Stochastische processen
|
|
- Andrea van de Brink
- 4 jaren geleden
- Aantal bezoeken:
Transcriptie
1 Stochastische processe 3de bachelor wiskude Vrije Uiversiteit Brussel U. Eimahl Academiejaar 2016/2017
2 Ihoudsopgave 1 Markovketes Defiities e voorbeelde Classificatie va de toestade Otbidig va de toestadsruimte Irreducibele geboorte- e sterfteketes Vertakkigsketes Kasgeererede fucties Kas dat ee vertakkigskete gaat uitsterve Statioaire verdelige Covergetie aar statioaire verdelige Verieuwigsprocesse Defiitie e elemetaire eigeschappe Limietstellige De verieuwigsvergelijkig Toepassige Browse bewegig e martigale De Browse bewegig Coditioele verwachtige Martigale: discrete tijd Martigale: cotiue tijd Stochastische itegrale (Ileidig) Costructie Het Itô-itegraal proces Het berekee va Itô-itegrale
3 Hoofdstuk 1 Markovketes 1.1 Defiities e voorbeelde Ee stochastisch proces is ee collectie toevalsvariabele {X t t T } die op ee kasruimte (Ω, F, P) gedefiieerd zij e waar T ee iet-lege idexverzamelig is. Vaak kieze we voor T de verzamelige [0, [ of {0, 1, 2,...} e kue i dit geval t als cotiue of discrete tijdparameter iterpretere. De toestadsruimte va ee stochastisch proces zij alle mogelijke waarde die de toevalsvariabele X t, t T kue aaeme. We duide deze verzamelig meestal door S aa. Defiitie 1.1 Ee Markovkete is ee rij toevalsvariabele {X 0} met waarde i ee hoogstes aftelbare verzamelig S zodaig dat voor 1 e (x 0,..., x +1 ) S +2 met P(X 0 = x 0,..., X = x ) > 0 geldt: P(X +1 = x +1 X = x,..., X 0 = x 0 ) = P(X +1 = x +1 X = x ) = P(X 1 = x +1 X 0 = x ) Dus het is ee stochastisch proces met discrete tijdparameter i {0, 1,...} e ee discrete (dwz hoogstes aftelbare) toestadsruimte. De defiitie beteket dat de toekomstige realisatie X +1 allee afhakelijk is va de toestad x hede e iet va het verlede x 0,..., x 1. Dit oemt me ook de Markoveigeschap. Verder is voor elke keuze x, y de coditioele kas P(X +1 = y X = x) statioair, dwz oafhakelijk va de tijdparameter. We oeme deze kas de overgagskas va x aar y e duide ze door p(x, y) aa. Het is zeer hadig deze overgagskase als ee matrix p = p(x, y) x,y S op te schrijve e we oeme deze matrix de overgagsmatrix. Als S eidig is met elemete, verkrijge we ee (, )-matrix e we kue producte va dergelijke matrices berekee. Ook i het oeidige geval is dit mogelijk. We vervage gewoo de som i de defiitie va het matrixproduct door ee reeks. (Dit ka omdat de overgagskase iet-egatief zij.) Uit de defiitie volgt omiddellijk dat overgagsmatrices stochastische matrices zij, waar we ee matrix p = p(x, y) x,y S stochastisch oeme idie we hebbe 0 p(x, y) 1, x, y S e de rijsomme gelijk aa 1 zij, dwz p(x, y) = 1, x S. y S 1
4 HOOFDSTUK 1. MARKOVKETENS 2 We oeme de verdelig va X 0 de startverdelig va de Markovkete {X 0}. Deze is atuurlijk bepaald (het is ee discrete toevalsvariabele) door de kasfuctie π(x) = P{X 0 = x}, x S. Om kase voor de Markovkete te berekee, hebbe we allee de startverdelig e de overgagsmatrix odig. Stellig 1.1 Zij {X 0} ee Markovkete met startverdelig π(x) = P{X 0 = x}, x S e overgagsmatrix p. Da geldt voor 1 e x 0,..., x S P{X 0 = x 0,..., X = x } = π(x 0 ) p(x j 1, x j ). Bewijs Dit volgt direct via de kettigregel. Ee direct gevolg daarva is de volgede formule die geldig is voor (x 0,..., x ) S +1 met P{X 0 = x 0,..., X = x } > 0 e voor elke keuze (y 1,..., y m ) S m, j=1 P(X +1 = y 1,..., X +m = y m X = x,..., X 0 = x 0 ) = P(X +1 = y 1,..., X +m = y m X = x ) m = p(x, y 1 ) p(y j 1, y j ). Als B 1,..., B m deelverzamelige va S zij volgt verder dat j=2 P(X +1 B 1,..., X +m B m X = x,..., X 0 = x 0 ) =... p(x, y 1 ) p(y j 1, y j ). y 1 B 1 y m B m j=2 Dit kue we og verder veralgemee met behulp va het volgede lemma. Lemma 1.1 Beschouw ee klasse va gebeurteisse C i, i I (I hoogstes aftelbaar) die disjuct zij e waarvoor geldt P(C i ) > 0. Veroderstel dat voor ee bepaalde gebeurteis D F geldt: P(D C i ) = p, i I. Da geldt er ook P(D C i ) = p. i I Bewijs Dit volgt direct uit de defiitie va coditioele kase. We hebbe: Daarmee is het lemma beweze. P(D C i ) = P(D i I C i ) = P( i I(C i D)) i I P( i I C i ) i I P(C i ) = i I P(D C i ) i I P(C i ) = p i I P(C i ) i I P(C i ) = p. = i I P(D C i )P(C i ) i I P(C i ) m
5 HOOFDSTUK 1. MARKOVKETENS 3 Stellig 1.2 Zij {X 0} ee Markovkete met overgagsmatrix p. Da geldt er voor x S, A 0,..., A 1 S zodaig dat P{X 0 A 0,..., X 1 A 1, X = x} > 0 e B 1,..., B m S, m, 1 P(X +1 B 1,..., X +m B m X = x, X 1 A 1..., X 0 A 0 ) =... p(x, y 1 ) p(y j 1, y j ) y 1 B 1 y m B m j=2 = P(X 1 B 1,..., X m B m X 0 = x). Bewijs Stel I = A 0... A 1 e m C i = {X 0 = x 0,..., X 1 = x 1, X = x}, i = (x 0,..., x 1 ) I. Het is evidet dat deze gebeurteisse disjuct zij e we hebbe voor elke i I, P(X +1 B 1,..., X +m B m C i ) =... p(x, y 1 ) p(y j 1, y j ). y 1 B 1 y m B m j=2 Gezie i I C i = {X = x, X 1 A 1..., X 0 A 0 } volgt de eerste gelijkheid via lemma 1.1. De tweede gelijkheid is ee direct gevolg va 1.1. Als m = 2, verkrijge we met de keuze B 1 = S e B 2 = {y} P(X +2 = y X = x, X 1 A 1,..., X 0 A 0 ) = p(x, z)p(z, y), z S hetgee gelijk is aa q(x, y), waar q = p 2 het kwadraat va de overgagsmatrix p is. Aaloog vide we dat als m 3, geldt P(X +m = y X = x, X 1 A 1,..., X 0 A 0 ) = z 1 S z m 1 S m m 2 p(x, z 1 ) j=1 p(z j, z j+1 )p(z m 1, y), hetgee gelijk is aa het elemet i rij x e kolom y va de m-de macht va p die we i het vervolg altijd door p (m) (x, y) x,y S gaa aaduide. Gevolg 1.1 Zij {X 0} ee Markovkete met overgagsmatrix p. Als x S e A 0,..., A 1 S verzamelige zij zodaig dat P{X 0 A 0,..., X 1 A 1, X = x} > 0, geldt er voor m 1 P{X +m = y X 0 A 0,..., X 1 A 1, X = x) = p (m) (x, y), y S, waar p m = p (m) (x, y) x,y S de m-de macht va de overgagsmatrix p is. Verder hebbe we voor m 1, P{X m = y} = x S π(x)p (m) (x, y). Bewijs Het eerste gedeelte va het gevolg is al beweze. We gebruike stellig 1.1 om het tweede gedeelte voor m 2 te bewijze. P{X m = x m } =... P{X 0 = x 0,..., X m 1 = x m 1, X m = x m } x 0 S x m 1 S = π(x 0 )... x 0 S x 1 S m x m 1 S j=1 = π(x 0 )p (m) (x 0, x m ). x 0 S Als m = 1 volgt dit direct via de wet va de totale kas. p(x j 1, x j )
