Procese Stochastice

Curs
8/10 (1 vot)
Conține 1 fișier: pdf
Pagini : 156 în total
Cuvinte : 34672
Mărime: 1.31MB (arhivat)
Publicat de: Georgian V.
Puncte necesare: 0
Curs Procese Stochastice IDD

Cuprins

  1. Capitolul 1 - Noţiuni preliminare 4
  2. 1.1. Spaţiu de selecţie 4
  3. 1.2. Noţiunea de σ -algebră 4
  4. 1.3. Noţiunea de măsură 6
  5. 1.4. Noţiunea de probabilitate 8
  6. 1.5. Valoarea medie a unei variabile aleatoare 9
  7. 1.6. Integrabilitate uniformă 11
  8. 1.7. Independenţă 11
  9. 1.8. Probabilităţi echivalente 12
  10. 1.9. Variabile aleatoare gaussiene 13
  11. 1.10. Tipuri de convergenţă 14
  12. 1.11. Proces stochastic 17
  13. 1.12. Medie condiţionată 19
  14. 1.13. Martingale 26
  15. 1.14. Timp de oprire 29
  16. 1.15. Proces Markov 36
  17. Capitolul 2 - Mişcarea Browniană 38
  18. 2.1. Construcţia unei mişcări browniene 39
  19. 2.2. Mers aleatoriu 42
  20. 2.3. Proprietăţi ale mişcării browniene 44
  21. 2.4. Traiectoriile unei mişcări browniene 49
  22. 2.5. Proprietatea de martingal 50
  23. 2.6. Timp de lovire 52
  24. 2.7. Mişcarea browniană multidimensională 54
  25. 2.8. Integrala Weiner 55
  26. 2.9. Mişcarea browniană geometrică 59
  27. Capitolul 3 – Calcul Stochastic 65
  28. 3.1. Integrala stochastică 65
  29. 3.2. Ecuaţii diferenţiale stochastice 79
  30. 3.3. Exemple de porcese Itô 89
  31. Capitolul 4 – Probleme asociate mişcării browniene 103
  32. 4.1. Regula de schimbare a probabilităţii 103
  33. 4.2. Timp de lovire 112
  34. 4.3.Alte probleme asociate mişcării browniene 124
  35. Exerciţii 137
  36. Dicţionar de termeni financiari 142

Extras din curs

Capitolul 1

Noţiuni preliminare

Capitolul cuprinde noţiuni fundamentale din teoria probabilităţilor ce urmează a

fi utilizate pe parcursul cursului: probabilitate, proces stochastic, martingal, timp de

oprire.

1.1. Spaţiu de selecţie

Definiţia 1. Fie Ω mulţimea tuturor rezultatelor posibile ale unui experiment

aleator oarecare. Elementele mulţimii Ω le numim evenimente elementare iar mulţimea

Ω o numim spaţiu de evenimente elementare sau spaţiu de selecţie.

1.2. Noţiunea de σ -algebră

Definiţia 2. Fie Ω o mulţime nevidă. Familia A de submulţimi din Ω se

numeşte algebră, dacă sunt verificate următoarele axiome:

1. A∈ A implică A ∈ A , unde A reprezintă complementara mulţimii A , mai

precis, {ω ∈ Ω , ω ∉ A};

2. A,B ∈ A implică A∪ B ∈ A

Observaţie. 1. Din definiţia 2 şi din faptul că Ω = A ∪ A rezultă Ω ∈ A . Prin

urmare şi φ ∈ A , deoarece φ = Ω ; 2. Cum A ∩ B = A ∪ B şi A,B ∈ A rezultă

A ∩ B ∈ A .

Definiţia 3. Familia F de submulţimi din Ω se numeşte σ -algebră sau câmp

sau corp borelian de evenimente dacă verifică următoarele axiome:

Observaţie. F reprezintă mulţimea evenimentelor asociate experimentului

aleator sau altfel spus, F conţine toate submulţimile lui Ω .

Exemple de σ -algebre. Fie Ω un spaţiu arbitrar de evenimente elementare.

Cea mai “săracă” σ -algebră a spaţiului Ω este submulţimea {φ , Ω} iar cea mai

“bogată” σ -algebră conţine toate submulţimile spaţiului Ω .

