Scribd
Cargar
703 vistas3 páginas

Análisis de Procesos Estocásticos

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.

Cargado por

Erick Stefhano
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como DOCX, PDF, TXT o lee en línea desde Scribd
703 vistas3 páginas

Análisis de Procesos Estocásticos

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.

Cargado por

Erick Stefhano
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como DOCX, PDF, TXT o lee en línea desde Scribd

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

También podría gustarte