6 HOOFDSTUK 1. MARKOVKETENS 4 Stelle we p 0 = I (dus p (0) (x, y) = 1 als x = y e = 0 als x y), zij de bovestaade betrekkige ook correct als m = 0. Het volgede resultaat toot dat we voor elke gegeve stochastische matrix p e elke gegeve verdelig π op S ee Markovkete met overgagsmatrix p e startverdelig π bestaat. Stellig 1.3 Zij S hoogstes aftelbaar met mistes twee elemete. Gegeve ee stochastische matrix p(x, y) x,y S e ee kasfuctie π(x), x S, bestaat er op ee geschikte kasruimte (Ω, F, P) ee Markovkete {X 0} zodaig dat P{X 0 = x} = π(x), x S e P(X 1 = y X 0 = x) = p(x, y), x, y S. Bewijs Kies ee kasruimte (Ω, F, P) waar we ee uiform(0,1)-verdeelde toevalsvariabele U Ω [0, 1] kue defiiëre. (Ee mogelijke keuze is Ω =]0, 1], F = Borel dele va ]0, 1] e P = λ F, U(ω) = ω, ω Ω.) Noteer S als {x i i I}, waar I = {0,..., m} i het eidige geval of I = {0, 1, 2,...} i het oeidige geval e waar i beide gevalle x i x j, i j. Stel α i = π(x i ) e β i = i j=0 α i, i I. Da hebbe we β m = 1 i het eidige geval e lim β = i=0 α i = 1 i het oeidige geval, We gaa recursief partities {B () i 0,...,i =]β () i 0,...,i, γ () i 0,...,i ] (i 0,..., i ) I +1 } va ]0, 1] defiiëre die uit halfope itervalle bestaa: Stel Het is da evidet dat β (0) 0 = 0 e β (0) i = γ (0) i 1 i 1 = j=0 α j, i 1. P{U B (0) i } = P{β (0) i < U γ (0) i } = α i, i I. Als we de itervalle B () i 0,...,i =]β () i 0,...,i, γ () i 0,...,i ], (i 0,..., i ) I +1 gedefiieerd hebbe, stelle we β (+1) i 0,...,i,0 = β() i 0,...,i e β (+1) i 0,...,i,i = γ(+1) i 0,...,i,i 1 = β() i 1 i 0,...,i + j=0 p(x i, x j )(γ () i 0,...,i β () i 0,...,i ), i 1. Aagezie p e ee stochastische matrix is (dus, j I p(x i, x j ) = 1), volgt er dat B () i 0,...,i = j I B (+1) i 0,...,i,j, (i 0,..., i ) I +1. Verder is het evidet dat P{U B (+1) i 0,...,i } = p(x,j i, x j )P{U B () i 0,...,i } e via iductie zie we dat Stel e P{U B () i 0,...,i } = α i0 j=1 p(x ij 1, x ij ), (i 0,..., i ) I +1, 1. X 0 = x i I (0) {U B i } i I X = x i I, 1, () {U C i } i I
7 HOOFDSTUK 1. MARKOVKETENS 5 waar Uit bovestaade defiitie blijkt duidelijk dat C () i = B () i 0,...,i 1,i, i I, 1. (i 0,...,i 1 ) I P{X 0 = x i } = P{U B (0) i } = α i = π(x i ), i I e verder geldt er voor 1 e (i 0,..., i ) I +1, P{(X 0,..., X ) = (x i0,..., x i )} = P{U B () i 0,...,i } = α i0 j=1 p(x ij 1, x ij ). Dit impliceert voor 0 e (i 0,..., i ) I +1 met P{(X 0,..., X ) = (x i0,..., x i )} > 0, e via Lemma 1.1 volgt verder dat P(X +1 = x i+1 X = x i,..., X 0 = x i0 ) = p(x i, x i+1 ) P(X +1 = x i+1 X = x i ) = p(x i, x i+1 ), 0. Dus is {X 0} ee Markovkete met overgagsmatrix p e startverdelig π. We bekijke u ekele Voorbeelde 1. Zij f(x), x Z d ee willekeurige kasfuctie, dus, 0 f(x), x Z d e x Z d f(x) = 1. Da is p(x, y) = f(y x), x, y Z d ee stochastische matrix. (Merk op dat y Z d f(y x) = z Z d x f(z) = z Z d f(z) = 1.) Zij verder π ee willekeurige verdelig op Z d. Stellig 1.3 impliceert da dat er ee Markovkete {X 0} met overgagsmatrix p e startverdelig π bestaat. Stel ξ 0 = X 0 e ξ = X X 1, 1. Da geldt er voor 1 e y 1,..., y Z d, P{ξ 0 = y 0,..., ξ = y } = P{X 0 = z 0,..., X = z }, waar z = j=0 y j, 0. Stellig 1.1 impliceert da verder dat de kas rechts gelijk is aa π(z 0 ) f(z j z j 1 ) = π(y 0 ) f(y j ). j=1 Dus zij de toevalsvariabele ξ, 0 oafhakelijk e bovedie zij de toevalsvariabele ξ, 1 idetiek verdeeld met de door f bepaalde verdelig. Gezie X = j=0 ξ j, 0, hebbe we somme va oafhakelijke toevalsvariabele. We spreke i dit geval ook va ee stochastische wadelig. 2. Ee speciaal geval is de 1-dimesioale stochastische wadelig met f(1) = p = 1 f(0). (Beroulli(p)-verdelig) Als we de startverdelig zo kieze dat j=0 π(j) = 1 verkrijge we ee stochastische wadelig X, 0 met toestadsruimte {0, 1, 2,...}. I dit geval hebbe we X 0 X 1 X Verder is ook voor elke m 0 X m i dit geval ee stochastische wadelig met ee absorberede gres. (We hebbe p(m, m) = 1.) j=1
8 HOOFDSTUK 1. MARKOVKETENS 6 3. (Ehrefestkete) We hebbe twee ure e m balle die tusse deze twee ure verdeeld zij. Veroderstel dat op elke bal ee ummer va 1 t/m m staat. Kies (uiform) ee ummer uit {1,..., m} e leg de bal met dit ummer i de adere ur. Stel X = aatal balle i ur 1 op tijdstip. Het is evidet dat als X = x er (hoogstes) twee mogelijkhede zij voor X +1, amelijk x 1 e x + 1. We hebbe da voor de overgagskase: p(0, 1) = 1 = p(m, m 1) e p(x, x 1) = x/m, p(x, x + 1) = 1 x/m, 1 x m 1. Als m = 3 krijge we bv de volgede overgagsmatrix /3 0 2/ /3 0 1/ (Ruïerigskete) Er zij twee spelers A e B met startkapitaal i Euro e m i Euro, waar 1 i m 1. Speler A werpt ee mutstuk waar de kas op kop gelijk aa p is. I dit geval zal hij ee Euro va B krijge. Als het mut is moet hij 1 Euro aa B betale. Ze gaa dit zo lag doe totdat de eerste speler geruïeerd is. (Dit zal het geval zij als het kapitaal va A gelijk is aa 0 of m.) Zij X het kapitaal va A op tijdstip. Da is dit ee Markovkete zodaig dat p(0, 0) = p(m, m) = 1 e p(x, x + 1) = p, p(x, x 1) = 1 p, 1 x m (Geboorte- e sterfteketes) Deze zij Markovketes met toestadsruimte S = {0,..., m} of S = {0, 1,...} waar voor de overgagskase geldt: De overgagsmatrix p is da bepaald door p(x, y) = 0 als x y 2. r x = p(x, x), x 0, q x = p(x, x 1), x 1 e p x = p(x, x + 1), x 0, waarbij p m = 0 als S = {0,..., m}. Voorbeelde 2-4 zij speciale gevalle va geboorte- e sterfteketes. 6. (Vertakkigskete) Beschouw partikels die ieuwe partikels kue geerere (bv, bacterië, eutroe). Stel X 0 = het aatal partikels op het startmomet (geeratie 0), e X = het aatal partikels va de -de geeratie, waarbij de partikels va de eerdere geeraties iet meetelle. Voorwaarde De toevalsvariabele ξ () i = het aatal kidere va partikel i va de -de geeratie, i 1, 0 zij oafhakelijk e idetiek verdeeld. Da hebbe we voor 1 0 als X = 0, X +1 = X ξ() i als X > 0. De bovestaade voorwaarde impliceert da dat X, 0 ee Markovkete is met overgagsmatrix p(m, ) m, 0 die bepaald is door p(0, 0) = 1 e m p(m, ) = P{ ξ (0) i = }, m 1, 0.
