UNIVERSIDAD NACIONAL DE COLOMBIA FACULTAD DE CIENCIAS

Teorı́a a de Procesos Estocásticos-Primer Semestre 2023

Hoja de Ejercicios # 5

1. Let {Xn ; n ≥ 0} be a martingale (supermartingale) with respect to the filtration (ℑn )n≥0 . Prove that

E (Xn+k | ℑn ) = Xn (≤ for supermantingale)

for all k ≥ 0.

2. Let {Xn ; n ≥ 0} be a martingale with respect to the filtration (ℑn )n≥0 and assume f to be a convex
function. Prove that {f (Xn ); n ≥ 0} is a submartingale with respect to the filtration (ℑn )n≥0 .
3. If {Xt ; t ≥ 0} is a martingale with respect to (ℑt )t≥0 and if h : R −→ R is a convex function such that
E (|h (Xt )|) < ∞ for all t ≥ 0, show that {h (Xt ) ; t ≥ 0} is a submartingale with respect to (ℑt )t≥0 .

4. Let ξ1 , ξ2 , · · · be i.i.d. random variables, such that P (ξn = 1) = p and P (ξn = −1) = 1 − p for some p
in (0, 1). Prove that {Mn ; n ≥ 0} with

M0 : =1
n
 P ξ
1 − p i=1 i
Mn : =
p

is a martingale with respect to (ℑn )n≥0 , where ℑ0 = {∅, Ω} and ℑn = σ (ξ1 , ξ2 , · · · , ξn ) for n ≥ 1.
5. Let X1 , X2 , · · · be a sequence of i.i.d. random variables satisfying
   
3 1 1
P X1 = = P X1 = = .
2 2 2

Let M0 := 0, Mn := X1 X2 · · · Xn and ℑn = σ (X1 , X2 , · · · , Xn ). Is {Mn ; n ≥ 0} a martingale with

respect to (ℑn )n≥0 ? Explain.
6. Let X1 ,
X2 , · · · be a sequence of random variables such that E (Xn ) = 0 for all n = 1, 2, · · · and suppose
E eXn exists for all n = 1, 2, · · · .
 n 
P
a) Is the sequence {Yn ; n ≥ 1} with Yn := exp Xi a submartingale with respect to (ℑn )n≥1 ,
i=1
where ℑn = σ (X1 , X2 , · · · , Xn ) for n ≥ 1? Explain.
 n

P
b) Find (if possible) constants αn such that the sequence {Zn ; n ≥ 1} with Zn := exp Xi − αn
i=1
is a martingale with respect to (ℑn )n≥1 , where ℑn = σ (X1 , X2 , · · · , Xn ) for n ≥ 1.
7. (Doob’s descomposition) Let {Yn ; n ≥ 0} be a submartingale with respect to the filtration (ℑn )n≥0 .
Show that
X n
Mn = Y0 + (Yn − E (Yn | ℑn−1 ))
k=1

for n = 1, 2, · · · is a martingale with respect to (ℑn )n≥0 and that the sequence An := Yn − Mn , n =
1, 2, · · · , satisfies 0 ≤ A1 ≤ A2 ≤ · · · . Is An measurable with respect to ℑn−1 ? Explain.
8. Let {Xn ; n ≥ 1} be the independent random variables with E[Xn ] = 0 and V ar(Xn ) = σ 2 for all n ≥ 1.
Set M0 = 0 and Mn = Sn2 − nσ 2 , where Sn = X1 + X2 + · · · + Xn . Is {Mn ; n ≥ 1} a martingale with
respect to the sequence Xn ?
 9. Let {Nt ; t ≥ 0} be a Poisson process with rate λ and {ℑt ; t ≥ 0} is a filtration associated with Nt .
Write down the conditional distribution of Nt+s − Nt given ℑt , where s > 0, and use your answer to
find E[θNt−s | ℑs ].
10. Let X1 , X2 , · · · be independent random variables such that
 1 −2
 an with probability n

2

Xn = 0 with probability 1 − n−2


 −a 1 −2
with probability
n n ,
2
Pn−1 Pn
where a1 = 2 and an = i=1 ai . Is Yn = i=1 Xi a martingale?
Pn
11. Let Sn = a + i=1 Xi be a symmetric random walk. The walk stops at the earliest time T when it
reaches either of the two positions 0 or N and 0 < a < N . Show that
n
X 1
Mn = Sj − Sn3
j=0
3
P 
n 1


is a martingale and deduce that E j=0 Sj = 3 N 2 − a2 a + a.

