24.01.2013 Aufrufe

Klenke Wahrscheinlichkeitstheorie

Klenke Wahrscheinlichkeitstheorie

Klenke Wahrscheinlichkeitstheorie

MEHR ANZEIGEN
WENIGER ANZEIGEN

Erfolgreiche ePaper selbst erstellen

Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.

10.2 Optional Sampling und Optional Stopping 205<br />

Also ist X τ ein F-Submartingal. Da X τ an F τ adaptiert und F τ die kleinere Filtration<br />

ist, ist X auch ein F τ –Submartingal (siehe Bemerkung 9.29). ✷<br />

Beispiel 10.16. Sei X die symmetrische einfache Irrfahrt aus Beispiel 10.8. Seien<br />

a, b ∈ Z, a0 sowie<br />

τa =inf{t ≥ 0:Xt = a}, τb =inf{t ≥ 0:Xt = b} und τa,b = τa ∧ τb.<br />

τa,b ist eine Stoppzeit nach Lemma 9.18. Sei A = {τa,b = τa} das Ereignis, dass<br />

X in a ist bevor es in b ist. Wir wollen P[A] bestimmen. Nach Übung 2.3.1 ist<br />

fast sicher lim supn→∞ Xn = ∞ und lim infn→∞ Xn = −∞. Also ist fast sicher<br />

τa < ∞ und τb < ∞. Nach dem Optional Stopping Theorem Xτa,b ein Martingal.<br />

Wegen τa,b ∧ n n→∞<br />

−→ τa,b fast sicher, gilt X τa,b n→∞<br />

n −→ Xτa,b fast sicher. Da |Xτa,b n |<br />

durch b − a beschränkt ist, gilt X τa,b n→∞<br />

n −→ Xτa,b auch in L1 .Alsoist<br />

0 = lim<br />

n→∞ E � X τa,b�<br />

� �<br />

n = E Xτa,b = a · P [τa,b = τa]+b · P [τa,b = τb]<br />

= b +(a− b) P[τa,b = τa].<br />

Es folgt P [τa,b = τa] = b<br />

. ✸<br />

b − a<br />

Beispiel 10.17. Schließlich wollen wir unsere Maschinerie benutzen, um E[τa,b]<br />

und E[τa] zu berechnen. Der quadratische Variationsprozess 〈X〉 (vergleiche Definition<br />

10.3) ist gegeben durch<br />

〈X〉n =<br />

n�<br />

i=1<br />

E � (Xi − Xi−1) 2 � �<br />

�Fi−1 = n,<br />

also ist � X2 n − n �<br />

ein Martingal. Nach dem Optional Stopping Theorem ist<br />

n∈N0<br />

0=E � X 2 τa,b∧n − (τa,b ∧ n) �<br />

für jedes n ∈ N0.<br />

Monotone Konvergenz liefert<br />

E [τa,b] =E � X 2 � 2<br />

τa,b = a P [τa,b = τa]+b 2 P [τa,b = τb] =|a|·b.<br />

Um E[τa] zu berechnen, bemerken wir, dass τa,b ↑ τa fast sicher gilt, falls b →∞.<br />

Der Satz von der monotonen Konvergenz liefert also E[τa] = lim<br />

b→∞ E[τa,b] =∞. ✸<br />

Bemerkung 10.18. Offenbar ist Xτb = b>0, also X0 < E � � �<br />

Xτb<br />

�F0 = b. Die<br />

Aussage des Optional Sampling Theorems gilt also im Allgemeinen nicht, falls die<br />

Stoppzeit unbeschränkt ist. ✸<br />

Beispiel 10.19 (Gambler’s Ruin Problem). Wir betrachten ein Spiel zwischen<br />

zwei Personen A und B. In jeder Runde wird eine Münze geworfen. Je nach Ergebnis<br />

erhält A von B eine Geldeinheit oder B von A. Gespielt wird so lange, bis

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!