9 HOOFDSTUK 1. MARKOVKETENS Classificatie va de toestade Stel voor A S, T A = if{ 1 X A}, waar if =. Als X 0 = x / A, is T A de itreetijd va {X 1} i A. I het geval x A gaat het om de terugkeertijd. I plaats va T {a} zulle we altijd T a, a S schrijve. Verder gaa we voorwaardelijke kase P(A X 0 = x) door P x (A), A F aaduide e schrijve E x [X] voor de verwachtigswaarde va ee toevalsvariabele X Ω R t.o.v. P x. Stel ρ xy = P x {T y < }, x, y S. Defiitie 1.2 We oeme ee toestad y S recurret idie ρ yy = 1. Als ρ yy < 1 zegge we dat de toestad trasiët is. Het is evidet dat elke absorberede toestad y recurret is. (We hebbe da p(y, y) = 1 of P y {T y = 1} = 1 e dus ρ yy = P y {T y < } = 1.) Stel verder voor elke toestad y S, N(y) = I {X=y}, =1 dus het aatal tijdstippe (vaaf 1) waeer X = y. Aagezie P x {X = y} = p () (x, y) kue we via de stellig va de mootoe covergetie cocludere dat E x [N(y)] = =1 p () (x, y), x, y S. (1.1) Stellig 1.4 Zij {X 0} ee Markovkete met toestadsruimte S. Da hebbe we voor elke toestad y S (i) y trasiët E x [N(y)] = ρxy 1 ρ yy <. (ii) y recurret P x {N(y) = } = ρ xy. I het bijzoder: P y {N(y) = } = 1. Bewijs We toe eerst dat voor alle toestade x, y S geldt: P x {N(y) k} = ρ xy ρ k 1 yy, k 1. (1.2) We gaa dit via iductie bewijze. k = 1 Dit is evidet omdat {T y < } = {N(y) 1} e dus geldt er: P x {N(y) 1} = P x {T y < } = ρ xy, hetgee toot dat de bewerig klopt als k = 1. k k + 1 Stel T y (1) = T y e waarbij if =. T (k+1) y = if{ > T (k) y X = y}, k 1,
10 HOOFDSTUK 1. MARKOVKETENS 8 Kies atuurlijke getalle m 1,..., m k+1 1 e stel j = j m i, 1 j k + 1. We berekee eerst de voorwaardelijke kas dat T y (k+1) = k+1, gegeve dat T y (j) = j, 1 j k. Dus 1 < 2 <... < k+1 zij precies de tijdstippe i {1,..., k+1 }, waeer de Markovkete op y zit. Uit de defiitie va voorwaardelijke kase volgt dat P x (T (k+1) y = P (T (k+1) y = k+1 T (j) y = j, 1 j k) = k+1 T (j) y = j, 1 j k, X 0 = x) Omdat T y (j) = j, 1 j k + 1 beteket dat X = y als { j 1 j k + 1} e X y als / { j 1 j k + 1} kue we de laatste kas via de Markov-eigeschap herschrijve als P (X k+1 = y, X y, k < < k+1 k {X i = y} {X y, / { 1,... k }} {X 0 = x}) = P (X k+1 = y, X y, k < < k+1 X k = y) = P y (X k+1 k = y, X k y, k < < k+1 ) = P y (X mk+1 = y, X m y, 0 < m < m k+1 ) = P y (T y = m k+1 ) We kue cocludere dat voor m 1,..., m k 1 geldt Aagezie zie we via Lemma 1.1 dat = = Omdat we hebbe {T (j) y P x (T (k+1) y m k+1 =1 < T (j) y = P x (T (k+1) y j m i, 1 j k) = k + m k+1 T (j) y = j, 1 j k) P y (T y = m k+1 ) = P y (T y < ) = ρ yy m k+1 =1 {T y (k) < } =... m 1 =1 P x (T (k+1) y m k =1 {T (j) y = j < T (k) y < ) = ρ yy. m i, 1 j k}, < } = {N(y) j}, j 1, volgt verder dat P x {N(y) k + 1} = P x (N(y) k + 1 N(y) k)p x {N(y) k} = P x (T (k+1) y = ρ yy P x {N(y) k} e dus impliceert de iductie-hypothese dat Daarmee is (1.2) beweze. P x {N(y) k + 1} = ρ xy ρ k yy. < T (k) y < ) P x {N(y) k}
11 HOOFDSTUK 1. MARKOVKETENS 9 We kue u cocludere dat als ρ yy < 1, we hebbe E x [N(y)] = k=1 P x {N(y) k} = Als y recurret is, dwz ρ yy = 1, da hebbe we k=1 P x {N(y) k} = ρ xy, k 1 ρ xy ρ k 1 yy = ρ xy 1 ρ yy <. e bijgevolg P x {N(y) = } = lim P x {N(y) k} = ρ xy. k Daarmee is de stellig beweze. Opmerkige 1. Als y trasiët is, geldt er: p () (x, y) 0 als. (x S) (Dit volgt direct uit (1.1) omdat E x [N(y)] < i dit geval.) 2. Als S eidig is, bestaa er recurrete toestade. (Oderstel dat alle toestade trasiët zij. Gezie y S p () (x, y) = 1, 1, hebbe we 1 = lim p () (x, y) = lim p() (x, y), y S waar weges de eerste opmerkig de laatste som gelijk aa 0 is als alle toestade trasiët zij. Deze tegespraak toot dat er recurrete toestade moete bestaa.) 3. y recurret =1 p () (y, y) =. (Dit volgt weer via (1.1) omdat stellig 1.4 impliceert dat y recurret is als e slechts als E y [N(y)] =.) 1.3 Otbidig va de toestadsruimte Zij {X 0} ee Markovkete met toestadsruimte S e overgagsmatrix p(x, y) x,y S. Defiitie 1.3 We zegge dat ee toestad y vauit x bereikbaar is idie ρ xy > 0. (Notatie: x y) Lemma 1.2 Voor toestade x, y, z S, geldt: (i) x y als e slechts als 1 p () (x, y) > 0. (ii) x y e y z impliceert x z. Bewijs (i) Het is evidet dat x y P x {N(y) 1} > 0 E x [N(y)] > 0. Aagezie E x [N(y)] = =1 p () (x, y) (zie (1.1)), hebbe we ook y S E x [N(y)] > 0 1 p () (x, y) > 0. (ii) Weges (i) bestaa er 1, 2 1 zodaig dat p ( 1) (x, y) > 0 e p ( 2) (y, z) > 0. Dit impliceert p ( 1+ 2 ) (x, z) = p (1) (x, a)p (2) (a, z) p (1) (x, y)p (2) (y, z) > 0, a S wat weges de equivaletie i (i) beteket dat x z.
12 HOOFDSTUK 1. MARKOVKETENS 10 Stellig 1.5 Als x S recurret is e x y, da is ook y recurret e bovedie geldt er ρ xy = ρ yx = 1. Bewijs Zoder beperkig va de algemeeheid kue we veroderstelle dat x y. (i) Stel 0 = mi{ 1 p () (x, y) > 0}. (Dit bestaat weges lemma 1.2(i).) Stel y 0 = x e y 0 = y. Als 0 2 hebbe we da 0 < p (0) (x, y) =... y 1 S 0 y 0 1 S j=1 p(y j 1, y j ), hetgee impliceert dat er y 1,..., y 0 1 S bestaa zodaig dat p(y j 1, y j ) > 0, 1 j 0. Omdat 0 het kleiste aatal stappe is om va x aar y te kome (zie defiitie va 0 ) hebbe we ook dat y i / {x, y}, 1 i 0 1. Als 0 = 1 hebbe we dat p(x, y) = p(y 0, y 1 ) > 0. (ii) ρ yx = 1 Aagezie P y zoals elke kasmaat cotiu va bove is, hebbe we 1 ρ yx = P y ( {X m x}) = lim P y ( m=1 De toestad x is recurret e dus wete we dat 0 = P x ( 0 {X j = y j } j=1 j= 0 +1 m=1 {X j x}) = lim P x ( 0 {X j = y j } 0+ {X j x}) = 0 j=1 j=1 j= 0 +1 p(y j 1, y j ) lim P y ( {X m x}) 0 m=1 = (1 ρ yx ) p(y j 1, y j )( weges (1.3)) De overgagskase p(y j 1, y j ) zij positief e bijgevolg is 1 ρ yx = 0. j=1 {X m x}) (1.3) (iii) y is recurret Weges stellig 1.4 is het voldoede te toe dat E y [N(y)] =. Kies 1, 2 1 zodaig dat p ( 1) (x, y) > 0 e p ( 2) (y, x) > 0. ( 2 bestaat weges ρ yx = 1.) Da geldt er p (+ 1+ 2) (y, y) p ( 2) (y, x)p () (x, x)p ( 1) (x, y), 1 e dus (zie (1.1)), E y [N(y)] m= p (m) (y, y) =1 p ( 2) (y, x)p () (x, x)p ( 1) (x, y) = p ( 1) (x, y)p ( 2) (y, x)e x [N(x)] =. (iv) We wete u dat y recurret is e ook dat y x. Verwissele we x e y i (i) e (ii), volgt er ook dat ρ xy = 1, waarmee de stellig beweze is. Defiitie 1.4 Ee iet-lege verzamelig C S heet geslote idie geldt: x C, y / C ρ xy = 0.
13 HOOFDSTUK 1. MARKOVKETENS 11 Ee eevoudig voorbeeld voor ee geslote verzamelig is {a} als a absorbered is. Het volgede lemma toot hoe me door ispectie va de overgagsmatrix geslote dele va S ka vide. Lemma 1.3 C S is geslote als e slechts als geldt: p(x, y) = 0, x C, y / C. Bewijs Zij x C e y / C. Da hebbe we per defiitie ρ xy = 0, hetgee impliceert dat p () (x, y) = 0, 1 (zie lemma 1.2). Dus hebbe we zeker (kies = 1) dat p(x, y) = 0 als x C e y / C. We toe via iductie dat p () (x, y) = 0, 1 als x C, y / C. ( = 1) Dit is de voorwaarde. ( + 1) Veroderstel dat we reeds wete dat p () (x, y) = 0, 1 als x C, y / C. Aagezie p (+1) (x, y) x,y S de ( + 1)-ste macht va de overgagsmatrix p is e bijgevolg gelijk aa het matrixproduct va de -de macht p e p is, volgt uit de iductiehypothese voor x C e y S, p (+1) (x, y) = p () (x, z)p(z, y) = p () (x, z)p(z, y). z S z C Als y / C, geldt ook p(z, y) = 0, z C e dus is p (+1) (x, y) = 0, x C, y / C. Defiitie 1.5 Ee geslote verzamelig C S heet irreducibel idie ρ xy > 0, x, y C. We zegge verder dat ee Markovkete irreducibel is als de toestadsruimte S irreducibel is. Als a 1, a 2 twee verschillede absorberede toestade zij (bv, a 1 = 0, a 2 = m i de ruïerigskete), da zij {a 1 }, {a 2 } geslote e irreducibel, maar {a 1, a 2 } is iet irreducibel (wel geslote). Stellig 1.5 impliceert da omiddellijk: Gevolg 1.2 Als C S geslote e irreducibel is, da zij er twee mogelijkhede: (a) alle toestade i C zij recurret of (b) alle toestade i C zij trasiët. I geval (a) hebbe we ook ρ xy = 1, x, y C. Soms is het moeilijk te zie of de toestade i ee geslote e irreducibele verzamelig C S recurret of trasiët zij. Dit probleem bestaat allee voor oeidige verzamelige. Als C eidig is, zij alle toestade i C recurret. Lemma 1.4 Zij C S ee eidige verzamelig die geslote e irreducibel is. Da zij alle toestade i C recurret. Bewijs Als X 0 = x C volgt er dat X C, 1. Dus hebbe we y C N(y) = e ook y C E x [N(y)] =. De coclusie is dat er ee y C moet bestaa zodaig dat E x [N(y)] =. (Als ee eidige som = is, moet ee va de terme die we optelle oeidig zij.) We kue via stellig 1.4 cocludere dat y recurret is. Dit impliceert atuurlijk dat da alle toestade i de verzamelig C recurret zij.
