Barczy Mátyás és Pap Gyula

Átírás

1 Barczy Mátyás és Pap Gyula mobidiák könyvtár

2 Barczy Mátyás és Pap Gyula

3 mobidiák könyvtár SOROZATSZERKESZTŐ Fazekas Iván

4 Barczy Mátyás és Pap Gyula Debreceni Egyetem Oktatási segédanyag mobidiák könyvtár Debreceni Egyetem

5 Szerzők Barczy Mátyás egyetemi tanársegéd Debreceni Egyetem Informatikai Kar 4010 Debrecen, Pf. 12 Pap Gyula egyetemi tanár Debreceni Egyetem Informatikai Kar 4010 Debrecen, Pf. 12 Lektor Iglói Endre számítáechnikai munkatárs Debreceni Egyetem Informatikai Kar 4010 Debrecen, Pf. 12 Copyright c elektronikus közlés mobidiák könyvtár, 2005 mobidiák könyvtár Debreceni Egyetem Informatikai Kar 4010 Debrecen, Pf A mű egyéni tanulmányozás céljára szabadon letölthető. Minden egyéb felhasználás csak a szerzők előzetes írásbeli engedélyével történhet. A mű,,a mobidiák önszervező mobil portál IKTA, OMFB-00373/2003 projekt keretében készült.

6 Tartalomjegyzék 1. Valószínűségszámítás 1. feladatsor Valószínűségi változók eloszlása, várható értéke Konvolúció Markov- és Csebisev-egyenlőtlenség, Borel-Cantelli lemma Valószínűségi változók eloszlása, várható értéke Konvergenciafajták Borel Cantelli-lemma és a nagy számok erős törvénye Borel Cantelli-lemma és határeloszlás-tételek Karakterisztikus függvények, folytonossági tétel, gyenge konvergencia Centrális határeloszlás-tétel Feltételes várható érték és martingálok Többdimenziós normális eloszlás Valószínűségszámítás 2. felmérő feladatsorok év példái év példái év példái év példái év példái év példái Valószínűségszámítás 1. feladatsor 1.1. Valószínűségi változók eloszlása, várható értéke Feladat. Legyenek ξ n, n N, független valószínűségi változók úgy, hogy P ξ n = 0 = P ξ n = 1 = 1 2, n N. Legyen továbbá τ a ξ n, n N valószínűségi változóktól független valószínűségi változó, hogy P τ Z + = 1. Mutassuk meg, hogy P ξ τ = 0 = P ξ τ = 1 =

7 Feladat. Egy urnában N golyó van, fehérek és pirosak N N. A fehérek száma valószínűségi változó, melynek csak a várható értékét ismerjük. Legyen ez M. Egy golyót húzunk az urnából. Mutassuk meg, hogy annak a valószínűsége, hogy a kihúzott golyó fehér M. Miért teljesül, hogy M 1? N N Feladat. Mutassunk példát olyan Ω, A, P valószínűségi mezőre, és ebben olyan A, B és C eseményekre, hogy a P ABC = P AP BP C feltétel teljesülése nem elegendő az A, B és C események függetlenségéhez Feladat. Egy n férőhelyes mozi egy előadására minden jegy elkelt, ahol n 2. Az elsőnek érkező vendég az n hely közül véletlenszerűen választ egyet és leül oda. A másodiknak érkező vendég megnézi, hogy szabad-e a helye, ha igen leül oda, egyébként pedig a meglevő helyek közül egyenlő valószínűséggel választ egyet. Az összes többi vendég is hasonlóan jár el. Mi a valószínűsége, hogy az utolsónak érkező vendég szabadon találja a helyét? Feladat. Egy szabályos kockát feldobunk n alkalommal. Mi a valószínűsége, hogy a dobott számok összege osztható 5-tel? Feladat. Tekintsük az alábbi Ω, A, P valószínűségi mezőt: Legyen Ω := {ω 1, ω 2, ω 3 }, A := 2 Ω, P {ω 1 } = P {ω 2 } = P {ω 3 } := 1 3. X : Ω R, Xω 1 := 1, Xω 2 := 2, Xω 3 := 3, Y : Ω R, Y ω 1 := 2, Y ω 2 := 3, Y ω 3 := 1. i Írjuk fel A elemeit! ii Igazoljuk, hogy X és Y iii Határozzuk meg X és Y valószínűségi változók! eloszlását! iv Írjuk fel X és Y eloszlásfüggvényét! v Létezik-e X-nek, illetve Y -nak sűrűségfüggvénye? Feladat. Legyenek X és Y független, andard normális eloszlású valószínűségi változók. Határozzuk meg X sgny eloszlásfüggvényét és sűrűségfüggvényét! Feladat. Az F : R R, F x := e x µ σ, x R, eloszlásfüggvényű eloszlá µ, σ R 0, + paraméterű logisztikus eloszlásnak nevezzük és Logµ, σ módon jelöljük. Bizonyítsuk be, hogy 7

8 a ha ξ Log0, 1 és µ R, σ > 0, úgy σξ + µ Logµ, σ. Tehát µ hely-, σ pedig skálaparaméter. b ha ξ egyenletes eloszlású 0, a-n, akkor log Log0, 1. Ezért hívják logisztikus eloszlásnak. ξ a ξ c ha η 1 Expλ 1, η 2 Expλ 2 függetlenek, úgy log d Számítsuk ki a Logµ, σ-eloszlás várható értékét! Feladat. Tetszőleges p > 0 és σ > 0 esetén az f : R R, p x p 1 σ σ e σ x p ha x > 0, fx := 0 ha x 0, η 1 η 2 Loglog λ 2 log λ 1, 1. sűrűségfüggvényű eloszlá p és σ paraméterű Weibull eloszlásnak hívjuk és W p, σ módon jelöljük. Mutassuk meg, hogy a W 1, 1 Expλ minden λ > 0-ra. λ b ha ξ W 1, 1 és p > 0, σ > 0, úgy σξ 1 p W p, σ. η c ha η 1 W p, σ 1 és η 2 W p, σ 2 függetlenek, úgy log 1 η 2 pontosabban η1 log Log log σ 1 log σ 2, 1. p η 2 logisztikus eloszlású, Feladat. Legyen ξ, η együttes eloszlásfüggvénye F : R 2 R, 1 + e x y e x e y ha x > 0, y > 0, F x, y := 0 egyébként. Határozzuk meg a peremeloszlásokat, és a P ξ < 1, η < 1 valószínűséget! Feladat. Eloszlásfüggvény-e az alábbi két függvény? i F : R 2 R, F x, y := e e x+y, x, y R, ii F : R 2 R, F x, y := e e x e y, x, y R Feladat. Legyen ξ egyenletes eloszlású valószínűségi változó a π/2, π/2 intervallumon. Létezik-e η := tan ξ várható értéke? Feladat. Legyen ξ andard normális eloszlású valószínűségi változó. Létezik-e várható értéke? Feltéve, hogy igen, véges-e ez a várható érték? 1 ξ 2 8

9 Feladat. Számoljuk ki a p-edrendű, λ paraméterű Gamma-eloszlás n-edik momentumát! Feladat. Legyen ξ Betaα, β, ahol α > 0, β > 0. Mutassuk meg, hogy Eξ = α α + β, D2 ξ = αβ α + β 2 α + β Feladat. Mutassuk meg, hogy ha X Γp, λ és Y Γq, λ függetlenek, akkor X X + Y Betap, q Feladat. Legyenek X 1,..., X n független, λ paraméterű Poisson eloszlású valószínűségi változók. Adjuk meg X 1,..., X n -nek egy olyan kifejezését, melynek várható értéke λ 2. Más szavakkal, adjunk torzítatlan becslé λ 2 -re Feladat. Legyenek X n, n 1 azonos eloszlású valószínűségi változók és tegyük fel, hogy közülük bármelyik kettő különböző korrelációs együtthatója ρ. Mutassuk meg, hogy ρ Feladat. Legyen F : R R egy eloszlásfüggvény és a R. Mutassuk meg, hogy F x + a F x dx = a. R Feladat. Legyenek F 1 és F 2 eloszlásfüggvények f 1 és f 2 sűrűségfüggvényekkel. Tegyük fel, hogy létezik olyan c R, hogy F 1 c < F 2 c. Legyen F : R R, F 1 x ha x c, F x := F 2 x ha x > c. i Mutassuk meg, hogy F eloszlásfüggvény! ii Jelölje P azt az F eloszlásfüggvényhez egyértelműen tartozó valószínűségi mértéket R, BR-en, melyre P, x = F x, x R. Mutassuk meg, hogy P abszolút folytonos λ + δ c -re nézve, ahol λ a Lebesgue-mérték R, BR-en és δ c a c R pontba koncentrálódó Dirac-mérték! Feladat. Legyenek ξ és η valószínűségi változók ugyanazon a valószínűségi mezőn és tegyük fel, hogy véges a második momentumuk. Az alábbi állítások közül melyik igaz és melyik hamis? A hamisakra adjunk ellenpéldát! a Eξ + η = Eξ + Eη. b Ha ξ és η függetlenek, akkor Eξ + η = Eξ + Eη. c Eξη = EξEη. 9

