Lista 1. Procesy o przyrostach niezależnych. Lista 2. Łańcuchy
Transkrypt
Lista 1. Procesy o przyrostach niezależnych. Lista 2. Łańcuchy
Lista 1. Procesy o przyrostach niezależnych. 1. Niech Nt bedzie procesem Poissona o intensywnoci λ = 2. Obliczyć a) P (N2 < 3, b) P (N1 = 1, N3 = 6), c) P (N2 = 0|N5 = 2), d) P (N1 = 1, N2 = 3, N4 < 5), e) P (N2 = 4, N4 > 5|N1 > 2). 2. Niech Nt będzie procesem Poissona o intensywności λ. a) Dla 0 < t < t + h < s obliczyć P (Nt+h − Nt = k|Ns = n). b) Obliczyć funkcję kowariancji tego procesu, tzn K(s, t) = E(Ns Nt ) − ENs · ENt . 3. Trzęsienia ziemi w pewnym regionie zdarzają się zgodnie z rozkładem Poisona o intensywności 4 w ciągu roku. a) Jakie jest prawdopodobieństwo, żę w pierwszej połowie 2012 roku będą przynajmniej 3 trzęsienia w tym regionie? b) Jeżeli zdarzy się sytuacja z a) to jakie jest prawdopodobieństwo, że w pierwszych 9 miesiącach tego roku bedą przynajmniej 4 trzęsienia? 4. Niech T1 , T2 , ..., Tn oznaczają momenty pojawienia się pierwszego, drugiego,..., n-tego sygnału w procesie Poissona Nt o intensywności λ. a) Uzasadnić, że zdarzenia {Tn ≤ t} i {Nt ≥ n} są identyczne. b) Wykazać, że P (T2 ≤ t) = 1 − e−λt − λte−λt . c) Znaleźć gęstość zmiennej Tn . 5. Niech Wt bedzie procesem Wienera. Obliczyć a) P (W1 < W4 + 2), b) P (W5 > 4W3 − 1), c) P (W6 > W4 |W2 < 0), d) P (W1 < 5, W3 < W1 , W3 > W4 + 2), e) P (0 < W2 < 2W1 ), f) P (W4 > 2W3 |W3 > 0). Wynik podać w postaci liczbowej lub z użyciem funkcji Φ. 6. Cząsteczka drga chaotycznie wzdłuż prostej zgodnie z ruchem Browna, gdzie czas liczony jest w sekundach. Jakie jest prawdopodobieństwo, że w wybranej chwili odległość cząstki od jej położenia sprzed 3 sekund będzie większa niż 2? 7. Symetryczny proces Cauchy’ego na prostej to proces Xt o przyrostach niezależnych, jednorodnych, startujący z 0 i taki, że zmienna Xt ma symetryczny rozkład Cauchy’ego z parametrem t, tzn. ma gęstość ft (x) = π(x2t+t2 ) , x ∈ R. a) Obliczyć P (0 < X1 < 1). b) Obliczyć P (X4 ≥ X3 , X32 < 3). c) Wykazać, że nie istnieje wartość oczekiwana ani funkcja kowariancji tego procesu. Lista 2. Łańcuchy Markowa z czasem dyskretnym. 1. Możliwe stany łańcucha X to 1,2,3, a jego macierz przejścia to 0, 1 0 0, 9 P = 0, 7 0, 3 0 . 0 0, 4 0, 6 Obliczyć 1 a) P (X2 = 1), o ile P (X0 = 2) = 1, b) P (X3 = 1), o ile P (X0 = 1) = 1, c) P (X2 = 2), jeżeli start z dowolnego stanu jest jednakowo prawdopodobny. 2. Poklasyfikować stany łańcucha (istotne-nieistotne, pochłaniające, powracające-chwilowe), znaleźć wszystkie zamknięte zbiory stanów i zbadać, czy łańcuchy są nieprzywiedlne, jeżeli dane są macierze przejścia tych łańcuchów: 0, 2 0 0, 8 0, 7 0, 3 0 , a) 0 0, 4 0, 6 0 0 1 1 0 0 b) 0, 5 0, 5 0 0, 3 0, 3 0, 4 0 0 , 0 0 c) 0, 3 0, 7 0 0 0 0, 7 0, 3 0 0 0 0 0 0, 2 0 0, 8 0 0 0, 2 0, 2 0, 6 0 0 0, 5 0 0, 5 . 