14 HOOFDSTUK 1. MARKOVKETENS 12 Voorbeelde 1. Zij {X 0} ee Markovkete met toestadsruimte S = {0, 1, 2, 3} e overgagsmatrix 1/2 1/ /2 0 1/2 0 p = 1/ / I dit geval is S irreducibel (e atuurlijk ook geslote) e dus zij alle toestade recurret. Dat deze kete irreducibel is, volgt direct uit het feit dat er ee positieve kas is voor Omdat deze pad alle elemete va S bevat e bij zij startput 0 eidigt is het evidet dat voor twee willekeurig gekoze elemete x, y S geldt: x y. 2. Bekijk u ee Markovkete met toestadsruimte S = {0, 1, 2, 3, 4} e overgagsmatrix p = /3 0 2/ /4 0 1/4 1/5 1/5 1/5 1/5 1/ /4 0 3/4 Da is 0 absorbered e dus recurret. Verder volgt via Lemma 1.3 dat {2, 4} geslote is. Gezie alle overgagskase p(x, y), x, y {2, 4} positief zij, volgt er dat {2, 4} ook irreducibel is. Lemma 1.4 impliceert da dat 2, 4 recurrete toestade zij. De toestade 1, 3 zij trasiët omdat ρ 10, ρ 30 > 0, maar ρ 01 = ρ 03 = 0. Dit is omogelijk voor recurrete toestade (zie stellig 1.5). Stellig 1.6 Zij X, 0 ee Markovkete met toestadsruimte S waaroder ook recurrete toestade zij. Da geldt er: S = S T C i, i I waar S T de verzamelig va de trasiëte toestade is e de verzamelige C i irreducibele geslote klasse va recurrete toestade zij. Bewijs Als S R de verzamelig va de recurrete toestade i S is, hebbe we atuurlijk S = S T S R e het is voldoede te toe dat S R ee disjucte uie va geslote irreducibele verzamelige is. Stellig 1.5 impliceert dat ee equivaletierelatie op S R is. Stel voor x S R D x = {y S R x y}. Da geldt voor x 1, x 2 S R D x1 = D x2 of D x1 D x2 =. Dus bestaa er toestade x i, i I zodaig dat S R = i I D xi. Stel C i = D xi, i I. We moete og toe dat deze verzamelige geslote e irreducibel zij. Om i te zie dat C i geslote is, eme we ee y 1 C i e ee y 2 S zodaig dat y 1 y 2. Da hebbe we x i y 1 y 2 e dus x i y 2, wat beteket dat y 2 C i. We zie dat y 1 y 2 allee voor y 2 C i mogelijk is. Dus is C i geslote. De verzamelige C i zij irreducibel: als z 1, z 2 C i hebbe we z 1 x i (weer weges stellig 1.5) e x i z 2. Dus z 1 x i z 2 e z 1 z 2. Daarmee is de stellig beweze.
15 HOOFDSTUK 1. MARKOVKETENS 13 Veroderstel dat we ee Markovkete hebbe waar S T eidig is. Gezie de kete deze toestade telkes voor eidig veel tijdstippe gaat zie of helemaal iet, komt de kete uiteidelijk i ee recurrete toestad terecht. Als i de bovestaade otbidig meer da ee irreducibele geslote klasse va recurrete toestade bestaat, stelt zich de vraag wat de respectieve kase zij uiteidelijk i C i terecht te kome, i I. Merk op dat zodra de kete i ee va deze verzamelige zit, ze ook eri zal blijve (omdat deze klasse geslote zij). Vadaar dat me ook va absorptiekase spreekt. Probleem Zij X, 0 ee Markovkete met overgagsmatrix p e zij S = S T i I C i de otbidig va de toestadsruimte zoals i stellig 1.6. Bepaal ρ Ci (x) = P x {T Ci < }, x S T, i I. Stellig 1.7 Zij X, 0 ee Markovkete met overgagsmatrix p e zij S T eidig. Als C ee geslote e irreducibele klasse va recurrete toestade is, da is ρ C (x), x S T de uieke oplossig va het volgede stelsel f(x) = p(x, y) + p(x, y)f(y), x S T. y C y S T Bewijs (i) We toe eerst dat f(x) = ρ C (x), x S T ee oplossig va het bovestaade stelsel is. Via de wet va de totale kas (op de kasruimte (Ω, F, P x )) volgt dat ρ C (x) = p(x, y)p x (T c < X 1 = y) + p(x, y)p x (T c < X 1 = y) y C y S T + p(x, y)p x (T c < X 1 = y) y S R C Het is evidet dat P x (T C < X 1 = y) = 1 als y C omdat {X 1 = y} {T C < } i dit geval. Verder geldt voor x, y / C, P x (T C < X 1 = y) = P(T C < X 1 = y, X 0 = x) = P y (T C < ) (1.4) Om de laatste gelijkheid i te zie, redeere we zoals volgt, P(T C < X 1 = y, X 0 = x) = = = = m=2 m=2 m=2 P(T C = m X 1 = y, X 0 = x) (omdat x, y / C) P(X m C, X j / C, 2 j < m X 1 = y, X 0 = x) P(X m 1 C, X j / C, 1 j < m 1 X 0 = y) (stellig 1.2) P y {T C = m 1} = P y {T C < } m=2 Als y recurret is, maar iet i C, hebbe we ρ zy = 0 e weges stellig 1.5 ook ρ yz = 0, z C. Dit impliceert dat P y (T C < ) = P y ( {T z < }) P y {T z < } = ρ yz = 0. z C z C z C
16 HOOFDSTUK 1. MARKOVKETENS 14 De coclusie is dat ρ C (x) = p(x, y) + p(x, y)ρ C (y), x S T y C y S T e dus is f(x) = ρ C (x), x S T iderdaad ee oplossig va het bovestaade stelsel. (ii) (Uiciteit va de oplossig). We toe eerst via iductie dat als f(x), x S ee oplossig va het bovestaade stelsel is, geldt: f(x) = P x {T C } + z S T p () (x, z)f(z), x S T. (1.5) Dit klopt zeker als = 1 omdat P x {T C = 1} = P x {X 1 C} = y C p(x, y). + 1 Vervage we i formule (1.5) f(z) door y C p(z, y) + y ST p(z, y)f(y), da volgt voor x S T dat f(x) = P x {T C } + p () (x, z) ( p(z, y) + p(z, y)f(y)) z S T y C y S T = P x {T C } + p () (x, z)p(z, y) + z S T y C = P x {T C } + P x {T C = + 1} + y S T z S = P x {T C + 1} + y S T p (+1) (x, y)f(y). y S T p () (x, z)p(z, y)f(y) z S T p () (x, z)p(z, y)f(y) [omdat p(z, y) = 0, z / S T ] Daarmee is (1.5) beweze. Aagezie p () (x, z) 0, x S, z S T (zie opmerkig 1 a stellig 1.4) e S T eidig is, kue we de limiete i (1.5) berekee e we zie dat f(x) = lim P x {T C } + z S T f(z) lim p () (x, z) = ρ C (x), x S T. Dus is ρ C (x) de eige mogelijke oplossig. Voorbeeld We bekijke og ee keer de Markovkete met toestadsruimte S = {0, 1, 2, 3, 4} e overgagsmatrix /3 0 2/ /4 0 1/4 1/5 1/5 1/5 1/5 1/ /4 0 3/4 We hebbe al gezie dat 0, 2, 4 recurrete toestade zij e dat 1, 3 trasiët zij. Verder is het evidet dat C 1 = {0} e C 2 = {2, 4} irreducibel e geslote zij. We kue u via stellig 1.7 de absorptiekase ρ Ci (x), x = 1, 3, i = 1, 2 bepale. Aagezie ρ C1 (x)+ρ C2 (x) = 1, x = 1, 3 is het voldoede de stellig voor C 1 te gebruike. I dit geval verkrijge de twee volgede vergelijkige: e f(1) = p(1, 0) + p(1, 1)f(1) + p(1, 3)f(3) = 0 + 1/3f(1) + 2/3f(3) f(3) = p(3, 0) + p(3, 1)f(1) + p(3, 3)f(3) = 1/5 + 1/5f(1) + 1/5f(3). Dus f(1) = f(3) = 1/3. De coclusie is dat ρ C1 (1) = ρ C1 (3) = 1/3 e ρ C2 (1) = ρ C2 (3) = 2/3.