10 d Ha ξ és η függetlenek, akkor Eξη = EξEη. e Ha Eξη = EξEη, akkor ξ és η függetlenek. f D 2 ξ + η = D 2 ξ + D 2 η. g Ha ξ és η függetlenek, akkor D 2 ξ + η = D 2 ξ + D 2 η. h Ha D 2 ξ + η = D 2 ξ + D 2 η, akkor ξ és η függetlenek Feladat. Legyen X egy valószínűségi változó. Igaz-e általában, hogy 1 E = 1 X EX? Van-e olyan X valószínűségi változó, melyre teljesül az előző egyenelőség? Feladat. Legyenek X n, n 1, független, azonos eloszlású, egész értékű valószínűségi változók. Legyen S 0 := 0, S n := n i=1 X i, n N. Minden n N {0} esetén jelölje R n az S 0, S 1,..., S n sorozat által felvett különböző egész értékek számát. Mutassuk meg, hogy P R n = R n = P S 1 S 2 S n 0, n N, és 1 lim n n ER n = P S k 0, k Feladat. Tekintsünk egy olyan érmét, mellyel a fejdobás valószínűsége p, az írásdobásé pedig 1 p, ahol p 0, 1. Feldobjuk ezt az érmét n alkalommal. Szériának nevezzük dobásoknak egy olyan sorozatát, mely azonos kimenetelekből áll. Például, ha n = 7 és a F F IF IIF dobássorozat adódott, úgy a szériák száma 5. Jelölje a továbbiakban R n az n dobásból a szériák számát. Határozzuk meg R n várható értékét és szórásnégyzetét! Feladat. Legyen X egy valószínűségi változó. Mutassuk meg, hogy E X < + akkor és csak akkor, ha bármilyen ε > 0 esetén létezik olyan δε > 0, hogy E X 1 A < ε minden olyan A eseményre, melyre P A < δ Konvolúció Feladat. Mutassuk meg, hogy k db független, λ paraméterű exponenciális eloszlású valószínűségi változó összege k-adrendű, λ paraméterű gamma eloszlású Feladat. Mutassunk példát két korrelálatlan, abszolút folytonos ξ és η valószínűségi változóra, melyek nem függetlenek Feladat. Legyen ξ λ = 1 paraméterű exponenciális eloszlású valószínűségi változó. Határozzuk meg ξ + ξ 2 eloszlás- és sűrűségfüggvényét! 10

11 Feladat. Legyenek ξ és η független valószínűségi változók, hogy ξ Poisson eloszlású λ > 0 paraméterrel és η egyenletes eloszlású a [0, 1] intervallumon. Lássuk be, hogy ξ + η-nak is van sűrűségfüggvénye, és határozzuk is meg azt! Feladat. Legyenek ξ, η és ζ független valószínűségi változók, hogy ξ Poisson eloszlású λ > 0 paraméterrel, η és ζ egyenletes eloszlású a [0, 1] intervallumon. Lássuk be, hogy ξ + η + ζ abszolút folytonos eloszlású és határozzuk meg a sűrűségfüggvényét! 1.3. Markov- és Csebisev-egyenlőtlenség, Borel-Cantelli lemma Feladat. Legyenek ξ és η olyan valószínűségi változók, hogy Eξ = Eη = 0, és D 2 ξ = D 2 η = 1. Mutassuk meg, hogy ahol ρ := corrξ, η. E maxξ 2, η ρ 2, Feladat. A Csebisev-egyenlőtlenség kétdimenziós analógja Legyenek ξ és η valószínűségi változók, és legyen ρ := corrξ, η. Mutassuk meg, hogy bármilyen ε > 0 esetén P { ξ Eξ εdξ } { η Eη εdη } 1 ε ρ Feladat. A normális fluktuációk igazi nagyságrendjének megsejtése Legyenek X n, n N független, azonos eloszlású valószínűségi változók, melyeknek várható értéke EX 1 = 0, szórásnégyzete D 2 X 1 = σ 2 < +. Legyen S n := n i=1 X i, n N. A nagy számok gyenge törvénye azt mondja ki, hogy bármilyen rögzített ε > 0 esetén lim P Sn n n > ε = 0. Bizonyítsuk be a következő erősebb állítá: bármilyen + -hez tartó {b n, n N} pozitív számokból álló sorozatra, minden rögzített ε > 0 esetén lim P Sn > ε = 0. n b n n Feladat. a: Bizonyítsuk be, hogy a Markov-egyenlőtlenség éles a következő értelemben: rögzítve az 0 < m λ számokat, létezik olyan nemnegatív X valószínűségi változó, melynek várható értéke EX = m és P X λ = m/λ, azaz a,,markovegyenlőtlenség telítődik. b: Bizonyítsuk be, hogy a Markov-egyenlőtlenség nem éles a következő értelemben: rögzített nemnegatív X valószínűségi változóra, melynek várható értéke véges és nem nulla, fennáll, hogy λp X λ lim = 0. λ EX 11

12 Feladat. Monte Carlo-integrálás Legyen f : [0, 1] R mérhető, négyzetesen integrálható függvény a Lebesgue-mérték szerint. Legyen továbbá I := 1 0 fx dx, J := 1 0 fx 2 dx. Legyenek U n, n N független, a [0, 1] intervallumon egyenletes eloszlású valószínűségi változók és I n := fu 1 + fu fu n, n N. n a Mutassuk meg, hogy I n I. b Legyen a > 0 rögzített. Igaz-e, hogy minden n N esetén P I n I a J I2? n a Feladat. Egy kaszinóban azt játsszák, hogy egymás után feldobnak egy szabályos pénzdarabot. Végtelen sok ember egymá felváltva bemegy a kaszinóba, és ott megfigyel bizonyos számú pénzfeldobá, mégpedig az n-edik ember k n -et, n N. Akinek a kaszinóban való ott-tartózkodása alatt csupa fej dobás történt, az nyer, akinek ott-tartózkodása alatt történt írás dobás is, az veszít. Bizonyítsuk be, hogy a ha k n = [log 2 n], n 2, akkor 1 valószínűséggel végtelen sok ember távozik nyertesen; b ha k n = [ log 2 n ], n 2, akkor 1 valószínűséggel csak véges sok ember távozik nyertesen; c ha k n = [log 2 n + log 2 log 2 n], n 2, akkor 1 valószínűséggel végtelen sok ember távozik nyertesen; d ha k n = [ log 2 n log 2 log 2 n ], n 2, akkor 1 valószínűséggel csak véges sok ember távozik nyertesen Feladat. Mutassunk példát olyan Ω, A, P valószínűségi mezőre és ebben olyan A n, n N, eseményekre, hogy n=1 P A n = + és a annak a valószínűsége, hogy végtelen sok A n esemény következik be 1 2. b annak a valószínűsége, hogy végtelen sok A n esemény következik be Valószínűségi változók eloszlása, várható értéke Feladat. Legyenek A i, i I, és B olyan részhalmazai Ω -nak, hogy B / i I A i. Igaz-e, hogy ekkor B / σa i, i I? 12