3. W pierwszej urnie są 3 białe kule, a w drugiej urnie - 3 czarne. W każdym kroku losujemy po jednej kuli z każdej urny i zamieniamy je miejscami. Niech stan procesu oznacza liczbę białych kul w pierwszej urnie. Opisać macierz przejścia tego łańcucha. Rozwiązać analogiczne zadanie, gdy każda urna zawiera N kul. 4. Załóżmy, że możliwymi stanami łańcucha (Yn ) sa̧ tylko 0 i 1, a macierz przejścia wygla̧da nastȩpuja̧co: 1−α α P = , α + β > 0. β 1−β Niech P (Y0 = 0) = p. Wykazać, że β β n + (1 − α − β) p − . P (Yn = 0) = α+β α+β Jak można „fizycznie” opisać proces o takiej macierzy przejścia? 5. W cia̧gu prób Bernoulliego mówimy, że w chwili n ≥ 2 układ jest w stanie E1 , gdy doświadczenia o numerach n − 1 oraz n dały cia̧g SS (sukces, sukces). Podobnie stany E2 , E3 oraz E4 określone sa̧ przez SP, P S, P P . Wyznaczyć macierz przejścia P oraz P 2 tego łańcucha. 6. Cząsteczka z położenia i ∈ Z skacze do i + 1 z prawdopodobieństwem p lub do i − 1 z prawdopodobieństwem 1 − p. Obliczyć p00 (3), p00 (4) oraz p00 (n). 7. Załóżmy, żę łączny kapitał graczy A i B wynosi k zł. W pojedynczej grze gracz A wygrywa złotówkę od gracza B z prawdopodobieństwem p, a przegrywa z prawdopodobieństwem 1−p. Za każdym razem gdy dany gracz przegrywa ostatnią złotówkę przeciwnik oddaje mu ją z prawdopodobieństwem α. Znaleźć macierz przejścia dla łańcucha, który opisuje kapitał gracza A. Załóżmy, że na początek 1 , 0 ≤ i ≤ k. Jakie jest prawdopodobieństwo ruiny gracz A dostaje i zł z prawdopodobieństwem k+1 gracza A w dwóch grach? 8. Pokazać z definicji, że wszystkie stany łańcucha z zadania 5 są powracające. 9. Cząstka porusza się między stanami 0,1,2,3,4 w taki sposób, że: -ze stanu 1 może przejść do stanów 0,2,4 z prawdopodobieństwem 13 , -ze stanu 2 może przejść do stanów 0,1,3 z prawdopodobieństwem 31 , -ze stanu 3 może przejść do stanów 0,2,4 z prawdopodobieństwem 31 , -ze stanu 4 może przejść do stanów 0,1,3 z prawdopodobieństwem 31 , -po dotarciu do stanu 0 pozostaje w nim na zawsze. a) Napisać macierz przejścia. b) Pokazać z definicji, że stany 1-4 są chwilowe. c) Dla n ≥ 1 obliczyć f10 (n) = P (X1 6= 0, X2 6= 0, ..., Xn−1 6= 0, Xn = 0|X0 = 1). d) Pokazać, że z prawdopodobieństwem 1 stan 0 pochłonie cząstkę. 2 10. Łańcuch ma nieskończoną przestrzeń stanów S = {s1 , s2 , ...}. Pierwszy wiersz macierzy przejścia P ma postać [a1 a2 ...], a w pozostałych wierszach pi,i−1 = 1, i ≥ 2. Udowodnić, że stan s1 jest powracający. Znaleźć wszystkie ciągi an dla których a) wybrany stan sk jest powracający, b) wszystkie stany są powracajace. 