17 HOOFDSTUK 1. MARKOVKETENS Irreducibele geboorte- e sterfteketes Zij X, 0 ee geboorte- e sterftekete, dus ee Markovkete met toestadsruimte {0,..., m} of {0, 1,...} e overgagskase zodaig dat p(x, y) = 0 als x y 2. Stel q x = p(x, x 1), x 1, p x = p(x, x + 1), x 0 e (als S eidig is) p m = 0. Zij verder r 0 = 1 p 0, r x = 1 p x q x, x 1. Het is da evidet dat ee geboorte- e sterftekete i het oeidige geval irreducibel is als e slechts als geldt: q x > 0, x 1 e p x > 0, x S. I het eidige geval is de kete irreducibel idie q x > 0, 1 x m e p x > 0, 0 x < m. Lemma 1.4 impliceert da dat alle toestade i S recurret zij. I het oeidige geval is dit iet altijd het geval e we gaa hier ee stellig herleide die toot waeer irreducibele geboorte- e sterfteketes met oeidige toestadsruimte recurret zij. Daarvoor hebbe we ee lemma odig dat ook voor bepaalde iet irreducibele geboorte- e sterfteketes va toepassig is. Lemma 1.5 Zij X, 0 ee geboorte- e sterftekete. Neem drie toestade a < x < b e veroderstel dat p j > 0, a < j < b. Da geldt: waar γ y = y z=a+1 q z/p z, a < y < b e γ a = 1. P x {T a < T b } = b 1 y=x γ y, b 1 y=a γ y Bewijs Stel v(a) = 1, v(b) = 0 e v(y) = P y {T a < T b }, a < y < b. We moete v(x) bepale. Algemee kue we v(y) met behulp va de wet va de totale kas herschrijve als v(y) = P y (T a < T b X 1 = y 1)q y + P y (T a < T b X 1 = y)r y + P y (T a < T b X 1 = y + 1)p y. Als y = a + 1, hebbe we P y (T a < T b X 1 = y 1) = 1 = v(y 1). Dit klopt ook als y > a + 1. I dit geval volgt via stellig 1.2: P y (T a < T b X 1 = y 1) = = = = m=2 m=2 m=2 =1 P(T a = m < T b X 1 = y 1, X 0 = y) P(X m = a, X j / {a, b}, 2 j < m X 1 = y 1, X 0 = y) P y 1 (X m 1 = a, X j / {a, b}, 1 j < m 1) P y 1 (T a = < T b ) = P y 1 (T a < T b ) = v(y 1). Aaloog zie we dat P y (T a < T b X 1 = y) = v(y) e P y (T a < T b X 1 = y + 1) = v(y + 1), a < y < b. Dus hebbe we v(y) = q y v(y 1) + r y v(y) + p y v(y + 1), a < y < b. (1.6)
18 HOOFDSTUK 1. MARKOVKETENS 16 Aagezie q y + r y + p y = 1, zie we dat hetgee omiddellijk impliceert dat e verder dat p y (v(y + 1) v(y)) = q y (v(y) v(y 1)), a < y < b, v(y + 1) v(y) = γ y(v(a + 1) v(a)), a y < b b 1 1 = v(b) v(a) = (v(a + 1) v(a)) γ y. Vervage we bove v(a + 1) v(a) door 1/ b 1 y=a γ y, volgt er dat We cocludere dat v(x) = v(y) v(y + 1) = b 1 y=x waarmee het lemma beweze is. y=a γ y, a y < b. b 1 y=a γ y (v(y) v(y + 1)) = b 1 y=x γ y b 1 y=a γ y, a < x < b, Toepassig We bekijke de ruïerigskete: I dit geval zij de twee toestade 0 e m absorbered (dus recurret) e de adere toestade zij trasiët (omdat ρ 0j = 0 als 1 j < m). Verder geldt p j = 1 q j = p = 1 q, 1 j < m. Het bovestaade lemma impliceert da dat voor 0 a < x < b m geldt: P x {T a < T b } = b 1 j=x(q/p) j b 1 j=a(q/p). j Als p = q = 1/2 verkrijge we dat P x {T a < T b } = (b x)/(b a), a < x < b. I het geval p q hebbe we P x {T a < T b } = (q/p)x (q/p) b (q/p) a (q/p) b. Kieze we a = 0 e b = m, verkrijge we P x {T 0 < T m }, wat de kas is dat speler A (met startkapitaal x) failliet gaat e het gase kapitaal aar speler B gaat. We kere terug aar het probleem waeer irreducibele geboorte- e sterfteketes recurret zij. Stel y q j γ 0 = 1, γ y =, y 1. j=1 p j Stellig 1.8 Zij X, 0 ee irreducibele geboorte- e sterftekete met toestadsruimte S = {0, 1,...}. Deze is recurret als e slechts als y=0 γ y =. Bewijs Weges gevolg 1.2 is de Markovkete recurret als e slechts als 0 recurret is, dus als ρ 00 = 1. Met ee aaloge redeerig als i het bewijs va (1.4) zie we dat ρ 00 = P 0 {T 0 < } = r 0 P 0 (T 0 < X 1 = 0) + p 0 P 0 (T 0 < X 1 = 1) = r 0 + p 0 ρ 10. Dit impliceert (weges r 0 + p 0 = 1 e p 0 > 0) dat ρ 00 = 1 ρ 10 = 1.
19 HOOFDSTUK 1. MARKOVKETENS 17 De kas ρ 10 kue we met behulp va lemma 1.5 berekee. Merk op dat als X 0 = 1 er geldt T 1, 0 omdat X X 1 1, 1. Bovedie impliceert dit dat de rij toevalsvariabele T, 1 mootoo stijged is, dwz we hebbe T 1 < T 2 <.... De coclusie is dat ρ 10 = P 1 {T 0 < } = lim P 1 {T 0 < T }. Weges lemma 1.5 geldt er voor 2, P 1 {T 0 < T } = 1 y=1 γ y 1 1 = 1 y=0 γ y y=0 1. γ y Dus hebbe we (stel 1/ = 0) 1 ρ 10 = 1 y=0 γ y e het is evidet dat ρ 10 = 1 y=0 γ y =. Daarmee is de stellig beweze. 1.5 Vertakkigsketes We bekijke u vertakkigsketes ( voorbeeld 6 i 1.1). Deze worde gebruikt om de evolutie va bepaalde bevolkige te modellere. We hebbe de toestadsruimte S = {0, 1, 2,...} e overgagskase m p(0, 0) = 1, p(m, ) = P { ξ i = }, m 1, 0, waar ξ, 1 (de aatalle kidere ) oafhakelijke, idetiek verdeelde toevalsvariabele zij met waarde i {0, 1,...}. We otere de kasfuctie va deze toevalsvariabele als f(k), k = 0, 1,.... Het is evidet dat 0 ee absorberede toestad is. Als f(0) > 0 volgt er dat p(m, 0) = f(0) m > 0, m 1 e we zie dat 0 vauit m bereikbaar is, maar m is iet meer vauit 0 bereikbaar. Stellig 1.5 impliceert da dat de toestade m 1 trasiët zij. Dit klopt ook als f(0) = 0 e f(1) < 1. I dit geval hebbe we amelijk p(m, ) = 0, m > (omdat ξ i 1, i 1). Verder bestaat er ee k 2 met f(k) > 0. We hebbe da voor elke m 1, p(m, mk) P{ξ i = k, 1 i m} = f(k) m > 0. Dus is mk bereikbaar vauit m, maar m is iet bereikbaar vauit mk, hetgee weer via stellig 1.5 impliceert dat m trasiët is. Als f(1)=1 geldt er p(m, m) = 1 e alle toestade zij absorbered, hetgee impliceert dat da de vertakkigskete X, 0 costat is. De coclusie is dat behalve i het triviale geval f(1) = 1 er twee mogelijkhede zij voor ee vertakkigskete: (A) X als (B) X = 0, uiteidelijk (de bevolkig gaat uitsterve). Om ρ x0 (= voorwaardelijke kas op (B), gegeve X 0 = x) te berekee, hebbe we kasgeererede fucties odig.
20 HOOFDSTUK 1. MARKOVKETENS Kasgeererede fucties Stel Z Ω {0, 1, 2,...} ee discrete toevalsvariabele met waarde i {0, 1,...}. Da is de kasgeererede fuctie G [ 1, 1] R va Z gedefiieerd door G(t) = k=0 P{Z = k}t k. We merke op dat G(0) = P{Z = 0} e G(1) = 1. Ee stadaard resultaat over machtreekse impliceert verder dat G afgeleide va elke orde op het ope iterval ] 1, 1[ heeft. Deze hebbe ook represetaties als machtreekse. Er geldt voor 1 < t < 1 e elke m = 1, 2,... G (m) (t) = k=m k! P{Z = k}tk m (k m)! Uit deze formule kue we hale dat G (m) (0) = m!p{z = m}, m = 1, 2... e ook dat E[Z] = lim t 1 G (t). Om de kas dat ee vertakkigskete gaat uitsterve te berekee, moete we de vergelijkig G(t) = t, 0 t 1 bestudere. Het volgede lemma toot dat er hoogstes twee oplossige zij waarva ee triviaal is, amelijk t = 1. Lemma 1.6 Zij Z Ω {0, 1,...} ee toevalsvariabele met kasgeererede fuctie G. (i) Als E[Z] 1 e P{Z = 1} < 1, is t = 1 de eige oplossig va de vergelijkig G(t) = t. (ii) Als E[Z] > 1 zij er precies twee oplossige: 1 e t 0 [0, 1[. Bewijs. Stel H(t) = t G(t), 1 t 1. We moete de ulpute va deze fuctie i [0, 1] bepale. (i) Als E[Z] 1 e P{Z = 1} < 1, volgt er dat p = P{Z = 0} > 0 e dus H(0) = p < 0. Verder geldt er dat H (t) = 1 G (t) = 1 kp{z = k}t k 1 1 E[Z]. k=1 Als E[Z] < 1, is het evidet dat H (t) > 0, 0 < t < 1. I het geval E[Z] = 1 hebbe we voor 0 < t < 1. G (t) = k=1 kp{z = k}t k 1 < k=1 kp{z = k} = E[Z] omdat er mistes ee k 2 moet bestaa met P{Z = k} > 0. (P{Z = 1} = 1 is iet mogelijk.) Dus hebbe we i beide gevalle dat H positief op ]0, 1[ is e bijgevolg is H (strikt) mootoo stijged op [0, 1], hetgee weges H(0) < 0 e H(1) = 0 impliceert dat H precies ee ulput i [0, 1] heeft, amelijk 1. (ii) (Stap 1) [H heeft mistes ee ulput i [0, 1[.] Als P{Z = 0} = 0 is dit evidet omdat da H(0) = 0. Als P{Z = 0} = p > 0, geldt er weer H(0) = p < 0. Verder hebbe we dat lim t 1 H (t) = 1 lim t 1 G (t) = 1 E[Z] < 0.