13 Feladat. Legyenek X és Y valószínűségi változók ugyanazon a valószínűségi mezőn és tegyük fel, hogy σx = σy. Igaz-e, hogy ekkor P X = Y = 1? Feladat. Legyenek ξ, η : Ω R k valószínűségi változók. Bizonyítandó, hogy ekkor P ξ = P η akkor és csak akkor, ha F ξ = F η. Azaz az eloszlás és az eloszlásfüggvény kölcsönösen egyértelműen meghatározza egymá Feladat. Hogyan illeszkednek a mo megtanult várható érték fogalomba a diszkrét, ill. abszolút folytonos esetre Valószínűségszámítás 1-ben megtanult várható érték fogalmak? Feladat. Bizonyítandó, hogy ha ξ és η független, véges várható értékű valószínűségi változók, akkor ξη is véges várható értékű, és Eξη = EξEη Feladat. Bizonyítandó, hogy a ξ 1,..., ξ n valószínűségi változók akkor és csak akkor függetlenek, ha φ ξ1,...,ξ n t 1,..., t n = φ ξ1 t 1 φ ξn t n, t 1,..., t n R, ahol φ ξ1,...,ξ n és φ ξtk a ξ 1,..., ξ n valószínűségi vektorváltozó, illetve a ξ k valószínűségi változó karakterisztikus függvényét jelöli Feladat. Legyen I egy nemüres halmaz. Legyen minden i I esetén E i, B i egy mérhető tér, és X i : Ω E i egy valószínűségi változó. Bizonyítandó, hogy az {X i : i I} valószínűségi változók akkor és csak akkor függetlenek, ha az I különböző elemeiből álló minden i 1,..., i n véges részhalmaz és tetszőleges f i1 : E i1 R,..., f in : E in R korlátos, mérhető függvények esetén teljesül, hogy E f i1 X i1 f in X in = Ef i1 X i1 Ef in X in Feladat. Bizonyítandó, hogy az {A i : i I} események akkor és csak akkor függetlenek, ha az {1 Ai : i I} valószínűségi változók függetlenek Feladat. Legyenek {ξ n : n N} és ξ valószínűségi változók. Bizonyítandó, hogy a következő halmaz esemény { ω Ω : lim n ξ n ω = ξω } Feladat. Jensen-egyenlőtlenség Bizonyítandó, hogy ha ξ véges várható értékű valószínűségi változó, és g : R R konvex függvény, akkor geξ Egξ Feladat. Többdimenziós Jensen-egyenlőtlenség Legyen C R n egy nemüres, Borel-mérhető, konvex halmaz, f : C R konvex függvény, X : Ω C olyan valószínűségi változó, hogy E X < + és f X : Ω R is valószínűségi változó. Ekkor EX C, az EfX várható érték létezik és EfX, + ], továbbá EfX fex. 13

14 Feladat. Legyenek ξ, η : Ω 0, + olyan valószínűségi változók, hogy Eξ < +, Eη < +. Mutassuk meg, hogy E ξ + η + 1 Eξ + Eη ξη EξEη Feladat. Ljapunov-egyenlőtlenség Mutassuk meg, hogy ha 0 < s < t, akkor E ξ s 1/s E ξ t 1/t, azaz az L p -terek normái monoton növekvőek. Ha X, X, m egy mértéktér, akkor p > 0 esetén { } L p X, X, m := f : X R f mérhető, f p dm < +, X és f p := f p dm 1/p Feladat. Cauchy Bunyakovszkij Schwartz-egyenlőtlenség Mutassuk meg, hogy ha Eξ 2 < +, Eη 2 < +, akkor E ξη Eξ 2 Eη Feladat. Hölder-egyenlőtlenség Legyenek p, q 1, +, melyekre 1 p + 1 q = 1. Ekkor, ha E ξ p < + és E η q < +, akkor E ξη E ξ p 1/p E η q 1/q = ξ p η q Feladat. Minkowski-egyenlőtlenség Ha E ξ p < + és E η p < + valamely p [1, + esetén, akkor E ξ + η p 1/p E ξ p 1/p + E η p 1/p Konvergenciafajták Feladat. Miért nem követeljük meg az eloszlásban való konvergencia definíciójában, hogy lim n F ξ n x = F ξ x, x R? Feladat. Mutassuk meg, hogy az egyenletes konvergenciából következik az L p -beli konvergencia Feladat. Legyen 0 < s < t. Mutassuk meg, hogy az L t -beli konvergenciából következik az L s -beli konvergencia Feladat. Mutassuk meg, hogy az egyenletes konvergenciából következik a majdnem biztos konvergencia Feladat. Legyen 0 < p < +. Mutassuk meg, hogy az L p -beli konvergenciából következik a sztochasztikus konvergencia. 14

15 Feladat. Mutassuk meg, hogy a majdnem mindenütti konvergenciából következik a sztochasztikus konvergencia Feladat. Mutassuk meg, hogy a sztochasztikus konvergenciából következik az eloszlásban való konvergencia! Feladat. Mutassuk meg, hogy a P -majdnem mindenütti konvergenciából általában nem következik az egyenletes konvergencia Feladat. Legyen p > 0. Mutassuk meg, hogy az L p -beli konvergenciából általában nem következik az egyenletes konvergencia Feladat. Legyen p > 0. Mutassuk meg, hogy az L p -beli konvergenciából általában nem következik a P -majdnem mindenütti konvergencia Feladat. Legyen p > 0. Mutassuk meg, hogy a P -majdnem mindenütti konvergenciából általában nem következik az L p -beli konvergencia Feladat. Legyen p > 0. Mutassuk meg, hogy a sztochasztikus konvergenciából általában nem következik az L p -beli konvergencia Feladat. Mutassuk meg, hogy a sztochasztikus konvergenciából általában nem következik a P -majdnem mindenütti konvergencia Feladat. Legyen P a [0, 1] intervallumon definiált Lebesgue-mérték, és minden n N esetén P n az a mérték, mely 1/n súlyt helyez az i 1/n, i = 1,..., n pontok mindegyikébe. i Mutassuk meg, hogy P n tart P -hez gyengén. ii Tekintsük a [0, 1], B[0, 1], P valószínűségi mezőt. Adjunk példát olyan ξ n : Ω R, n N, és ξ : Ω R valószínűségi változókra, hogy ξ n, n N és ξ eloszlása rendre P n, n N, illetve P, és fennáll, hogy ξ n ξ Feladat. Mutassuk meg, ha ξ D n c, ahol c R, akkor ξ n c. Azaz ha egy valószínűségi változó sorozat eloszlásban tart egy valós konanshoz, akkor sztochasztikusan is konvergál hozzá, ez is egyfajta részleges visszafele irány Feladat. Az alábbi feladatban arra adunk egy újabb példát, hogy az eloszlásban való konvergenciából általában nem következik a sztochasztikus konvergencia Stromberg 38. old. és 94. old. alapján. Legyen Ω := [0, 1[, A := BΩ, és P := λ A, ahol λ a [0, 1[-en definiált Lebesguemértéket jelöli. Legyen minden ω Ω esetén {d n ω, n N} az ω [0, 1[ valós szám diadikus törtbefejtése. Azaz, ω [0, 1[ esetén a {d n ω, n N} sorozatot az alábbi rekurzióval definiáljuk: d 1 ω := [2ω], d n+1 ω := [2 n+1 ω d 1 ω2 n + + d n ω2]. Itt 15

16 [x] egy x valós szám egészrészét jelöli. Analízisből tanultuk, hogy erre a {d n ω, n N} sorozatra igazak az alábbiak a n N-re d n ω {0, 1}, b nem létezik olyan n 0 N, melyre d n ω = 1 bármilyen n > n 0 esetén, c a ω számot meghatározza a diadikus törtbefejtése az alábbi értelemben { d1 ω ω = sup + + d } nω 2 2, n N. n Így minden n N-re egyértelműen definiáltunk egy d n : Ω {0, 1} függvényt. A. Mutassuk meg, hogy {d n } n=1 független, azonos eloszlású valószínűségi változók és P d n = 0 = P d n = 1 = 1 2 minden n N-re. B. Mutassuk meg, hogy d n eloszlásban konvergál d 1 -hez, ha n, de sztochasztikusan nem Feladat. Legyenek ξ n, n N és ξ nemnegatív valószínűségi változók, melyekre L P ξ n ξ = 1 és Eξ n Eξ < +. Mutassuk meg, hogy ekkor ξ 1 n ξ Feladat. Legyenek ξ n, n N és ξ olyan valószínűségi változók, hogy Eξ 2 n < +, n N és Eξ 2 L < +. Mutassuk meg, hogy ha ξ 2 n ξ, akkor Eξn Eξ és Eξn 2 Eξ Feladat. Legyenek ξ n, n N és ξ olyan valószínűségi változók, hogy Eξn 2 < +, n N és Eξ 2 < +. Mutassuk meg, hogy ha Eξ n Eξ és D 2 ξ n ξ 0, akkor ξ. ξ n Feladat. Legyenek ξ n, n N olyan valószínűségi változók, hogy Eξn 2 < +, n N. Legyen továbbá c R. Mutassuk meg, hogy ha Eξ n c és D 2 ξ n 0, akkor L c és ξ 2 n c. ξ n Feladat. Legyen p 1 és tegyük fel, hogy ξ n, n N és ξ olyan valószínűségi változók, hogy E ξ n p < +, n N és E ξ p < +. i Mutassuk meg, hogy ha ξ n L p ξ, akkor E ξn p E ξ p. L ii Legyen p = 1. Mutassuk meg, hogy ha ξ 1 n ξ, akkor Eξn Eξ. Igaz-e ennek a megfordítása? Feladat. Legyenek X n, n N független valószínűségi változók, és tegyük fel, hogy X egy olyan valószínűségi változó, melyre X n X. Mutassuk meg, hogy X 1-valószínűséggel konans. 16