12. Consider the simple symmetric random walk model Yn = X1 + X2 + . . . + Xn with Y0 = 0, where the
steps Xi ’s are independent and identically distributed with P [Xk = 1] = 1/2 and P [Xk = −1] = 1/2
for all k. Let T := inf {n : Yn = −1} denote the hitting time of −1. We know that P [T < ∞] = 1.
sYn 2
Show that if s > 0, then Mn := [ϕ(s)] n with M0 = 1 is a martingale, where ϕ(s) := (s + 1)/2s.

13. Supóngase que (Yn )n≥1 es una sucesión de variables aleatorias independientes e igualmente distribuidas
con distribución normal con media 0 y varianza σ 2 . Sea

X0 : =1
 
n
X n
Xn : = exp  Yj − σ 2 
j=1
2

a. ¿Es (Xn )n≥0 una martingala?. Explicar.

14. Sea (Yn )n≥1 una sucesión de variables aleatorias independientes e igualmente distribuidas con distri-
bución uniforme sobre [−1, 1] . Supóngase que:

Sn : = Y1 + Y2 + · · · + Yn , n ≥ 1
S0 : =0

¿Son las sucesiones (Xn )n≥0 y (Zn )n≥0 donde:

X0 : =0
n
X
2
Xn : = Sk−1 Yk
k=1

Z0 : =0
n
Zn : = Sn2 −
3
martingalas? Explicar.
15. Sea (Xn )n≥1 una sucesión de variables aleatorias independientes e igualmente distribuidas con distri-
bución normal de parámetros 0 y σ 2 . Supóngase que:
Y0 : =0
n
!
X
2
Yn : = exp α Xk − nσ ; n≥1
k=1

siendo α un número real. ¿Para qué valores de α es (Yn )n≥0 una martingala?
16. Sea (ξn )n≥1 una sucesión de variables aleatorias independientes e igualmente distribuidas con
1
P (ξ1 = 1) = = P (ξ1 = −1)
2

Supóngase que (Xn )n≥1 y (Yn )n≥1 están dadas por:

n
X
Xn := ξk
k=1

y
Y1 : =0
n−1
X
Yn : = ξk , para n ≥ 2
k=1

¿A que es igual (Zn )n≥1 con Zn := Xn + Yn ? ¿Es (Zn )n≥1 una martingala?
17. Sea (Xn )n≥0 una sucesión de variables aleatorias y (ℑn )n≥0 una sucesión decreciente de sub-σ-álgebras.
Se dice que (Xn )n≥0 es una martingala inversa con respecto a (ℑn )n≥0 si Xn es ℑn −medible y
E (Xn | ℑn+1 ) = Xn+1
para cada n. Supóngase que Y es una variable aleatoria tal que
E (|Y |) < ∞ y sea (ℑn )n≥0 una sucesión decreciente de sub-σ-álgebras. Sea Zn := E (Y | ℑn ). Probar
que (Zn )n≥0 es una martingala inversa con respecto a (ℑn )n≥0
18. Supóngase que una urna contiene una bola roja y una bola negra. Una bola es extraı́da al azar de la
urna y retornada a la urna junto con una bola del mismo color. Se repite el proceso infinidad de veces.
Sea Xn la variable aleatoria que denota el número de bolas negras en la urna luego de n extracciones.
a. Verificar que (Xn )n≥0 es una cadena de Markov y determinar sus probabilidades de transición en
un paso.
b. Verificar que
Xn
E (Xn+1 | ℑn ) = Xn +
n+2
siendo (ℑn )n≥0 la filtración canónica.
c. Sea
Xn
Mn :=
n+2
Verificar que (Mn )n≥0 es una martigala con respecto a la filtración canónica.
d. Sea
Xn
Mn :=
n+2
Verificar que (Mn )n≥0 es una martigala con respecto a la filtración canónica.