21 HOOFDSTUK 1. MARKOVKETENS 19 Dus bestaat er ee ɛ ]0, 1[ zodaig dat H (t) < 0, 1 ɛ < t < 1. Dit impliceert dat er ee t ɛ ]1 ɛ, 1[ bestaat zodaig dat H(1 ɛ) = H(1) H(1 ɛ) = H (t ɛ )ɛ < 0. Bijgevolg is H(1 ɛ) > 0. Aagezie H(0) < 0, kue we via de tussewaardestellig cocludere dat er ee t 0 tusse 0 e 1 ɛ moet bestaa zodaig dat H(t 0 ) = 0. (Stap 2) [H heeft hoogstes ee ulput i [0, 1[.] (idirect) Veroderstel dat er twee ulpute 0 t 1 < t 2 < 1 bestaa. Da geldt er H(t 1 ) = H(t 2 ) = H(1) = 0. Dit impliceert via de stellig va Rolle dat er t 1 < u 1 < t 2 < u 2 < 1 bestaa zodaig dat H (u 1 ) = H (u 2 ) = 0. Ee tweede toepassig va de stellig va Rolle toot da dat er ee u 1 < t < u 2 bestaat met Dit is omogelijk omdat we hebbe, G (t) = H (t) = G (t) = 0. k=2 k(k 1)P{Z = k}t k 2 > 0. (Er moet mistes ee k 2 bestaa met P{Z = k} > 0 omdat E[Z] > 1.) Deze tegespraak impliceert dat er hoogstes ee ulput va H is i [0, 1[. Daarmee is het lemma beweze Kas dat ee vertakkigskete gaat uitsterve Zij ξ Ω {0, 1,...} ee toevalsvariabele met kasfuctie f(k), k 0. Stel µ = E[ξ] e zij G(t), t 1 de kasgeererede fuctie va ξ. Als µ > 1 heeft de vergelijkig G(t) = t ee uieke oplossig ρ i [0, 1[ (zie lemma 1.6). Stellig 1.9 Zij X, 0 de vertakkigskete met overgagskase bepaald door de kasfuctie f(k), k 0. (i) Als µ 1 e f(1) < 1, hebbe we: P x {X = 0 uiteidelijk} = 1, x 1. (ii) Als µ > 1, hebbe we P x {X = 0 uiteidelijk} = ρ x, x 1. Bewijs Zij 0 < t < 1 e stel Z = t X, 0. Da geldt atuurlijk Z (ω) 0 als X (ω) e Z (ω) 1 als X (ω) = 0 uiteidelijk (of equivalet T 0 (ω) < ). Dus hebbe we bija overal: Z Z = I {T0 <}. De stellig va de begresde covergetie impliceert da dat ρ x0 = E x [Z ] = lim E x [Z ]. Het is evidet dat E x [Z 0 ] = t x. Verder geldt er als 1 e m {1, 2,...} E x [Z X 1 = m] = = t k P x (X = k X 1 = m) k=0 k=0 t k m P { ξ i = k} = E [t m ξ i ],
22 HOOFDSTUK 1. MARKOVKETENS 20 waar de toevalsvariabele ξ i oafhakelijk zij met kasfuctie f. Dus E x [Z X 1 = m] = E [t m ξ i ] = m Dit klopt ook als m = 0. (Da is X = 0 e Z = 1 = G(t) 0.) Bijgevolg, hebbe we voor elke 1, E [t ξ i ] = G(t) m, m 1. E x [Z X 1 ] = G(t) X 1 (1.7) Bewijs va (i) Lemma 1.6 impliceert dat G(t) t, t [0, 1[ i dit geval. Aagezie G(0) = f(0) > 0, hebbe we G(t) > t, 0 t < 1. Uit betrekkig (1.7) volgt da dat E x [Z X 1 ] Z 1 e dus E x [Z ] = E x [E x [Z X 1 ]] E x [Z 1 ], 1. We zie dat ρ x0 = lim E x [Z ] E x [Z 0 ] = t x. Omdat we t willekeurig i [0, 1[ kue kieze volgt er dat ρ x0 = 1. Bewijs va (ii) Als ρ = 0, geldt er f(0) = 0, dus X 0 X I dit geval is het evidet dat ρ x0 = 0 = ρ x, x 1. Als ρ > 0, stelle we t = ρ i betrekkig (1.7). Da is E x [Z X 1 ] = Z 1, 1. Dus hebbe we i dit geval ρ x0 = lim E x [Z ] = E x [Z 0 ] = ρ x, waarmee ook deel (ii) va de stellig beweze is. 1.6 Statioaire verdelige Defiitie 1.6 Ee rij toevalsvariabele X, 0 heet statioair idie geldt: P (X,...,X +m) = P (X0,...,X m), m, 0. Het stelt zich de vraag of er ook statioaire Markovketes bestaa. Ee odige voorwaarde is dat de startverdelig π(x), x S zo gekoze is dat geldt P X1 (x) = π(x), x S. Dit kue we via gevolg 1.1 herschrijve als π(x)p(x, y) = π(y), y S (1.8) x S Dus we hebbe ee stelsel lieaire vergelijkige wat we i bepaalde gevalle kue oplosse. De oplossig is iet uiek (omdat als π(x), x S ee oplossig is dit ook het geval is voor απ(x), α R). Om ee statioaire verdelig te verkrijge, moete we echter ook og hebbe dat π(x) 0, x S e x S π(x) = 1. Als we ee oplossig va (1.8) zoeke die aa deze extra voorwaarde voldoet, is deze i veel gevalle uiek. Soms is het ook uttig (1.8) als matrixproduct op te schrijve: (π(x)) x S (p(x, y)) x,y S = (π(y)) y S (1.9) waar (π(x)) x S de door π bepaalde rijvector is. Merk op dat als p t de getraspoeerde va de overgagsmatrix p is, dit equivalet daarmee is dat 1 ee eigewaarde va p t is e de colomvector (π(x)) t x S ee eigevector voor deze eigewaarde va p t is. De volgede stellig toot dat als we ee verdelig π gevode hebbe die aa (1.8) voldoet e deze als startverdelig kieze, de resulterede Markovkete X, 0 statioair is.
23 HOOFDSTUK 1. MARKOVKETENS 21 Stellig 1.10 Zij π 0 ee verdelig op S die aa coditie (1.8) voldoet. Als X, 0 ee Markovkete met startverdelig π 0 ee overgagsmatrix p is, is X, 0 ee statioaire rij toevalsvariabele. We oeme π 0 ee statioaire verdelig voor p. Bewijs Omdat aa (1.8) voldaa is, geldt er dat P X1 = π 0. Aagezie P{X = y} = P{X 1 = x}p(x, y), y S, x S volgt via iductie dat P X = π 0, 1. Weges stellige 1.2 e 1.1 geldt verder voor y 1,..., y m S, m 1 e 1, P{X = y 0,..., X +m = y m } = P{X = y 0 } p(y j 1, y j ) e we zie dat de rij X, 0 statioair is. Voorbeelde m j=1 m = P{X 0 = y 0 } p(y j 1, y j ) j=1 = P{X 0 = y 0,..., X m = y m } 1. Zij X, 0 ee Markovkete met toestadsruimte S = {0, 1} e overgagsmatrix [ 1 p p ], waar p, q ]0, 1[. I dit geval moete we ee oplossig vide va q 1 q Dus [ α 0 α 1 ] [ 1 p p q 1 q ] = [ α 0 α 1 ]. α 0 = α 0 (1 p) + α 1 q e α 1 = α 0 p + α 1 (1 q). Dit is het geval als e slechts als α 0 = qα 1 /p. Om ee kasverdelig te verkrijge moet ook α 0 + α 1 gelijk aa 1 zij. Het volgt dat π(0) = α 0 = q/(p + q), π(1) = α 1 = p/(p + q) ee statioaire verdelig voor p is e deze is ook uiek. Verder ka me toe dat als, p () (x, y) π(y), x, y = 0, 1 Dus is -de macht p va de overgagsmatrix [ π(0) π(0) π(1) ] als groot. π(1) 2. Zij X, 0 de Ehrefestkete met toestadsruimte S = {0,..., m}. I dit geval bestaat er ook ee uieke statioaire verdelig π - de biomiaal(m, 1/2)-verdelig. Aagezie p (2) (x, y) = 0 als x y oeve is, hebbe we echter p () (x, y) / π(y), y S als. Me ka zich afvrage waeer ee Markovkete ee (uieke) statioaire verdelig π heeft e waeer i dit geval de overgagskase p () (x, y) aar π(y) covergere. De eerste vraag kue we i het vervolg volledig beatwoorde voor irreducibele geboortee sterfteketes.
24 HOOFDSTUK 1. MARKOVKETENS 22 Stellig 1.11 Zij X, 0 ee irreducibele geboorte- e sterftekete. (i) Als S = {0,..., m} bestaat er ee uieke statioaire verdelig. (ii) Als S = {0, 1, 2,...} bestaat er ee uieke statioaire verdelig als e slechts als C = S {0} j=1 p j 1 q j <. I beide gevalle is de statioaire verdelig π bepaald door π(0) = i 1 C + 1, π(i) = 1 p j 1, i 1. C + 1 j=1 q j Bewijs We gaa eerst a of er α i 0, i S bestaa zodaig dat α i p(i, j) = α j, j 0. (1.10) i 0 Aagezie p(j, j) = r j, p(j, j +1) = p j (waar we p m = 0 stelle i het eidige geval), p(j, j 1) = q j, j 1 e p(i, j) = 0 als i j 2, kue we dit herschrijve: We toe via iductie dat dit impliceert α 0 r 0 + α 1 q 1 = α 0, α i 1 p i 1 + α i r i + α i+1 q i+1 = α i, i 1. α i = (p i 1 /q i )α i 1, i 1 (1.11) i = 1 De eerste vergelijkig is (weges p 0 + r 0 = 1) equivalet met q 1 α 1 = p 0 α 0. i i + 1 Als we wete dat p i 1 α i 1 = q i α i volgt uit de i-de vergelijkig bove dat α i = (q i + r i )α i + α i+1 q i+1 hetgee weges p i + q i + r i = 1 toot dat p i α i = q i+1 α i+1. Uit betrekkig (1.11) volgt omiddellijk dat α = α 0 j=1 p j 1 q j, 1 (1.12) Omgekeerd geldt ook dat elke rij α va deze vorm ee oplossig va (1.10) is. Als er ee statioaire verdelig π bestaat geldt er (stel α = π(), 0) 1 = =0 π() = π(0)(c + 1), dus moet C eidig zij. (Dit is triviaal als S eidig is.) Omgekeerd, als C eidig is, stelle we π(0) = 1/(C + 1) e π() = p j 1 j=1 q j /(C + 1). Da geldt =0 π() = 1 e het is aa (1.10) voldaa. Dus π is ee statioaire verdelig. Deze is uiek omdat elke oplossig va (1.10) va de vorm i (1.12) moet zij.