17 Feladat. Legyenek X n, n N független, azonos eloszlású valószínűségi változók, és tegyük fel, hogy X egy olyan valószínűségi változó, melyre X n X. Mutassuk meg, hogy létezik olyan c R, hogy P X n = c = P X = c = 1, n N Feladat. Bizonyítandó, hogy ha létezik olyan p > 0, mely esetén n=1 E ξ n p < +, akkor P ξ n 0 = Feladat. Legyenek ξ n, n N, és ξ valószínűségi változók, és ε n, n N, olyan valós számok, hogy ε n 0 és n=1 P ξ n ξ ε n < +. Bizonyítandó, hogy ekkor P ξ n ξ = Feladat. Bizonyítandó, hogy ha ξ n ξ és ξ n η, akkor P ξ = η = 1. Azaz a sztochasztikus konvergencia határértéke 1 valószínűséggel egyértelmű Feladat. Bizonyítandó, hogy ha ξ n ξ, η n η és P ξ = η = 1, akkor bármely ε > 0 esetén P ξ n η n ε Feladat. Bizonyítandó, hogy ha ξ n ξ és η n η, akkor ξ n ξ n η n ξη, és bármely a, b R esetén aξ n + bη n aξ + bη. ξ, Feladat. Mutassuk meg, hogy ha {ξ n : n N} sztochasztikusan korlátos, azaz valamint η n lim sup P ξ n > R = 0, R n 1 0, akkor ξ n η n Feladat. Bizonyítandó, hogy ha ξ n 0, és minden n N esetén P 0 ξ n+1 ξ n = 1, akkor P ξ n 0 = Feladat. Bizonyítandó, hogy ha ξ n ξ, η n P ξ n η n = 1, akkor P ξ η = Feladat. Legyen ξ és η valószínűségi változók esetén Bizonyítandók a következő állítások: ξ η dξ, η := E. 1 + ξ η η, és minden n N esetén a d egy metrikát határoz meg a P -majdnem mindenütt egyenlő valószínűségi változók ekvivalencia-osztályain. b ξ n ξ akkor és csak akkor, ha dξ n, ξ 0. Ezen állítás mondanivalója, hogy metrizáljuk a sztochasztikus konvergenciát. 17

18 2.3. Borel Cantelli-lemma és a nagy számok erős törvénye Feladat. Legyenek {ξ n : n N} olyan valószínűségi változók, melyekre P ξ n = 0 = 1 1 n 2, P ξ n = n 2 = P ξ n = n 2 = 1 2n 2. L Bizonyítandó, hogy ekkor P ξ n 0 = 1, Eξ n 0, de ξ 1 n Feladat. Bizonyítandó, hogy ha {ξ n : n N} független valószínűségi változók, akkor létezik olyan c R {, + }, hogy P lim sup ξ n = c n = 1, azaz lim sup n ξ n konans P -m.m Feladat. Legyenek {ξ n : n N} független valószínűségi változók, és {b n : n N} olyan pozitív valós számok, hogy b n +. Bizonyítandó, hogy létezik olyan c R {, + }, hogy ξ ξ n P lim sup n b n = c = Feladat. Legyenek {ξ n : n N} olyan valószínűségi változók, hogy P ξ n = 1 = p, P ξ n = 1 = 1 p, n N, ahol p 1/2. Legyen S n := ξ ξ n, n N. Bizonyítandó, hogy P {S n = 0 véges sok n-re} = Feladat. Legyenek {ξ n : n N} olyan független valószínűségi változók, hogy P ξ n = 1 = P ξ n = 1 = 1/2, n N. Legyen S n := ξ ξ n, n N. Bizonyítandó, hogy P {S n = 0 végtelen sok n-re} = Feladat. Legyen ξ egy valószínűségi változó. Bizonyítandó, hogy a következő állítások ekvivalensek: a E ξ < +, b bármely ε > 0 esetén n=1 P ξ nε < +, c létezik olyan ε > 0, hogy n=1 P ξ nε < Feladat. Legyenek {ξ n : n N} független, azonos eloszlású valószínűségi változók, hogy ξ 1 -nek létezik a várható értéke és az +. Mutassuk meg, hogy ekkor P lim n S n n = + = Feladat. Legyenek {ξ n : n N} független, azonos eloszlású valószínűségi változók, és tegyük fel, hogy E ξ 1 < +. Bizonyítandó, hogy ekkor 18

19 ξ a P lim n n = 0 = 1, n b P { ξ n > n véges sok n-re} = Feladat. Legyenek {ξ n : n N} független, azonos eloszlású valószínűségi változók, hogy E ξ 1 = +. Mutassuk meg, hogy a + n=1 P ξ n εn = + bármilyen ε > 0 esetén, ξ b P sup n = + n N = 1, n ξ c P lim sup n = + n = 1. n ξ d Igaz-e, hogy P lim n n = + = 1? n Feladat. Legyenek X n, n = 0, 1, 2,... független, azonos eloszlású valószínűségi változók, hogy P X 1 1 = 1. Tekintsük az alábbi,,,véletlen együtthatós, 0-középpontú, valós hatványsort: X n x n, x R. n=0 Jelölje R ezen hatványsor konvergenciasugarát. Mutassuk meg, hogy R 1-valószínűséggel konans, és R 0 vagy 1 lehet az X k -k közös eloszlásától függően. Mutassuk meg továbbá, hogy P R = 0 = 1 Eln X 1 = Feladat. Legyenek X n, n = 0, 1, 2,... független, az [1, 2] intervallumon egyenletes eloszlású valószínűségi változók. Tekintsük az alábbi,,véletlen együtthatós 0-középpontú, valós hatványsort: X n x n, x R. n=0 Mutassuk meg, hogy ezen hatványsor konvergenciasugara 1-valószínűséggel Feladat. Bizonyítandó, hogy ha {ξ n : n N} független, [0, 1]-en egyenletes eloszlású valószínűségi változók, akkor n 1/n P lim ξ k = 1 = 1. n e k= Feladat. Bizonyítandó, hogy ha g : [0, 1] R egy folytonos függvény, akkor 1 lim n g n x 1 x n dx 1... dx n = g 1. e 19

20 Feladat. Bizonyítandó, hogy 1 lim n Feladat. Mutassuk meg, hogy 1 1 [ lim n x1 + + x n f f n n x x 2 n x x n dx 1... dx n = 2 3. ] 1 dx 1 dx n = f ahol f : [0, 1] R kétszer folytonosan differenciálható függvény. 1, Feladat. Legyenek a, b és c páronként különböző valós számok. Határozzuk meg az + integrál értékét! e x+y+z sinax + by + cz x + y + z dzdydx Feladat. Legyenek {ξ n : n N} olyan független valószínűségi változók, melyekre valamely α < 1/2 esetén P ξ n = n α = P ξ n = n α = 1/2. Bizonyítandó, hogy ekkor P lim n 1 n n k=1 ξ k = 0 = Feladat. Legyen q N és legyenek {ε n } n=1 q független, azonos eloszlású valószínűségi változók, hogy E ε 1 < +. Legyenek α 0, α 1,..., α q R és legyen minden n N esetén ξ n := α 0 ε n + α 1 ε n α q ε n q. Bizonyítandó, hogy ekkor P lim n 1 n n ξ k = Eε 1 k=1 q α j = Feladat. Legyenek X n, n N valószínűségi változók, melyekre P X n = n 2 1 = 1 n 2, P X n = 1 = 1 1 n 2, n N. Mutassuk meg, hogy EX n = 0, n N, de P lim n S n n = 1 j=0 = 1. Ez a feladat arra mutat rá, hogy a nagy számok erős törvényében fontos az azonos eloszlásúság feltétele Feladat. Legyenek X n, n N független, azonos eloszlású valószínűségi változók, hogy EX1 2 < +. Mutassuk meg, hogy 1 n X i X j EX 1 2 P-m.m. 2 1 i<j n 20

