Procesy stochastyczne
10. Proces Wienera — zadania do samodzielnego rozwiązania
Zad. 10.1 (J. S., Zad. 2 str. 310) Podaj przykład procesu stochastycznego o funkcji kowariancji
K(s, t) = min(s, t), niebędącego stochastyczną modyfikacją procesu Wienera.
Zad. 10.2 (J. S., Zad. 3 str. 310) (Most Browna) Wyznacz funkcję kowariancji mostu Browna,
czyli procesu U
t
= W
t
− tW
1
, t ∈ [0, 1], gdzie W jest procesem Wienera.
Zad. 10.3 (P. P., Zad. 8 str. 373) Niech W będzie procesem Wienera. Wyznacz wartość średnią
oraz kowariancję procesu
X
t
=
Z
t
0
W
θ
dθ.
Zad. 10.4 (J. S., Zad. 5 str. 310) Wykaż, że jeśli W jest procesem Wienera, to procesami Wienera
są również
1. Z
t
= −W
t
,
2. V
t
= W
T +t
− W
T
, t > 0.
Zad. 10.5 (P., Ex. 2.5-2.7 p. 77) Niech W będzie procesem Wienera z parametrem σ
2
. Wyznacz
wartość średnią i kowariancję procesów
1. X(t) = W (t + L) − W (t), L — stała dodatnia,
2. X(t) = At + W (t), A — stała dodatnia,
3. X(t) = At + W (t), gdzie A nie zależy od W i ma rozkład N (m, σ
2
1
).
Zad. 10.6 (P., Th. 27 p. 445) Wykaż, że jeśli W jest procesem Wienera, to
Z(t) = exp(aW (t) − a
2
t/2),
a ∈ R,
jest martyngałem względem σ-algebry F
t
= σ(W
s
; s ¬ t). Następnie, obliczając kolejno
pochodne Z(t) po a i podstawiając a = 0, wykaż, że martyngałami są W (t), W (t)
2
− t,
W (t)
3
− 3tW (t), W (t)
4
− 6tW (t)
2
+ 3t
2
.