Considerăm experimentul clasic ce constă în aruncarea de două ori a unei

monede perfecte. In acest caz, spaţiul de evenimente elementare este mulţimea

Ω ={HH, HT,TH,TT} şi folosind definiţia este uşor de verificat că mulţimea F

formată din toate submulţimile spaţiului Ω şi mulţimea G = {φ , Ω,{HH,HT},{TH,TT}}

sunt σ -algebre.

σ -algebra poate fi interpretată ca informaţia pe care o avem la un anumit

moment, ne spune ce evenimente cunoaştem. In exemplul nostru F este σ -algebra în

care ştim toate rezultatele obţinute în urma aruncării monedei, în timp ce G este

σ -algebra în care ştim numai rezultatul primei aruncări. Presupunem că moneda a fost

aruncată de două ori dar nu cunoaştem rezultatul aruncării, ştim numai dacă rezultatul se

află sau nu în G . De exemplu, se spune că rezultatul aruncării nu este φ dar este în Ω .

Mai mult se poate spune că rezultatul aruncării nu se află în {HH, HT} dar se află în

{TH,TT}, cu alte cuvinte ştim doar că rezultatul primei aruncări este T dar nu ştim

nimic despre rezultatul celei de-a doua aruncări. Se spune că σ -algebra G conţine

informaţia până la momentul unu. Analog, putem spune că F conţine informaţia

completă. σ -algebra trivială {φ , Ω} nu conţine informaţii, faptul că rezultatul aruncării

este φ sau se află în Ω nu ne spune nimic despre eveniment.

Dacă A ⊆ Ω atunci familia = {A, A,φ , Ω} A F este σ -algebra (algebra) generată

de mulţimea A . Această familie reprezintă un caz particular al familiilor generate de

partiţii, altfel spus, dacă { , ,..., ,...} 1 2 n A = A A A este o partiţie numărabilă a lui Ω adică

, ,...., ,... 1 2 n A A A sunt submulţimi nevide ale lui Ω cu proprietăţile:

... ... 1 2 Ω = ∪ ∪ ∪ ∪ n A A D , ∩ = φ i j D D , i ≠ j , i, j ≥ 1,

atunci familia formată din mulţimile reprezentate ca reuniuni finite numărabile de

elemente ale partiţiei şi mulţimea vidă este o σ -algebră.

Propoziţia 1. Orice intersecţie de σ -algebre este o σ -algebră.

6

Observaţie. Afirmaţia nu este adevărată pentru reuniunea de σ -algebre. Mai

precis, o reuniune de σ -algebre nu este o întotdeauna o σ -algebră.

Definiţia 4. Fie F şi G două σ -algebre astfel încât G ⊂F ( A∈G implică

A∈F ), atunci G este o sub-σ -algebră a σ -algebreiF .

Definiţia 5. σ -algebra generată de familia de mulţimi F este intersecţia

tuturor σ -algebrelor ce conţin F .

Definiţia 6. Dacă 1 F şi 2 F sunt două σ -algebre, notăm prin 1 2 F ∨F ,

σ -algebra generată de familia 1 2 F ∪F şi reprezintă intersecţia tuturor σ -algebrelor

ce conţin σ - algebrele 1 F şi 2 F .

Propoziţia 2. Fie F o familie de submulţimi ale lui Ω . Atunci există o

σ -algebră minimală, sau altfel spus σ -algebra generată de familia de mulţimi F ,

notată σ (F ), ce conţine toate mulţimile din care este formată familia F .