21 Feladat. Legyenek X n, n N független valószínűségi változók, hogy P X n = n = P X n = n = 1 2n log n, P X n = 0 = 1 1 n log n, n N. Mutassuk meg, hogy S n n 0, azonban P S n n 0-hoz, P-majdnem mindenütt viszont nem Azaz, S n n sztochasztikusan tart 2.4. Borel Cantelli-lemma és határeloszlás-tételek Feladat. Bizonyítandó, hogy ha {ξ n : n N} független, λ paraméterű exponenciális eloszlású valószínűségi változók, akkor ξ n P lim sup n log n = 1 = 1. λ Feladat. Bizonyítandó, hogy ha {ξ n : n N} független, λ paraméterű exponenciális eloszlású valószínűségi változók, akkor ξ n P lim inf n log n = 0 = Feladat. Bizonyítandó, hogy ha {ξ n : n N} független, andard normális eloszlású valószínűségi változók, akkor ξ n P lim sup = 1 = 1. n 2 log n Feladat. Legyenek {ξ n : n N} független, [0, 1]-en egyenletes eloszlású valószínűségi változók. Bizonyítandó, hogy a {ξ n } n=1 sorozat torlódási pontjainak halmaza 1 valószínűséggel a [0, 1] intervallum Feladat. Legyen ξ 0, 1-paraméterű Cauchy-eloszlású valószínűségi változó, azaz 1 ξ sűrűségfüggvénye f ξ x =, x R. Mutassuk meg, hogy ξ karakterisztikus π1+x 2 függvénye φ ξ t = e t, t R Feladat. Legyenek ξ 1,..., ξ n független, 0, 1-paraméterű Cauchy-eloszlású valószínűségi változók. Mutassuk meg, hogy ξ 1+ +ξ n is 0, 1-paraméterű Cauchy-eloszlású. n Feladat. Legyenek ξ 1,..., ξ n független, N 0, 1-eloszlású valószínűségi változók. Mutassuk meg, hogy ξ 1+ +ξ n n is N 0, 1-eloszlású Feladat. Legyenek {ξ n : n N} független, Cauchy-eloszlású valószínűségi változók. Legyen minden n N esetén S n := ξ ξ n. Bizonyítandó, hogy S n P lim sup n n = S n = P lim inf n n = = 1. 21

22 Feladat. Legyenek X n, n N független, nemnegatív egész értékű valószínűségi változók. Mutassuk meg, hogy a n=1 X n sor akkor és csak akkor konvergens 1-valószínűséggel, ha n=1 P X n > 0 < Feladat. Legyen f : R R egy olyan differenciálható függvény, melyre f0 = 1, f és f seholsem nulla R-en. Legyen ξ 1 egy pozitív valószínűségi változó és minden n 1 esetén ξ n+1 = ξ n fξ n. Mutassuk meg, hogy n=1 ξ n 1-valószínűséggel divergens Feladat. Legyenek X n, n N független, azonos eloszlású nemnegatív valószínűségi változók úgy, hogy P X 1 > 0 > 0, azaz P X 1 = 0 < 1. Mutassuk meg, hogy P S n < x < +, x 0, n=1 ahol S n := X X n, n N Feladat. Legyenek X n, n N független, azonos eloszlású nemnegatív valószínűségi változók úgy, hogy P X 1 > 0 > 0, azaz P X 1 = 0 < 1. Mutassuk meg, hogy P S n x = +, x 0, n=1 ahol S n := X X n, n N Feladat. Legyenek {ξ n : n N} független, azonos eloszlású valószínűségi változók, hogy E ξ 1 =. Legyen minden n N esetén S n := ξ ξ n. Bizonyítandó, hogy S ekkor P lim sup n S n n = = 1 vagy P lim inf n n n = = 1 teljesül Feladat. Legyenek X n, n N független és azonos eloszlású valószínűségi változók, melyeknek közös eloszlása: P X 1 = 1 = p, P X 1 = 0 = 1 p, ahol p 0, 1. Legyen minden n N esetén { } sup k 1 : X n = X n+1 = = X n+k 1 = 1 ha X n = 1, R n := 0 ha X n = 0. Azaz R n az,,n-edik pozícióban kezdődő tiszta 1-es sorozat hossza. Mutassuk meg, hogy R n P lim sup n log n = 1 = 1. log p Feladat. Legyenek X n, n N független, azonos eloszlású valószínűségi változók, hogy P X 1 = 0 < 1 és EX 1 = 0. Ekkor P lim sup S n = + = P lim inf S n = = 1. n n Ez K. L. Chung és W. H. J. Fuchs egy tétele 1951-ből. Azonban, ha X i -k nem azonos eloszlásúak, akkor nem marad érvényben ez a tulajdonság. Adjunk erre egy ellenpéldát! 22

23 Feladat. Bizonyítandó, hogy ha ξ D n ξ és h : R R egy folytonos függvény, D akkor hξ n hξ Feladat. Legyenek {ξ n : n N} független, Cauchy-eloszlású valószínűségi változók. Bizonyítandó, hogy ekkor 1 lim P n n max ξ 0 ha x 0, k < x = 1 k n e 1/πx ha x > Karakterisztikus függvények, folytonossági tétel, gyenge konvergencia Feladat. Melyek karakterisztikus függvények az alábbiak közül: a 1 1+t 2, t R, b e t4, t R, c sint, t R, d co, t R, e 1+co 2, t R? Feladat. Legyen ξ andard normális eloszlású valószínűségi változó, η pedig m, σ 2 -paraméterű normális eloszlású valószínűségi változó, ahol m R, és σ > 0. Határozzuk meg ξ és η karakterisztikus függvényét! Feladat. Legyen ξ λ, p-paraméterű Γ-eloszlású valószínűségi változó, ahol λ > 0 és p > 0. Határozzuk meg ξ karakterisztikus függvényét! Feladat. Mutassuk meg, hogy két független, azonos eloszlású valószínűségi változó különbsége nem lehet a 1, 1 intervallumon egyenletes eloszlású Feladat. Mutassuk meg egy példával, hogy abból, hogy valószínűségi változók összegének karakterisztikus függvénye egyenlő a tagok karakterisztikus függvényeinek szorzatával, nem következik a tagok függetlensége Feladat. Legyen ξ az a, b intervallumon egyenletes eloszlású valószínűségi változó. Határozzuk meg ξ karakterisztikus függvényét! Feladat. Interpretáljuk karakterisztikus függvények segítségével a sin t = sin t 2 t cos, t 0, t R azonosságot! t 2 t 2 23

24 Feladat. Bizonyítsuk be valószínűségszámítási úton, hogy sin t t = + k=1 t cos, t 0, t R. 2 k Feladat. Határozzuk meg valószínűségszámítási úton a következő integrál értékét: + 2 sin ν cos2xν dν, x R, ν ahol sin 0 0 := Feladat. Legyen minden n N esetén ξ D n = Binn, p n, ahol np n λ 0, + és p n 0, 1, n N. Mutassuk meg, hogy ξ D n Poisλ, ha n Feladat. Legyen minden n N esetén ξ n D = Binn, p n, ahol p n p 0, 1, és p n 0, 1, n N. Mutassuk meg, hogy ξ n np n npn 1 p n D N 0, 1, ha n Feladat. Legyen minden λ 0, + esetén ξ λ D = Poisλ. Mutassuk meg, hogy ξ λ λ λ D N 0, 1, ha λ Feladat. Mutassuk meg, hogy bármilyen y R esetén eiy 1 iy + y2 y Feladat. Legyenek X n, n N független, azonos eloszlású valószínűségi változók, melyeknek közös eloszlásfüggvényét jelölje F. Legyen M n := max{x 1,..., X n }, n N. Az M n, n N valószínűségi változók n + aszimptotikus viselkedése az F x eloszlásfüggvény,,felső farkának aszimptotikájától függ. Bizonyítsuk be az alábbi határeloszláételeket. i Ha minden x R esetén F x < 1 és lim x x α 1 F x = b valamely rögzített α, b 0, + konansokkal azaz 1 F x x α, amint n +, akkor n 1 α M n eloszlásban konvergál egy olyan valószínűségi változóhoz, aminek eloszlásfüggvénye { e bx α ha x > 0, 0 ha x 0. Az, hogy F x < 1, x R ott jön be, hogy b > 0. 24