11. Pierwsza kolumna macierzy przejścia P łańcucha o przestrzeni stanów S = {0, 1, 2, ...} ma postać [q0 q1 ...], natomiast pi,i+1 = 1 − qi dla i = 0, 1, 2, .... Badając stan 0 wykazać, że i+1 to wszystkie stany są chwilowe, a) jeśli qi = 21 1 b) jeśli qi = 2 to wszystkie stany są powracające. 12. Znaleźć wszystkie rozkłady stacjonarne łańcucha o macierzy przejścia 1 1 1 1 2 1 1 0 0 0 0 0 2 2 3 3 3 3 3 1 1 0 1 1 3 0 0 0 1 1 0 3 3 2 2 3 b) 1 c) 4 4 1 4 . a) 1 , 1 1 , 1 3 0 3 3 0 0 5 5 0 0 2 2 1 1 1 1 1 0 0 2 0 3 3 3 0 0 45 51 2 13. Zbadać kiedy istnieje rozkład stacjonarny dla łańcucha z zadania 10. Znaleźć ten rozkład w przypadku, gdy i a) ai = 12 , i ≥ 1, b) ai = i21+i , i ≥ 1. 14. Dla jakich p łańcuch z zadania 4 jest stacjonarny? Kiedy łańcuch ten jest ergodyczny? Obliczyć E(Y3 ) oraz limn→∞ E(Yn ). 15. Uzasadnić, że dla p, q > 0 takich, że p + q = 1 łańcuch o macierzy przejścia q p 0 q 0 p 0 q p jest ergodyczny i wyznaczyć prawdopodobieństwa ergodyczne. 16. Łańcuch ma macierz przejścia 0, 4 0, 3 P = 0, 1 0, 3 0, 6 0 0 0, 7 0 0 . 0, 5 0, 2 0, 2 0, 3 0, 3 0, 1 Wykorzystując własności stanów obliczyć limn→∞ pij (n) dla wszystkich i, j. 17. W ciągu doświadczeń Bernoulliego z prawdopodobieństwem sukcesu p mówimy, że w chwili n układ znajduje się w stanie 0, gdy n-te doświadczenie dało porażkę, a w stanie k ∈ {1, 2, 3, ..., n}, gdy ostatnia porażka nastąpiła w chwili n − k (zerowe doświadczenie uważamy za porażkę). Innymi słowy, stan w chwili n to długość nieprzerwanej serii sukcesów, kończącej się w chwili n. Obliczyć pj = limn→∞ pij (n). 18. Niech P będzie macierzą rozmiaru n × n podwójnie stochastyczną, tzn. taką, w której zarówno suma każdego wiersza jak i każdej kolumny jest równa 1. Znaleźć rozkład stacjonarny łańcucha o takiej macierzy przejścia. Wskazówka - zobacz np. zad. 12 a), b). 19. Niech P będzie macierzą przejścia łańcucha Markowa o n stanach. Pierwszy wiersz tej macierzy składa się z elementów p1 , p2 , ..., pn , a następne wiersze powstają z niego przez cykliczne przesunięcie, tzn. drugi wiersz ma postać pn , p1 , ..., pn−1 , trzeci wiersz ma postać pn−1 , pn , p1 , ..., pn−2 itd, a ostatni ma postać p2 , p3 , ..., pn , p1 . Czy ten łańcuch jest ergodyczny tzn. czy istnieje granica limn→∞ P n ? Jeżeli tak to obliczyć prawdopodobieństwa ergodyczne. 3 20. W pudełku A jest sześć kul ponumerownych liczbami od 1 do 6, a pudełko B jest puste. Wykonamy 1000000 rzutów kostką i po każdym rzucie przełożymy kulę o wylosowanym numerze do drugiego pudełka. Obliczyć przybliżone prawdopodobieństwo tego, że pudełko A będzie puste. 