25 HOOFDSTUK 1. MARKOVKETENS 23 We merke op dat we i de twee bovestaade voorbeelde de statioaire verdelige ook via stellig 1.11 hadde kue vide. We bekijke het probleem waeer de overgagskase va ee Markovkete aar statioaire kase covergere. Dit geldt oder zeer zwakke voorwaarde als we i plaats va de gewoe covergetie de Cesaro-covergetie bekijke. We zegge dat voor ee rij a, 1 i R Cesaro-covergetie aar ee reëel getal a bestaat idie geldt j=1 a j / a. Het is evidet dat de gewoe covergetie a a de Cesaro-covergetie impliceert, maar de omkerig daarva klopt iet. (Bekijk de rij 1, 0, 1, 0,...) Zij X, 0 ee Markovkete met toestadsruimte S e overgagsmatrix p. Stel N (y) = j=1 Da is G (x, y) = E x [N (y)] = j=1 p (j) (x, y). I {Xj =y}, y S, 1. Als y trasiët is, geldt atuurlijk sup 1 N (y) < b.o. (=bija overal) e bijgevolg N (y)/ 0 b.o. De stellig va de begresde covergetie impliceert da dat G (x, y)/ = E x [N (y)/] = 1 j=1 p (j) (x, y) 0 als. Dus we hebbe i dit geval Cesaro-covergetie va p () (x, y) aar 0 (voor elke x S.) Als y recurret is e vauit ee toestad x bereikbaar is, geldt E x [N(y)] = e we gaa met behulp va de sterke wet va de grote getalle toe dat i dit geval ook Cesaro-covergetie va de overgagskase p () (x, y) bestaat (waar de limiete verschilled va 0 kue zij.) We heriere dat T y = T (1) y = if{ 1 X = y} e T (k+1) y = if{ > T (k) y X = y}, k 1 Als T y <, zij dit de tijdstippe i {1, 2,...} waeer de Markovkete X, 0 op de recurrete toestad y zit. We defiiëre verder: W y (1) = T y (1) e voor k 1, W (k+1) y = y T (k+1) T (k) y als T y (k+1) als T y (k+1) < = Gezie y recurret is, hebbe we bija overal W y (k) <, k 1 op A = {T y < }. Als y vauit x S bereikbaar is, geldt ρ xy = P x (A) > 0, e we stelle Q x = P x ( A). Lemma 1.7 Zij y S recurret e zij x ee toestad zodaig dat x y. Da zij de toevalsvariabele W (k) y, k 2 Q x -oafhakelijk e we hebbe voor elke k 2, Q x {W (k) y = m} = P y {T y = m}, m = 1, 2,..., i.e. de Q x -verdelig va W (k) y is gelijk aa de P y -verdelig va T y.
26 HOOFDSTUK 1. MARKOVKETENS 24 Bewijs. We berekee voor k 2 de gezamelijke kasfuctie va (W y (2),..., W y (k) ) t.o.v. Q x. Dus kies m 2,..., m k 1. Da hebbe we, Q x {W (2) y = m 2,..., W y (k) = m k } = P x ({W y (2) = m 2,..., W y (k) = m k } {T y < }) Verder geldt voor elke m 1 1 zodaig dat P x {T y = m 1 } > 0, P x ({W (2) y = m 2,..., W y (k) = m k } {T y = m 1 }) = P x ({T y (2) = 2,..., T y (k) = k } {T y = 1 }), waar j = j m i, 1 j k. De laatste voorwaardelijke kas is weges de kettigregel gelijk aa P x ( k j=1{t (j) y = j }) P x {T y = 1 } = k j=2 P x ({T (j) j 1 y = j } {T (i) Uit het bewijs va stellig 1.4 volgt dat dit product gelijk is aa k j=2 P y {T y = m j }. Dus geldt er uiform voor m 1 1 met P x {T y = m 1 } > 0, P x ({W (2) y = m 2,..., W (k) y = m k } {T y = m 1 }) = k j=2 y = i }) P y {T y = m j }. Ee toepassig va lemma 1.1 levert da dat voor elke keuze va m 2,..., m k 1 geldt: Q x ({W (2) y = m 2,..., W y (k) = m k }) = P x ({W y (2) = m 2,..., W y (k) = m k } = k j=2 P y {T y = m j } m 1 =1 {T y = m 1 }) Dit impliceert atuurlijk dat de toevalsvariabele W y (j), j 2 Q x -oafhakelijk ee idetiek verdeeld zij (waar de verdelig gelijk is aa de P y -verdelig va T y. Daarmee is lemma 1.7 beweze. We defiiëre og voor elke toestad y S, m y = E y [T y ] [1, ] Merk op dat m y = als y trasiët is omdat da P y {T y = } > 0. Stellig 1.12 Zij X, 0 ee Markovkete met toestadsruimte S. Da geldt voor x, y S, (i) N (y) lim = 1 I {Ty<} P x -b.o. m y (ii) waar 1/ = 0. G (x, y) = 1 j=1 p (j) (x, y) ρ xy m y,
27 HOOFDSTUK 1. MARKOVKETENS 25 Bewijs (i) Het is voldoede dit te bewijze als y recurret is. (We hebbe al eerder getood dat N (y)/ 0 als y trasiët is.) We kue ook veroderstelle dat x y omdat aders de stellig triviaal is. (Da is N (y) = 0 = I {Ty<}, P x -b.o.) I dit geval kue we de kasmaat Q x defiiëre e de toevalsvariabele W y (k), k 2 zij Q x -oafhakelijk (zie lemma 1.7). De sterke wet va de grote getalle impliceert da dat als k, Aagezie k j=2 W (j) y 1 k k j=2 W (j) y E y [T y ] = m y Q x -b.o. = T (k) y T y e T y /k 0 op A = {T y < }, hebbe we als k, Als T y is N (y) 1 e het is evidet dat T (N(y)) y T (N(y)) y N (y) T (k) y /k m y Q x -b.o. (1.13) N (y) T y (N(y)+1) N (y) + 1 < T y (N(y)+1). Er geldt da N (y) + 1 N (y). (1.14) De toestad y is recurret e dus N (y) Q x -b.o. De twee betrekkige (1.13) e (1.14) implicere da same dat /N (y) m y Q x -b.o. of equivalet dat N (y)/ 1/m y Q x -b.o. Aagezie N (y)/ 0 op A c, kue we cocludere dat N (y)/ 1 m y I A P x -b.o., waarmee deel (i) beweze is. (ii) We hebbe 0 N (y)/ 1 e weges (i) N (y)/ I A /m y zodat we de stellig va de begresde covergetie kue toepasse. De coclusie is dat G (x, y)/ = E x [N (y)]/ P x(a) m y = ρ xy m y, waarmee ook deel (ii) beweze is. Defiitie 1.7 Zij X, 0 ee Markovkete met toestadsruimte S. We zegge dat ee recurrete toestad x positief recurret is idie m x = E x [T x ] <. Als m x = zegge we dat de toestad x ulrecurret is. Lemma 1.8 Zij X, 0 ee Markovkete met toestadsruimte S e overgagsmatrix p. Als x S positief recurret is e x y, da is ook y positief recurret. Bewijs We otere eerst dat weges stellig 1.5 de toestad y ook recurret is e bovedie geldt: ρ xy = ρ yx = 1. Dus (zie lemma 1.2) bestaa er 1, 2 1 zodaig dat p ( 1) (x, y) > 0 e p ( 2) (y, x) > 0.
28 HOOFDSTUK 1. MARKOVKETENS 26 Bijgevolg, p ( ) (y, y) cp () (x, x), 1, waar c = p ( 2) (y, x)p ( 1) (x, y) > 0. Als , volgt da dat 1 j=1 p (j) (y, y) c ( ) p (j) (x, x), j=1 waar het rechterlid aar c/m x > 0 covergeert als. De coclusie is dat de limiet va het likerlid die gelijk is aa 1/m y, ook positief moet zij. Dus is y positief recurret. Opmerkige 1. Als C S geslote e irreducibel zij er drie mogelijkhede: (A) alle toestade i C zij positief recurret, of (B) alle toestade i C zij ulrecurret, of (C) alle toestade i C zij trasiët. 2. Als C eidig e geslote is, bestaat er mistes ee positief recurrete toestad. (C geslote impliceert dat p (j) (x, z) = 0, x C, z / C, j 1 (zie lemma 1.3). Dus hebbe we voor x C, y C p (j) (x, y) = z S p (j) (x, z) = 1, j 1 e y C G (x, y)/ = 1, 1. Aagezie C eidig is, geldt er dat y C lim G (x, y)/ = 1, zodat er ee y C moet bestaa waarvoor lim G (x, y)/ = ρ xy /m y > 0. Deze toestad is positief recurret.) 3. Weges opmerkig 2 kue we cocludere dat als C S eidig, geslote e irreducibel is, alle toestade i C positief recurret zij. 4. Verder volgt dat als de toestadsruimte S eidig is, er allee positief recurrete of trasiëte toestade bestaa. Lemma 1.9 Zij X, 0 ee Markovkete waarvoor ee statioaire verdelig π bestaat. Da geldt er π(x) = 0 voor alle trasiëte e ulrecurrete toestade x S. Bewijs Als π ee statioaire verdelig is, geldt: π(x) = z S π(z)p (j) (z, x), x S, 1 j, hetgee impliceert dat π(x) = π(z)g (z, x)/. z S Als x vast is, is z g (z) = G (z, x)/ ee rij toevalsvariabele op de discrete kasruimte (S, 2 S, π) zodaig dat g (z) 0, z S (zie stellig 1.12). De stellig va de begresde covergetie impliceert da dat E π [g ] = z S g (z)π(z) 0. Aagezie z S g (z)π(z) = π(x), 1, volgt er dat π(x) = 0. Opmerkig Uit vorig lemma blijkt dat ee odige voorwaarde voor het bestaa va ee statioaire verdelig is dat er mistes ee positief recurrete toestad bestaat. De volgede stellig impliceert oder meer dat deze coditie ook voldoede is. Stellig 1.13 Zij X, 0 ee irreducibele, positief recurrete Markovkete. Da bestaat er ee uieke statioaire verdelig π die gedefiieerd is door π(x) = 1 m x, x S.