25 ii Ha minden x R esetén F x < 1 és lim x e λx 1 F x = b valamely rögzített λ, b 0, + konansokkal azaz 1 F x e λx, amint n +, akkor M n log n λ eloszlásban konvergál egy olyan valószínűségi változóhoz, aminek eloszlásfüggvénye exp{ be λx }, x R. Az, hogy F x < 1, x R egyrészt ott jön be, hogy b > 0, másrészt, pedig, ha b = 0 lenne, akkor nem kapnánk eloszlásfüggvényt Feladat. Tekintsünk egy érmét, melyet, ha feldobunk, akkor p valószínűséggel esik a fej, ill. 1 p valószínűséggel az írás oldalára. Egymás után dobáljuk ezt az érmét, és jelölje N az ahhoz szükséges dobások számát, hogy megjelenjen a dobássorozatban a k-adik fej, ahol k N rögzített. Mutassuk meg, hogy 2Np D Γk, 1, amint p Feladat. Legyenek ξ n, n N és ξ abszolút folytonos valószínűségi változók, f n, n N, illetve f sűrűségfüggvényekkel. Tegyük fel, hogy lim n f n x = fx majdnem minden x R esetén. Mutassuk meg, hogy ξ D n ξ Feladat. Adjunk példát olyan abszolút folytonos ξ n, n N és ξ valószínűségi változókra ξ is abszolút folytonos, hogy ξ D n ξ, de f ξn x nem tart f ξ x-hez egyetlen olyan x R pontban sem, ahol f ξ x > 0. Ez a feladat arra példa, hogy az Feladat megfordítása nem igaz Feladat. Bizonyítsuk be, hogy ha az F n, n N eloszlásfüggvények sorozatára fennáll, hogy F n x Φx, x R, ahol Φx, x R tetszőleges folytonos eloszlásfüggvény, akkor bármilyen x n x R sorozat esetén F n x n Φx, ha n +. A bizonyításban azt nem használjuk ki, hogy Φ eloszlásfüggvény, csak azt, hogy folytonos. Ez ott lehet érdekes, ahol Φ konans Feladat. Legyenek ξ n, n N és ξ valószínűségi változók, hogy ξ n D ξ. Mutassuk meg, hogy bármilyen x n + sorozat esetén F ξn x n 1, illetve bármilyen x n sorozat esetén F ξn x n Feladat. Tegyük fel, hogy a Z n, n N valószínűségi változó sorozatnak van határeloszlása, melyet Z-vel fogunk jelölni, azaz Z D n Z, ha n. Legyen g : R R egy folytonos függvény. Mutassuk meg, hogy lim n EgZ n létezéséből nem következik, hogy lim EgZ n = EgZ. n Azaz abban a tételben, ami a gyenge konvergencia átfogalmazásairól szól fontos a korlátosság feltétele is. Ha g korlátos is lenne, úgy már igaz lenne a dolog Centrális határeloszlás-tétel Feladat. Legyen adott egy {X n,k : n N, k = 1,..., n} háromszögrendszer. Mutassuk meg, hogy az alábbi állítások ekvivalensek: 25

26 i az {X n,k : n N, k = 1,..., n} háromszögrendszer infinitezimális, ii tetszőleges k n N, 1 k n n sorozatra teljesül, hogy X n,kn iii tetszőleges t R esetén ahol φ n,k t = Ee itx n,k, t R, lim max φ n,kt 1 = 0, n 1 k n 0, ha n +, iv lim max E Xn,k = 0. n 1 k n 1 + X n,k Feladat. Legyen adott egy {X n,k : n N, k = 1,..., n} háromszögrendszer. Tegyük fel, hogy EX n,k = 0, EXn,k 2 < +, n N, 1 k n, és lim max n 1 k n D2 X n,k = 0. Mutassuk meg, hogy az {X n,k : n N, k = 1,..., n} háromszögrendszer infinitezimális Feladat. Legyenek X k, k N független, azonos eloszlású valószínűségi változók, hogy EX 1 = 0, EX 2 1 < + és σ := D 2 X 1 > 0. Mutassuk meg, hogy { Xk infinitezimális háromszögrendszer. σ n : n N, 1 k n } Feladat. Legyenek {ξ n : n N} olyan független valószínűségi változók, melyekre minden n N esetén ξ D n = N 0, 2 n. Legyen S n := ξ ξ n. Bizonyítandó, hogy ekkor S n ES n D N 0, 1, ha n, D2 S n de nem teljesül a Lindeberg-feltétel Feladat. Minden n N esetén legyenek {X n,k : k = 1,..., n} olyan független valószínűségi változók, hogy EX n,k = 0 és tegyük fel, hogy létezik olyan δ > 0, hogy minden n N, k = 1,..., n esetén E X n,k 2+δ < +, valamint lim n 1 D 2+δ n n E X n,k 2+δ = 0, k=1 ahol D n := n k=1 D2 X n,k. Ez utóbbi az ún. Ljapunov-feltétel. Bizonyítandó, hogy ekkor S n ES n D N 0, 1, ha n, D2 S n ahol S n := X n,1 + + X n,n. 26

27 Feladat. Legalább hányszor kell dobni egy szabályos érmével, hogy a fejek számának relatív gyakorisága legalább 0.95 valószínűséggel 0.1-nél kevesebbel térjen el a valószínűségtől 1/2-től? A központi határeloszlás tétel segítségével oldjuk meg a feladatot! Feladat. Legyenek ξ n 1, ξ n 2,..., ξ n n, n N független, azonos eloszlású valószínűségi változók, hogy P ξ n j Határozzuk meg az = n = P ξ n j = n = 1 2n, P ξn η n := ξn ξ n n, n N, nd 2 ξ n 1 valószínűségi változó sorozat határeloszlását, amint n. j = 0 = n 1, j = 1,..., n. n Feladat. Legyenek a ξ n, n N sorozat elemei q n -paraméterű geometriai eloszlású valószínűségi változók, ahol q n 0, ha n +. Határozzuk meg az η n := q n ξ n, n N valószínűségi változó sorozat határeloszlását! Feladat. Legyenek X n, n N független, azonos eloszlású valószínűségi változók, hogy P X 1 = 1 = P X 1 = 1 = 1 4, P X 1 = 0 = 1 2. Mutassuk meg a karakterisztikus függvények módszerével, hogy lim P X1 + + X n < x = 1 x e u2 du, x R. n n π Feladat. Adjunk példát olyan ξ k, k N független valószínűségi változókra, melyekre nem teljesül a centrális határeloszlás tétel! Mi áll az ilyen példák hátterében? 2.7. Feltételes várható érték és martingálok Feladat. Legyen Ω, A, P egy valószínűségi mező és X olyan valószínűségi változó, hogy E X < + és F A olyan rész-σ-algebra, hogy F független σx-től. Létezik-e olyan c R, melyre P EX F = c = 1? Feladat. Legyen Ω, A, P egy valószínűségi mező. Létezik-e olyan X valószínűségi változó, hogy E X < + és F A rész-σ-algebra, hogy X L 1 -normája kisebb, mint EX F L 1 -normája? Feladat. Mutassuk meg, hogy a {ξ n : n N} sztochasztikus folyamat akkor és csak akkor martingál, ha i {ξ n : n N} adaptált az {F ξ n, n N} filtrációra nézve, 27

