плотность процесса Xn = (1/4)Xn-1 +(1/2)Xn-3+n, nZ, где величины n, nZ, независимы и одинаково распределены с математическим ожиданием 0 и дисперсией 1. 32. Пусть X=(Xn)nZ – стационарный в широком смысле процесс со средним a и ковариационной функцией R=R(n), nZ. Доказать, что в среднем квадратическом при n тогда и только тогда, когда , n. 33. Пусть X={X(t) = e–t W(e2t), tR}, где W – винеровский процесс, константа >0. Доказать, что X – стационарный гауссовский процесс и найти его спектральную плотность. 35. Вычислить интеграл Ито , где W – винеровский процесс. 36. Решить стохастическое дифференциальное уравнение dXt=aX(t)dt +bX(t)dWt, где W={Wt, t0} – винеровский процесс, a,b – константы, а X(0)=X0. |
|