Preview document

Procese Stochastice - Pagina 1
Procese Stochastice - Pagina 2
Procese Stochastice - Pagina 3
Procese Stochastice - Pagina 4
Procese Stochastice - Pagina 5
Procese Stochastice - Pagina 6
Procese Stochastice - Pagina 7
Procese Stochastice - Pagina 8
Procese Stochastice - Pagina 9
Procese Stochastice - Pagina 10
Procese Stochastice - Pagina 11
Procese Stochastice - Pagina 12
Procese Stochastice - Pagina 13
Procese Stochastice - Pagina 14
Procese Stochastice - Pagina 15
Procese Stochastice - Pagina 16
Procese Stochastice - Pagina 17
Procese Stochastice - Pagina 18
Procese Stochastice - Pagina 19
Procese Stochastice - Pagina 20
Procese Stochastice - Pagina 21
Procese Stochastice - Pagina 22
Procese Stochastice - Pagina 23
Procese Stochastice - Pagina 24
Procese Stochastice - Pagina 25
Procese Stochastice - Pagina 26
Procese Stochastice - Pagina 27
Procese Stochastice - Pagina 28
Procese Stochastice - Pagina 29
Procese Stochastice - Pagina 30
Procese Stochastice - Pagina 31
Procese Stochastice - Pagina 32
Procese Stochastice - Pagina 33
Procese Stochastice - Pagina 34
Procese Stochastice - Pagina 35
Procese Stochastice - Pagina 36
Procese Stochastice - Pagina 37
Procese Stochastice - Pagina 38
Procese Stochastice - Pagina 39
Procese Stochastice - Pagina 40
Procese Stochastice - Pagina 41
Procese Stochastice - Pagina 42
Procese Stochastice - Pagina 43
Procese Stochastice - Pagina 44
Procese Stochastice - Pagina 45
Procese Stochastice - Pagina 46
Procese Stochastice - Pagina 47
Procese Stochastice - Pagina 48
Procese Stochastice - Pagina 49
Procese Stochastice - Pagina 50
Procese Stochastice - Pagina 51
Procese Stochastice - Pagina 52
Procese Stochastice - Pagina 53
Procese Stochastice - Pagina 54
Procese Stochastice - Pagina 55
Procese Stochastice - Pagina 56
Procese Stochastice - Pagina 57
Procese Stochastice - Pagina 58
Procese Stochastice - Pagina 59
Procese Stochastice - Pagina 60
Procese Stochastice - Pagina 61
Procese Stochastice - Pagina 62
Procese Stochastice - Pagina 63
Procese Stochastice - Pagina 64
Procese Stochastice - Pagina 65
Procese Stochastice - Pagina 66
Procese Stochastice - Pagina 67
Procese Stochastice - Pagina 68
Procese Stochastice - Pagina 69
Procese Stochastice - Pagina 70
Procese Stochastice - Pagina 71
Procese Stochastice - Pagina 72
Procese Stochastice - Pagina 73
Procese Stochastice - Pagina 74
Procese Stochastice - Pagina 75
Procese Stochastice - Pagina 76
Procese Stochastice - Pagina 77
Procese Stochastice - Pagina 78
Procese Stochastice - Pagina 79
Procese Stochastice - Pagina 80
Procese Stochastice - Pagina 81
Procese Stochastice - Pagina 82
Procese Stochastice - Pagina 83
Procese Stochastice - Pagina 84
Procese Stochastice - Pagina 85
Procese Stochastice - Pagina 86
Procese Stochastice - Pagina 87
Procese Stochastice - Pagina 88
Procese Stochastice - Pagina 89
Procese Stochastice - Pagina 90
Procese Stochastice - Pagina 91
Procese Stochastice - Pagina 92
Procese Stochastice - Pagina 93
Procese Stochastice - Pagina 94
Procese Stochastice - Pagina 95
Procese Stochastice - Pagina 96
Procese Stochastice - Pagina 97
Procese Stochastice - Pagina 98
Procese Stochastice - Pagina 99
Procese Stochastice - Pagina 100
Procese Stochastice - Pagina 101
Procese Stochastice - Pagina 102
Procese Stochastice - Pagina 103
Procese Stochastice - Pagina 104
Procese Stochastice - Pagina 105
Procese Stochastice - Pagina 106
Procese Stochastice - Pagina 107
Procese Stochastice - Pagina 108
Procese Stochastice - Pagina 109
Procese Stochastice - Pagina 110
Procese Stochastice - Pagina 111
Procese Stochastice - Pagina 112
Procese Stochastice - Pagina 113
Procese Stochastice - Pagina 114
Procese Stochastice - Pagina 115
Procese Stochastice - Pagina 116
Procese Stochastice - Pagina 117
Procese Stochastice - Pagina 118
Procese Stochastice - Pagina 119
Procese Stochastice - Pagina 120
Procese Stochastice - Pagina 121
Procese Stochastice - Pagina 122
Procese Stochastice - Pagina 123
Procese Stochastice - Pagina 124
Procese Stochastice - Pagina 125
Procese Stochastice - Pagina 126
Procese Stochastice - Pagina 127
Procese Stochastice - Pagina 128
Procese Stochastice - Pagina 129
Procese Stochastice - Pagina 130
Procese Stochastice - Pagina 131
Procese Stochastice - Pagina 132
Procese Stochastice - Pagina 133
Procese Stochastice - Pagina 134
Procese Stochastice - Pagina 135
Procese Stochastice - Pagina 136
Procese Stochastice - Pagina 137
Procese Stochastice - Pagina 138
Procese Stochastice - Pagina 139
Procese Stochastice - Pagina 140
Procese Stochastice - Pagina 141
Procese Stochastice - Pagina 142
Procese Stochastice - Pagina 143
Procese Stochastice - Pagina 144
Procese Stochastice - Pagina 145
Procese Stochastice - Pagina 146
Procese Stochastice - Pagina 147
Procese Stochastice - Pagina 148
Procese Stochastice - Pagina 149
Procese Stochastice - Pagina 150
Procese Stochastice - Pagina 151
Procese Stochastice - Pagina 152
Procese Stochastice - Pagina 153
Procese Stochastice - Pagina 154
Procese Stochastice - Pagina 155
Procese Stochastice - Pagina 156