28 ii E ξ n < +, n N, iii Eξ n+1 F ξ n = ξ n P -m.m., n N Feladat. Legyenek X n, n N független, nemnegatív valószínűségi változók, melyek ugyanazon a valószínűségi mezőn vannak definiálva és EX n = 1, n N. Igaz-e, hogy M n := n i=1 X i, n N martingál az F n := σx i, i = 1,..., n, n N filtrációra nézve? Feladat. Legyen Ω, A, P := [0, 1], B[0, 1], λ, ahol λ a Lebesgue-mérték [0, 1]-en. Legyen f : Ω R egy Borel-mérhető függvény. Határozzuk meg f-nek a {[0, 1/3, [1/3, 2/3, [2/3, 1]} partíció által generált σ-algebrára vonatkozó feltételes várható értékét! Feladat. Legyen X, Y egyenletes eloszlású valószínűségi változó a D := {x, y R 2 : x 2 + y 2 1} egységkörlapon. Határozzuk meg az EX 4 Y feltételes várható értéket! Feladat. Legyenek X, Y és Z független exponenciális eloszlású valószínűségi változók λ > 0, µ > 0, illetve ν > 0 paraméterekkel. A feltételes várható érték tulajdonságait használva határozzuk meg a P X < Y < Z valószínűséget! Feladat. Legyenek X 1, X 2,... független, azonos eloszlású valószínűségi változók, hogy P X 1 = 1 = P X 1 = 1 = 1 2. Legyen S n := X X n, n 0 és S 0 := 0. Ekkor S n felfogható a számegyenes egész koordinátájú pontjain szimmetrikusan bolyongó részecske helyzetének az n. lépés után. Mutassuk meg, hogy a {S n, n 0} martingál, b {S 2 n n, n 0} martingál, c {e Sn cosh1 n, n 0} martingál, { } d cosλsn a, n 0 martingál a σs cosλ n 0, S 1,..., S n, n 0, filtrációra nézve, ahol a, λ R, hogy cosλ 0, e { n i=1 S i 1 3 S3 n, n 0} martingál a σs 0, S 1,..., S n, n 0, filtrációra nézve! Feladat. Legyen {X n : n N} egy olyan sztochasztikus folyamat, melyre E X n < +, n N és {F n, n N} egy olyan rész-σ-algebra sorozat, hogy F n F n+1, n N. Mutassuk meg, hogy ha EX n+1 F n = X n, n N, akkor {X n : n N} martingál a természetes filtrációjára nézve. 28

29 Feladat. Adott a síkon egy háromszög. Vegyünk fel az oldalain egy-egy pontot véletlenszerűen, egymáól függetlenül, majd az általuk meghatározott háromszöget nagyítsuk a kétszeresére. Az új háromszöggel ismételjük meg az eljárá, és így tovább. Jelölje T n az n-edik lépésben kapott háromszög területét. Mutassuk meg, hogy {T n : n 0} martingál, ahol T 0 a megadott háromszög területét jelöli Feladat. Legyenek X 1, X 2,... független 1 paraméterű exponenciális eloszlású valószínűségi változók, S n := X X n, n 1 és Fn X := σx 1,..., X n, n 1. Mutassuk meg, hogy { n!e S n } 1 + S n, n 1 n+1 martingál az {F X n, n 1} filtrációra nézve Feladat. Tekintsünk egy egérkét, aki a sík egész koordinátájú pontjain szimmetrikusan bolyong oly módon, hogy a 0, 0-ból indul és minden egész koordinátájú pontból ennek mind a 4 lehetséges egész koordinátájú szomszédjába 1/4 valószínűséggel ugorhat. Jelölje S n az egérke helyzetét az n. lépés után S 0 = 0, 0. Mutassuk meg, hogy { } S n 2 n, n 0 martingál, ahol x := x x 2 2, x = x 1, x 2 R Feladat. Tekintsünk egy egérkét, aki a számegyenes egész koordinátájú pontjain szimmetrikusan bolyong oly módon, hogy a 0-ból indul és minden egész koordinátájú pontból ennek mind a két lehetséges egész koordinátájú szomszédjába 1/2 valószínűséggel ugorhat. Jelölje S n az egérke helyzetét az n. lépés után S 0 = 0. Mutassuk meg, hogy minden t [0, 1 esetén { Y n := t n Sn 1 + } 1 t 2 Sn, n 0 martingál Feladat. Legyenek X 1, X 2,... független azonos eloszlású valószínűségi változók, hogy P X 1 = 2 = 1 3, P X 1 = 2 = 1 2, P X 1 = 4 = 1 6. Legyen S n := X X n, n 0 és S 0 = 0. i ES n =?, D 2 S n =?, ii A nagy számok erős törvénye alapján mit mondhatunk az {S n, n 0} sorozatról? iii Keressük meg az összes olyan θ R értéket, melyre {e θs n, n 0} martingál az F n := σs i, 0 i n, n 0 filtrációra nézve! 29

30 Feladat. Legyenek X n, n N, független valószínűségi változók 1 2n 1 valószínűséggel, X n = 0 1 n 1 valószínűséggel, 1 2n 1 valószínűséggel. Legyen Y 1 := X 1, és n 2 esetén, { Xn ha Y n 1 = 0, Y n := ny n 1 X n ha Y n 1 0. Mutassuk meg, hogy Y n n N martingál! Mutassuk meg, hogy Y n sztochasztikusan konvergál 0-hoz, ha n Feladat. Legyenek Z n n N független valószínűségi változók, hogy n a 2 n valószínűséggel, 2 Z n = 0 1 n 2 valószínűséggel, n a 2 n valószínűséggel, 2 ahol a 1 := 2 és a n := 4 n 1 j=1 a j, n 2. Mutassuk meg, hogy Y n := n j=1 Z j, n 1, martingál! Mutassuk meg, hogy az Y := lim n Y n határérték 1 valószínűséggel létezik, noha nem létezik olyan M R, melyre E Y n M minden n N esetén Feladat. Legyenek X, Y : Ω R valószínűségi változók, melyekre E X < +, E Y < +. Tegyük fel, hogy EX Y = Y és EY X = X. Mutassuk meg, hogy P X = Y = 1! Feladat. Teljes szórásnégyzet tétele Legyenek X és Y valószínűségi változók, hogy EX 2 < +. Mutassuk meg, hogy VarX = EVarX Y + VarEX Y Feladat. Adjunk példát olyan ξ és η valószínűségi változókra, hogy Eξ η konans 1-valószínűséggel, de ξ és η nem függetlenek Feladat. Legyenek X n, n N, független, azonos eloszlású, pozitív valószínűségi változók F közös eloszlásfüggvénnyel, hogy E X 1 = EX 1 < +. Ekkor X n, n N-re gondolhatunk úgy, mint egy termékre vonatkozóan az egymá követő árajánlatok. Legyen A > 0 rögzített és N := min{k 1 X k A}. Legyen α := P X 1 A és tegyük fel, hogy α 0. i Mutassuk meg, hogy P N < + = 1. 30

31 ii Mutassuk meg, hogy + EX N = α 1 x df x = EX 1 X 1 A. A Interpretáció: az veheti meg a terméket, akinek árajánlata először nagyobb vagy egyenlő, mint A, és X N a,,nyertes árajánlat. iii Feltételezve, hogy a közös eloszlás λ > 0 paraméterű exponenciális eloszlás, mutassuk meg, hogy EX N = A + 1/λ. Azaz ekkor EX N = A + EX 1. iv Mutassuk meg, hogy X N és N függetlenek! 2.8. Többdimenziós normális eloszlás Feladat. Legyen k N és tekintsünk egy k-dimenziós normális eloszlású ξ valószínűségi változót, melynek várható érték vektora m R k és kovariancia mátrixa D. Ismert, hogy ha D nemelfajult, azaz detd 0, akkor ξ abszolút folytonos és sűrűségfüggvénye f ξ x = 1 2π k/2 detd exp { 1 2 D 1 x m, x m }, x R k. Legyen a továbbiakban k = 2, m R 2 és D egy 2 2-es invertálható kovarianciamátrix. Írjuk fel f ξ -t ξ koordinátái várható értékeinek, szórásainak és korrelációs együtthatójának függvényeként mátrix műveletek nélküli alakban! Feladat. Legyen ξ = ξ 1, ξ 2 egy 2-dimenziós normális eloszlású valószínűségi változó m R 2 várható érték vektorral és D invertálható kovarianciamátrixxal. Határozzuk meg ξ 1 -nek a ξ 2 = x 2 feltételre vonatkozó feltételes eloszlását, ahol x 2 R Feladat. Adjunk példát olyan ξ, η 2-dimenziós valószínűségi vektorváltozóra, melynek koordinátái normális eloszlásúak, de ξ, η nem normális eloszlású Feladat. Legyen X 1, X 2, X 3, X 4 4-dimenziós normális eloszlású valószínűségi változó, melynek várható érték vektora m := 10, 0, 10, 1 és kovariancia mátrixa D := Ellenőrizzük le, hogy X 1, X 2, X 3, X 4 abszolút folytonos eloszlású és határozzuk meg a sűrűségfüggvényét! 31