21. Szachista A jest bardzo odporny psychicznie i niezależnie od wyników poprzednich gier wygrywa kolejną partię z prawdopodobieństwem p, remisuje z prawdopodobieństwem r lub przegrywa z prawdopodobieństwem q. Szachista B jest słabszy psychicznie: -jeżeli poprzednią partię przegrał to wygrywa kolejną partię z prawdopodobieństwem p − ≥ 0, remisuje z prawdopodobieństwem r lub przegrywa z prawdopodobieństwem q + ≤ 1, -jeżeli poprzednią partię zremisował to wygrywa kolejną partię z prawdopodobieństwem p, remisuje z prawdopodobieństwem r lub przegrywa z prawdopodobieństwem q, -jeżeli poprzednią partię wygrał to wygrywa kolejną partię z prawdopodobieństwem p + ≤ 1, remisuje z prawdopodobieństwem r lub przegrywa z prawdopodobieństwem q − ≥ 0. Załóżmy, że gracz B ostatnią partię przed turniejem zremisował. a) Który z graczy w długim turnieju (kilkadziesiąt partii) osiągnie lepszy wynik? b) Jak odpowiedź do a) zależy od ? c) Czy odpowiedź do a) zależy od wyniku ostatniej partii gracza B przed turniejem? Lista 3. Łańcuchy Markowa z czasem ciągłym. 1. W czystym procesie urodzin Xt o przestrzeni stanów S = N mamy intensywności urodzin λ0 = λ1 = 1, λ2 = 2 oraz λn = 0 dla n > 2. Znaleźć P (Xt = n) i sprawdzić, że jest to właściwy rozkład prawdopodobieństwa, jeżeli a) P (X0 = 1) = 1, b) P (X0 = 0) = 1. 2. W procesie urodzin i śmierci Xt o przestrzeni stanów S = N mamy intensywności urodzin λ0 = λ1 = 3, λn = 0, n > 1 oraz intensywności umierania µ1 = 4, µn = 0, n 6= 1. Znaleźć P (Xt = n) i sprawdzić, że jest to właściwy rozkład prawdopodobieństwa, jeżeli a) P (X0 = 0) = 1, b) P (X0 = 1) = 1. 3. Rozpatrujemy czysty proces urodzin o przestrzeni stanów S = N i o intensywnościach urodzin λn , n ∈ N . W którym przypadku funkcja Pn (t) = P (Xt = n) będzie właściwym rozkładem prawdopodobieństwa (czyli nie wystąpi zjawisko eksplozji)? 1 . a) λn = n+2 √ 3 b) λn = n n. 4 c) λn = n n+n+1 2 +1 . 3n d) λn = n3 +10 . 4. Które z poniższych macierzy półgrupy przejścia. 0 a) 0 3 są generatorami pewnych łańcuchów o czasie ciągłym? Wyznaczyć ich 0 0 0 0 , 1 −4 b) −2 2 3 −3 , c) 5. Znaleźć generator a) łańcucha o macierzy przejścia P (t) = 1 3 2 + e−3t 1 − e−3t 2 − 2e−3t 1 + 2e−3t b) procesu Poissona o intensywności λ, c) procesu urodzin z zadania 1, d) procesu urodzin i śmierci z zadania 2. 4 , −2 2 −5 5 . Lista 4. Procesy gaussowskie. 1. Definiujemy ruch Browna z dryftem jako Xt = Wt + ct, c ∈ R. a) Uzasadnić, że jest proces gaussowski i obliczyć jego średnią i kowariancję. b) Znaleźć jego prawdopodobieństwa przejścia Pt (x, A) i sprawdzić, że spełniają one warunek dostateczny ciągłości trajektorii procesu, tzn. 1 (1 − Pt (x, [x − , x + ])) = 0. t→0 t 2. Które z poniższych procesów są procesami Wienera? Odpowiedź uzasadnić. a) Xt = W − Wt − W1 . √ t+1 5 b) Xt = 5 W5t . Wt , t ≤ 2, c) Xt = 2W2 − Wt , t > 2. Wt , t ≤ 1, d) Xt = 3W1 − 2Wt , t > 1. lim+ 5