Conținut arhivă zip

  • Procese Stochastice.pdf

Alții au mai descărcat și

Curs HTML

Internetul a fost descris ca „o colectie larga de retele“ sau ca o „retea de retele“. Desi ambele definitii sînt corecte, nici una nu surprinde...

Visual C++

Dupa cum multi dintre noi cunosc ,atomul este format din particule materiale si anume un nucleu incarcat electric pozitiv si mai multi electroni...

Limbajul SQL

CAPITOLUL 1. TEORIA BAZELOR DE DATE RELATIONALE 1.1. MODELUL RELATIONAL Modelul relational a fost propus de catre IBM si a revolutionat...

Programare în Java Script

Java - Sectiunea 3 Reducerea efectului de palpaire la crearea animatiilor Efectul suparator de palpaire a imaginii in cazul animatiilor, se poate...

Structuri de Date și Algoritmi

Arbori Binari Optimi Despre arbori binari optimi putem vorbi atunci cand, pentru fiecare dintre cheile unui arbore binar ordonat cunoastem...

Curs C++

Limbajele C si C++ sunt limbaje de programare de nivel înalt. Limbajul C a aparut în anii 1970 si a fost creat de Dennis Ritchie în...

Baze de Date

CAPITOLUL I INTRODUCERE IN BAZE DE DATE CURSUL 1 1. Ce este o baza de date? La inceput calculatoarele au fost utilizate numai pentru calcule...

Grafică pe calculator

Computer Graphics Cristian Rusu Office 3-8 cristian.rusu@ucv.cl What will be? It will not be an ENGLISH course! ENGLISH will be an...

Te-ar putea interesa și

Modele de predicție a funcționării unui sistem mecanic pe baza aplicării lanțurilor Markov

Rezumat Lucrarea intitulată „Modele de predicţie a funcţionării unui sistem mecanic pe baza aplicării lanţurilor Markov” este structurată pe patru...

Metodologia de Analiză și Predicție Box - Jenkins

2. 1 Noţiuni introductive privind procedura Box – Jenkins În literatura de specialitate, procedura Box – Jenkins pentru prelucrarea unei serii de...

Modelarea Cozilor de Așteptare

Procese Poisson Baza teoretică a modelării cozilor de aşteptare o constituie o clasă particulară de procese stochastice, procesele Poisson. In...

Lanțuri Markov

Rezumat: Proiectul de față are în vedere explicarea conceptului de „lanțuri Markov”, a celor mai importante aspecte cu privire la acestea, precum...

Problemele întreprinderii și soluțiile propuse de econometrie (microeconometrie)

1. CONSIDERENTE DE NATURA ECONOMICA Intreprinderea reprezinta o unitate economica organizata in vederea transformarii diverselor resurse naturale...

Metode de analiză globală a structurilor

O constructie trebuie sa intruneasca un anumit numar de exigente, in principal cele care definesc rezistenta mecanica si deformatiile structurii,...

Previziune Macroeconomică

PREVIZIUNE MACROECONOMICĂ CONŢINUTUL, FUNCŢIILE ŞI NECESITATEA CONDUCERII MACROECONOMICE PREVIZIONALE 1.1. CONŢINUTUL CONDUCERII MACROECONOMICE...

Curs matematică

Elemente de matematică liniară 1.1 Matrice şi determinanţi 1.2 Ecuaţii liniare 1.3 Sisteme de ecuaţii liniare 1.4 Inegalităţi liniare şi...

Ai nevoie de altceva?