32 Feladat. Legyen X, Y, Z 3-dimenziós normális eloszlású valószínűségi változó, melynek sűrűségfüggvénye { 3 fx, y, z := exp 1 } 2x 2 + 4y 2 2yz z + 5 2, 16π3/2 8 x, y, z R. Határozzuk meg X, Y, Z kovariancia mátrixát! Feladat. Ledobunk a [ 1, 1] intervallumra egymáól függetlenül, egyenletes eloszlás szerint 2700 db pontot. Adjunk jó közelítő becslé egy andard normális eloszlááblázat segítségével annak a valószínűségére, hogy a kapott pontok értékeinek az összege nagyobb, mint 15, és négyzetösszege nagyobb, mint 880. A feladat úgy értendő, hogy annak a valószínűségét kell kiszámítani, hogy mind a két esemény bekövetkezik Feladat. Legyenek ξ 1,..., ξ n független normális eloszlású valószínűségi változók ugyanazzal a várható értékkel és szórásnégyzettel azaz ξ 1,..., ξ n azonos eloszlásúak is. Mutassuk meg, hogy ξ := 1 n n k=1 ξ k és ξ 1 ξ,..., ξ n ξ függetlenek, továbbá, hogy ξ 1 ξ,..., ξ n ξ eloszlása nem függ ξ 1,..., ξ n közös várható értékétől Feladat. Legyen X, Y, Z egy 3-dimenziós normális eloszlású valószínűségi változó, melynek 0 várható érték vektora és kovarianciamátrixa a következő alakú 1 ρ 1 ρ 3 D = ρ 1 1 ρ 2, ρ 3 ρ 2 1 ahol ρ 1 = corrx, Y, ρ 2 = corry, Z és ρ 3 = corrx, Z. Mutassuk meg, hogy P X > 0, Y > 0, Z > 0 = arc sinρ 1 + arc sinρ 2 + arc sinρ 3. 4π Mivel ρ i 1, i = 1, 2, 3, kapjuk, hogy arc sinρ i, i = 1, 2, 3, értelmezett Feladat. Minden p N esetén legyen ξ p egy p-dimenziós andard normális eloszlású valószínűségi változó, vezessük be továbbá tetszőleges a R p esetén a H p a := E ξ p + a jelölé. Mutassuk meg, hogy p > 1 esetén i H p a = p 1 0 a r p 2 H r r 2 p 2 dr, ii ahol λ := p i=1 a2 i. H p a = e λ 2 H1 0 r=0 r λ π 1 p+2r p + 2r 1!! 2 2 p + 2r 2!!, 32

33 3. Valószínűségszámítás 2. felmérő feladatsorok év példái Feladat. Legyenek {ξ n : n N} valószínűségi változók. Bizonyítandó, hogy a következő halmaz esemény: {ω Ω : lim ξ n ω}. n Feladat. Legyenek ξ és η független, andard normális eloszlású valószínűségi változók. Mutassuk meg, hogy ξ 2 + η 2 exponenciális eloszlású 1 2 paraméterrel Feladat. Bizonyítandó, hogy ha {ξ n : n N} független, λ paraméterű exponenciális eloszlású valószínűségi változók, akkor lim P n min ξ 1 e λx ha x > 0, k < x = n 1 k n 0 ha x Feladat. Bizonyítandó, hogy ha ξ n tart ξ-hez sztochasztikusan, illetve ha η n tart η-hoz sztochasztikusan, akkor tetszőleges a, b R esetén aξ n + bη n tart aξ + bη-hoz sztochasztikusan Feladat. Legyen minden n N esetén P n az a valószínűségi mérték [0, 1]-en, mely 1 i 1 súlyt helyez az, i = 1,, n pontok mindegyikébe. Mutassuk meg, hogy P n n n gyengén konvergál a [0, 1]-en értelmezett Lebesgue-mértékhez év példái Feladat. 2003, II./A1 Bizonyítandó, hogy ha ξ n ξ és ξ n η sztochasztikusan, akkor P ξ = η = Feladat. 2003, II./A2 Legyenek ξ és η független valószínűségi változók P ξ = k = P η = k = p1 p k, k = 0, 1,... eloszlással. Bizonyítandó, hogy tetszőleges n = 0, 1,... és k = 0, 1,..., n esetén P ξ = k ξ + η = n = 1 n Feladat. 2003, II./A3 Legyenek {ξ n : n N} független, azonos eloszlású valószínűségi változók, és tegyük fel, hogy E ξ 1 < +. Bizonyítandó, hogy P { ξn > n véges sok n N-re } = Feladat. 2003, II./A4 Bizonyítandó, hogy ha minden n N esetén ξ n binomiális eloszlású n, p n paraméterekkel, p n 0, 1, n N és p n p 0, 1, akkor ξ n np n eloszlásban konvergál a andard normális eloszláshoz, amint n. npn1 p n 33

34 Feladat. 2003, II./B1 Bizonyítandó, hogy ha ξ n ξ, η n η sztochasztikusan és P ξ = η = 1, akkor bármely ε > 0 esetén P ξ n η n ε Feladat. 2003, II./B2 Legyenek ξ 1,..., ξ n független valószínűségi változók, Eξ k = 0, Eξk 2 = 1 és Eξ4 k < +, ha k = 1,..., n. Legyen S n := ξ ξ n. Bizonyítandó, hogy ESn 3 = n k=1 Eξ3 k és ES4 n = n k=1 Eξ4 k + 3kk Feladat. 2003, II./B3 Legyenek {ξ n : n N} független, azonos eloszlású valószínűségi változók, és tegyük fel, hogy E ξ 1 < +. Bizonyítandó, hogy P { lim n ξ n n = 0} = Feladat. 2003, II./B4 Bizonyítandó, hogy ha minden λ 0, + esetén ξ λ Poisson eloszlású λ paraméterrel, akkor ξ λ λ λ eloszlásban konvergál a andard normális eloszláshoz, amint λ év példái Feladat. 2004, I./A1 Legyenek X és Y független, azonos eloszlású valószínűségi változók, közös sűrűségfüggvényük fx := 1 2 e x, x R. Határozzuk meg X + Y sűrűségfüggvényét! Feladat. 2004, I./A2 Mutassuk meg, hogy ha ξ n tart sztochasztikusan ξ- hez, η n tart sztochasztikusan η-hoz és P ξ = η = 1, akkor minden ε > 0 esetén P ξ n η n ε Feladat. 2004, I./A3 Mutassuk meg, hogy ha {ξ n : n N} sztochasztikusan korlátos, azaz lim P ξ n > R = 0, sup R n 1 valamint η n tart sztochasztikusan 0-hoz, akkor ξ n η n tart sztochasztikusan 0-hoz Feladat. 2004, I./A4 Legyenek ξ n, n N valószínűségi változók és p > 0 olyan, hogy n=1 E ξ n p < +. Mutassuk meg, hogy P ξ n 0 = Feladat. 2004, I./B1 Legyenek X és Y független, a [ 1/2, 1/2] intervallumon egyenletes eloszlású valószínűségi változók. Határozzuk meg X + Y sűrűségfüggvényét! Feladat. 2004, I./B2 Mutassuk meg, hogy ha ξ n tart sztochasztikusan ξ- hez, η n tart sztochasztikusan η-hoz, akkor tetszőleges a, b R esetén aξ n + bη n tart sztochasztikusan aξ + bη-hoz Feladat. 2004, I./B3 Legyen c n, n N egy konvergens valós számsorozat, ν n, n N pedig pozitív egész értékű valószínűségi változók sorozata, hogy P ν n = 1. Mutassuk meg, hogy c νn tart sztochasztikusan a c n, n N sorozat határértékéhez. 34