Segunda Prueba de Procesos Estocásticos

Profesor: Raúl Fierro P.

Estudiante: Luis Arce G.

En lo que sigue, (Ω, F, P) denota un espacio de probabilidad sobre el cual están definidos los
procesos y variables aleatorias.

Problema 1 Para cada n ∈ N sea xn ∶ [0, 1] → R la sucesión definida, para todo t ∈ [0, 1], por
recurrencia como x0 (t) ≡ 0 y
t
xn (t) = 1 − ∫ xn−1 (s)2 ds, n ≥ 1.
0

Demuestre que

(1.1) para todo n ∈ N, xn es continua,

Demostración. Procederemos por inducción. Es claro que si n = 0 se cumple la continuidad. Supon-

gamos que xn es continua, por demostrar que xn+1 es continua. Luego,
t
xn+1 = 1 − ∫ xn (s)2 ds, n ≥ 1.
0

Como xn es continua por hipótesis, es integrable, por lo tanto, xn+1 es continua.

(1.2) el conjunto A = {xn ∶ n ∈ N} es relativamente compacto en C([0, 1], R) ,

Demostración. Sea At = {xn (t); xn ∈ A}. Por teorema de Arzelá-Ascoli, basta probar que A es
equicontinuo y At es relativamente compacto. Para probar la equicontinuidad, notemos que x′n (t) =
−x2n−1 (t) y que el conjunto {x′n (t) ∶ xn ∈ A} es acotado. Por lo tanto, A es equicontinuo. Para probar
que At es relativamente compacto, basta pedir que para todo t ∈ [0, 1] At sea acotado. Observemos
que [0, 1] es conexo, por lo tanto es suficiente pedir que exista un t ∈ [0, 1] tal que la condición se
cumpla. Si tomamos t = 0, entonces es claro que A0 = {xn (0) ∶ xn ∈ A} es acotado, por lo tanto A es
relativamente compacto.

(1.3) existe x ∶ [0, 1] → R continua y una subsucesión (xnk ; k ∈ N) de (xn ; n ∈ N) tal que

lı́m sup ∣xnk (t) − x(t)∣ = 0.

k→∞ 0≤t≤1

Demostración. Por (1.2), tenemos que A es relativamente compacto, es decir, que para toda sucesión
existe una subsucesión convergente. Supongamos que xnk (t) → x(t). Como las xn son continuas
entonces xn (t) → x(t) puntualmente. Además, como (xn (t) ∶ n ∈ N) es monótona y tienen dominio
compacto, por teorema de Dini xnk → x(t) uniformemente.

Problema 2 Sea (Tn ; n ∈ N) la sucesión de instantes de salto de un proceso de Poisson estándar

(homogéneo de tasa 1).
 (2.1) Determine la densidad conjunta de T1 , T3 , . . . , T2n−1 , T2n+1 dado que T2n+2 = t
(n ∈ N ∖ {0}, t > 0),

P(T1 = t1 , T3 = t3 , ..., T2n+1 = t2n+1 ∣T2n+2 = t)

= P(T1 = t1 , T3 = t3 , ..., T2n+1 = t2n+1 , T2n+2 = t)/P(Nt = 2n + 2)
= P(X1 = t1 , X3 = t3 − t1 , ..., X2n+1 = t2n+1 − t2n−1 , X2n+2 > t − t2n+1 )/P(Nt = 2n + 2)
= P(X1 = t1 )P(X3 = t3 − t1 )⋯P(X2n+1 = t2n+1 − t2n−1 )P(X2n+2 > t − t2n+1 )/P(Nt = 2n + 2)
= e−t1 e−(t3 −t1 ) ⋯e−(t2n+1 −t2n−1 ) e−(t−t2n+1 ) /[t2n+2 e−t /(2n + 2)!]
= (2n + 2)!/t2n+2

Luego, la densidad conjunta es (2n + 2)!/t2n+2 .

(2.2) determine sucesiones (αn ; n ∈ N) y (βn ; n ∈ N) de modo que la sucesión

n
(αn ( ∑ Tk − βn ) ; n ∈ N)
k=1

converja en distribución hacia una variable aleatoria normal de media cero y varianza uno.

Como (Tn ∶ n ∈ N) es una sucesión de variables independientes identicamente distribuidas con

distribución exponencial de parametro λ = 1, sabiendo que la media es µ = 1 y varianza σ 2 = 1,
√
tomamos αn = 1/ n y βn = 1, por corolario 8 apunte V, curso de probabilidades tenemos que
n
1
( √ ( ∑ Tk − 1) ; n ∈ N)
n k=1

converge en distribución a una variable aleatoria normal de media cero y varianza 1.

(2.3) calcule P(Nt = k) para todo k ∈ N, donde N = ∑∞

n=1 IJT2n ,∞J .

Sea N ′ = ∑∞
n=1 = IJTn ,∞J , luego

t2k e−t
P(Nt = k) = P(Nt′ = 2k) = .
(2k)!

Tiempo: 48 horas. Fecha: 1 y 2 de diciembre de 2018.