Este documento presenta tres ejercicios relacionados con procesos estocásticos. El primer ejercicio calcula la función de valor medio, el núcleo de covarianza y la función de covarianza para un proceso donde las variables son la suma de dos variables aleatorias uniformes. El segundo ejercicio hace los mismos cálculos para un proceso que incluye un término lineal y un proceso de Wiener. El tercer ejercicio encuentra la media y varianza de la media muestral para un proceso de Wiener integrado.
Este documento presenta tres ejercicios relacionados con procesos estocásticos. El primer ejercicio calcula la función de valor medio, el núcleo de covarianza y la función de covarianza para un proceso donde las variables son la suma de dos variables aleatorias uniformes. El segundo ejercicio hace los mismos cálculos para un proceso que incluye un término lineal y un proceso de Wiener. El tercer ejercicio encuentra la media y varianza de la media muestral para un proceso de Wiener integrado.
Este documento presenta tres ejercicios relacionados con procesos estocásticos. El primer ejercicio calcula la función de valor medio, el núcleo de covarianza y la función de covarianza para un proceso donde las variables son la suma de dos variables aleatorias uniformes. El segundo ejercicio hace los mismos cálculos para un proceso que incluye un término lineal y un proceso de Wiener. El tercer ejercicio encuentra la media y varianza de la media muestral para un proceso de Wiener integrado.
Este documento presenta tres ejercicios relacionados con procesos estocásticos. El primer ejercicio calcula la función de valor medio, el núcleo de covarianza y la función de covarianza para un proceso donde las variables son la suma de dos variables aleatorias uniformes. El segundo ejercicio hace los mismos cálculos para un proceso que incluye un término lineal y un proceso de Wiener. El tercer ejercicio encuentra la media y varianza de la media muestral para un proceso de Wiener integrado.
Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
Descargar como docx, pdf o txt
Está en la página 1/ 3
Ejercicio 5
Calcular para cada proceso estocástico {X(t), t ≥ 0} I) función de valor medio, II) el núcleo de covarianza y III) la función de covarianza: X(t) = A + Bt, donde A y B son variables aleatorias independientes, distribuidas cada una uniformemente en el intervalo unidad. Solución X(t)=A + Bt A y B ~ U (0,1) I) Función de valor medio. m(t)=E[ X t ]
m(t)=E[ A + Bt ] m(t)=E ¿A] + E[Bt] 1 1 m(t)=∫ AdA+ t ∫ BdB 0 0
1 1 m(t)= +t 2 2 t +1 m(t)= 2 II) Núcleo de covarianza.
K ( s ,t )=Cov [ X s ; X t ]=Cov [ A + Bs ; A +Bt ]
K ( s ,t )=Cov [ A , A ] + stCov [ B , B ] K ( s ,t )=Var [ A ] +s t Var [B] 1 1 1 K ( s ,t )= + st = [1+st ] 12 12 12 III) Función de covarianza. 1 R ( u )=Cov [ X t ; X t +u ]= [ 1+t ( t +u ) ] 12 1 2 R ( u )= [t +tu+1] 12 Ejercicio 10 10.Calcular para cada {W(t), t ≥ 0} proceso estocástico de Wiener con parámetro σ2 I) función de valor medio, II) el núcleo de covarianza y III) la función de covarianza: X(t) = At + W(t), donde A es una constante positiva. Solución. Por la ley de probabilidad del proceso Wiener ∀ t ≥ 0, se deduce que: E[Wt] = 0 y V[Wt] = σ2t I) Función Valor Medio. m(t)=E[ X t ]
m ( t )=E [ At +W ( t ) ]
m ( t )= At + E [ W ( t ) ]
m ( t )= At + 0= At II) Núcleo de covarianza K ( s ,t )=Cov [ X s ; X t ]=Cov [ As+W (s); At +W (t) ]
K ( s ,t )=stCov [ A ; A ] +Cov [ W ( s ) ; W ( t ) ]
K ( s ,t )=st Var [ A ] +σ 2 s
K ( s ,t )=σ 2 s III) Función de Covarianza
R ( u )=Cov [ X t ; X t +u ]=σ 2 t
Ejercicio 15 T 1 Hallar la media y la varianza de la media muestral: M T = ∫ X ( t ) dt , donde {X(t), t ≥ 0} es T 0 el proceso estocástico descrito: {X(t), t ≥ 0} es el proceso incremento de Wiener integrado. Solución. Wiener Integrado. E[Xt] = 0 K ( s ,t )=Cov [ X s ; X t ]=¿ σ2s
Hallamos la media. T 1 M T = ∫ X ( t ) dt T 0 T 1 1 E [ M T ]= ∫ m ( t ) d t= ×0=0 T 0 T
Hallamos la varianza. T t 2 V [ M T ]= 2 ∫ dt ∫ K ( s , t ) ds T 0 0
T t 2 V [ M T ]= 2 ∫ dt ∫ σ 2 s ds T 0 0
T t 2 σ2 V [ M T ]= 2 ∫ dt T 0 s2 2 [ |] 0
T σ2 2 V [ M T ]= 2∫ t dt T 0 T
V [ M T ]= 2 T 3 [ |] σ2 t 3 0 = σ2 T 3 T σ2 T2 3 ( ) = 3
