Carrera de Estadı́stica Procesos Estocásticos1

Práctica No.2

1. Sea {X(t); t ≥ 0}, un P.E. con función de valor medio y función de autocovarianza definidos
por:

mx (t) = 2µ
γx (s, t) = 2µe−(t−s)/µ , s, t ≥ 0
1
RT
Se define la media muestral de una realización del proceso MT = T 0
x(t)dt. Demostrar que:

E(MT ) = 2µ
4µ2 4µ3
− 2 1 − e−(T /µ)


V (MT ) =
T T

2. Un proceso de medias móviles de primer orden MA(1) esta definido como:

Y (t) = X(t) + 0,5X(t − 1)

con X(t) ∼ N (0, σ 2 ), tal que las variables X(t) son independientes e idénticamente distribuidas.

a) Hallar la media y la varianza de Y (t)

b) Hallar la función de autocovarianza del proceso Y (t). ¿Es un proceso débilmente estacio-
nario?

3. Un proceso normal tiene los siguientes parámetros: mX (t) = 2 y γx (s, t) = 8 cos[π(t − s)]. Se
toman dos muestras en los instantes s = 0 y t = 0,5.

a) Calcule la función de densidad de segundo orden

b) Calcule la función de densidad condicional de X(t) dado X(s = 0)

4. Dado el P.E. {X(t) = t2 +tA+B ; A > 0, B > 0} , con A, B variables aleatorias independientes
e idénticamente distribuidas como una variable normal con media cero y varianza σ 2 . Si se define
R1
otro proceso como: Y (t) = 0 x(t)dt . Hallar:

a) E[Y (t)]
b) V ar[Y (t)]
c) γY (s, t)
1
Semestre I-2017 Dindo Valdez Blanco

1
5. Sea {X(t), t ≥ 0} un proceso estocástico con incrementos independientes y función de valor
medio finita m(t) = E[X(t)]. Demostrar que para tiempos cualesquiera 0 < t1 < · · · < tn <
tn+1 ; se tiene:
E[X(tn+1 )/X(t1 ), . . . , X(tn )] = X(tn ) + m(tn+1 ) − m(tn )

6. Se define el proceso estocástico Y (t) como:

Y (t) = X(t + 1) − X(t) , t ≥ 0

donde {X(t) , t ≥ 0} es un proceso normal con media 0 y función de autocovarianza γX (s, t)

finito.

a) Establecer si el proceso Y (t) es normal o no.

b) Determinar si el proceso Y (t) es débilmente estacionario.

7. Dado el siguiente proceso normal,

(
A , 0 ≤ t < 1/2
X(t) =
B , t ≥ 1/2

donde A y B son v.a. independientes con A ∼ N (0, 1) y B ∼ N (1, 1). Calcular las siguientes
esperanzas.
hR i
1
a) E 0 X(t)dt
hR i
1
b) E 0 X 2 (t)dt
c) E [ máx0<t<1 X(t) ]

8. Se define un proceso estocástico dado por:

(
t W (1/t) para t > 0
X(t) =
0 para t = 0

donde W (·) es un proceso de Wiener-Levi. Calcule la media y la varianza del proceso X(t),
¿cuál es su distribución de probabilidades de primer orden?

9. Sea el P.E. {X(t), t = 1, 2, . . .} un camino aleatorio asimétrico, el cuál está definido como:
t
X
X(t) = (Yj − µ)
j=0

con µ = 2p − 1 y las variables Yj son independientes e idénticamente distribuidas tal que

P (Yj = 1) = p , P (Yj = −1) = 1 − p. Demuestre que el P.E. X(t) es una martingala.

2
10. Demostrar que la sucesión Sn = ni=1 Xi de sumas consecutivas de variables aleatorias inde-
P

pendientes con media cero es una martingala.

11. Sea {X(t), t ≥ 0} un P.E. con incrementos independientes y función de valor medio mX (t) = 2t.
Demostrar que no es una martingala.

12. Sea el proceso estocástico

X(t) = e−Bt W (e−Bt ) , t≥0
donde B es una constante positiva y W (t) es un proceso de Wiener-Levi, determinar si es un
proceso débilmente estacionario.