29 HOOFDSTUK 1. MARKOVKETENS 27 Bewijs (Stap 1: uiciteit) Aagezie X, 0 irreducibel is e alle toestade recurret zij, hebbe we weges stellig 1.5 dat ρ zx = 1, x, z S. Stellig 1.12(ii) impliceert da dat G (z, x)/ 1 m x, x, z S (1.15) e we kue zoals i het bewijs va lemma 1.9 cocludere dat als er ee statioaire verdelig π bestaat er moet gelde: π(x) = 1/m x, x S. (Stap 2) We toe dat x S 1 m x 1 (1.16) We gebruike weer het feit dat machte va stochastische matrices stochastische matrices blijve, dus we hebbe: p (j) (z, x) = 1, j 1, z S, x S hetgee impliceert dat G (z, x) = 1, 1, z S. x S Zij S 0 S eidig. Da volgt weges (1.15) dat G (z, x) G (z, x) 1 1 lim = lim = x S 0 x S 0 x S 0 m x Gezie S hoogstes aftelbaar is e dit voor elke eidige deelverzamelig S 0 va S geldt, volgt (1.16). (Stap 3) We toe dat We hebbe voor 1 j, e bijgevolg x S Als S 0 S eidig is, hebbe we x S 1 m x p(x, y) 1 m y, y S (1.17) p (j) (z, x)p(x, y) = p (j+1) (z, y) x S G (z, x) p(x, y) = G +1(z, y) G (z, x) p(x, y) G +1(z, y), x S 0 hetgee i combiatie met (1.15) impliceert dat 1 p(x, y) 1, y S. x S 0 m x m y p(z, y). Omdat dit weer voor elke eidige deelverzamelig S 0 va S geldt, volgt betrekkig (1.17).
Kanstheorie. 2de bachelor wiskunde Vrije Universiteit Brussel. U. Einmahl
Kastheorie 2de bachelor wiskude Vrije Uiversiteit Brussel U. Eimahl Academiejaar 208/209 Ihoudsopgave Kasruimte. Toevallige experimete..................................2 De axioma s va Kolmogorov.............................
Nadere informatieFourierreeksen. Calculus II voor S, F, MNW. 14 november 2005
Fourierreekse Calculus II voor S, F, MNW. 14 ovember 2005 Deze tekst is gedeeltelijk gebaseerd op het Aalyse BWI I dictaat e op aatekeige va Alistair Vardy. 1 Ileidig Het is vaak belagrijk ee gegeve fuctie
Nadere informatieKanstheorie. 2de bachelor wiskunde Vrije Universiteit Brussel. U. Einmahl
Kastheorie 2de bachelor wiskude Vrije Uiversiteit Brussel U. Eimahl Academiejaar 2011/2012 Ihoudsopgave 1 Kasruimte 1 1.1 Toevallige experimete................................. 1 1.2 De axioma s va Kolmogorov.............................
Nadere informatieDe Approximatiestelling van Weierstraß
De Approximatiestellig va Weierstraß Korteweg-de Vries Istituut voor Wiskude Uiversiteit va Amsterdam Mastercourse 15 ovember 2005 Peter Spreij spreij@sciece.uva.l 1 Itroductie I deze mastercourse behadele
Nadere informatieElementaire speciale functies
ANALYSE 1A, Ivoerig Elemetaire Speciale Fucties p.1 Elemetaire speciale fucties 1. Differetieerbaarheid zie syll. Calculus Ia, II.1.1 of Browder, Ch. 4). Zij I ee iterval, a ee iwedig put va I e f: I R
Nadere informatieTrigonometrische functies
Trigoometrische fucties Ileidig De meest gebruikelijke defiitie va de trigoometrische fucties cos e si berust op meetkudige cocepte (cirkel, hoek, driehoeke etc.) die buite het bestek va de aalyse valle.
Nadere informatieAnalyse 2 - SAMENVATTING
Aalyse 2 - SAMENVATTING willem va ravestei ihoudsopgave 01. Rije, eigeschappe e stellige 02. Deelrije, Cauchy, meetkudige e telescopische rij 03. Coverget of diverget? 04. Altererede rije e het wortelcriterium
Nadere informatien n n bedoelen we uiteraard dat n N : 0 f x divergeert naar + of.
Limiete Defiities a Limiet voor a I het hoofdstuk ratioale fucties i het begi va dit schooljaar zage we reeds dat zulke fucties soms perforatiepute hebbe De fuctiewaarde i zo put bestaat iet, maar de grafiek
Nadere informatieUitwerkingen toets 11 juni 2011
Uitwerkige toets 11 jui 2011 Opgave 1. Laat 2 e k 1 gehele getalle zij. I ee lad zij stede e tusse elk paar stede is ee busverbidig i twee richtige. Laat A e B twee verschillede stede zij. Bewijs dat het
Nadere informatieOefeningen Analyse II
ste Bachelor Igeieursweteschappe ste Bachelor Natuurkude/Wiskude Academiejaar 27-28 9 jui 28 Oefeige Aalyse II. Ee lichaam bove het xy-vlak met willekeurige hoogte wordt lags oder begresd door de cirkel
Nadere informatie2. Limiet van een rij : convergentie of divergentie
2. Limiet va ee rij : covergetie of divergetie 2. Eigelijke of eidige limiet 2.. Voorbeeld I ee bos staa 4 bome. De diest bosbeheer zal jaarlijks 2% bome kappe e ieuwe aaplate. Zal het bos verdwije? Zal
Nadere informatieOngelijkheden. IMO trainingsweekend 2013
Ogelijkhede IMO traiigsweeked 0 Deze tekst probeert de basis aa te brege voor het bewijze va ogelijkhede op de IMO. Het is de bedoelig om te bewijze dat ee bepaalde grootheid (ee uitdrukkig met ee aatal
Nadere informatieEquidistributie en ergodiciteit
Equidistributie e ergodiciteit Michiel Lieftik, Wouter Rieks, Mike Daas 9 december 207 Ileidig Beschouw ee situatie waari me ee grote verzamelig umerieke data tot zij beschikkig heeft Ee vraag die me zich
Nadere informatie2.6 De Fourierintegraal
2.6 De Fourieritegraal We vertrekke va de Fourierreeks i complexe vorm: voor g : [ π,π] C kue we schrijve met g(t) α e it, α 1 Z π g(t)e it dt. 2π π We herschrijve deze formules eerst voor ee fuctie f
Nadere informatie12 Kansrekening. 12.1 Kansruimten WIS12 1
WIS12 1 12 Kasrekeig 12.1 Kasruimte Kasmaat Ee experimet is ee hadelig of serie hadelige met ee of meer mogelijke resultate uitkomste geoemd). De uitkomsteruimte, die we steeds zulle aageve met Ω, is de
Nadere informatieFuncties, Rijen, Continuïteit en Limieten
Fucties, Rije, Cotiuïteit e Limiete Fucties, Rije, 2-0 Cotiuïteit e Limiete Fucties, Rije, Cotiuïteit e Limiete Ihoud 1. Fucties Defiitie e kemerke / bewerkige op fucties Reële fucties va éé reële veraderlijke
Nadere informatieOpgave 1 Zij θ R, n 1 en X 1, X 2,..., X n onafhankelijk, identiek verdeelde stochasten met kansdichtheidsfunctie. f θ (x) =
Opgave 1 Zij θ R, 1 e X 1, X 2,..., X oafhakelijk, idetiek verdeelde stochaste met kasdichtheidsfuctie { 1 als x (θ 2, θ + 2) f θ (x) = als x (θ 2, θ + 2). a pt) Bepaal E(X 1 ) e V ar(x 1 ). ANTWOORD:
Nadere informatieBass eenheden in ZG.
Bass eehede i ZG. 2 Hoofdstuk 1 Bass eehede 1.1 Cyclotoische eehede i Z(ɛ ) Als G ee abelse groep is, da zij de bicyclische eehede i ZG alleaal triviaal. We oete i die situatie dus op zoek gaa aar adere
Nadere informatieAntwoorden. Een beker water
Atwoorde 1 Ee beker water We ormere massa zodaig dat 1 volume-eeheid water, massa 1 heeft. We gebruike de formule voor het volume va ee cilider. De massa va de rad is Mr = π(1/36 + 1/6 + 4 4)36/5 = π5/36
Nadere informatieVOOR HET SECUNDAIR ONDERWIJS
VOOR HET SECUNDAIR ONDERWIJS Steekproefmodelle e ormaal verdeelde steekproefgroothede 6. Werktekst voor de leerlig Prof. dr. Herma Callaert Has Bekaert Cecile Goethals Lies Provoost Marc Vacaudeberg 1.
Nadere informatie1. Gegeven is het polynoom P (z) = z 4 + 4z 3 + 6z 2 + 4z + 5 met z C.
Radboud Uiversiteit Tetame Calculus A NWI-WP5 ovember 7, 5.45 8.45 Het gebruik va ee rekemachie/gr, telefoo, boek, aatekeige e.d. is iet toegestaa. Geef precieze argumete e atwoorde. Zorg dat uw redeerige
Nadere informatieDit geeft ee voorwaarde die slechts afhagt va de begiwaarde va de `basisoplossige' (bij (3) is die voorwaarde a b a b 0). Hoe ka me twee lieair oafhak
Lesbrief 5 Recurreties e ogelijkhede Recursief gedefiieerde rije Er zij getallerije {a } die voldoe aa ee recurrete betrekkig va de vorm a +k = f(a +k ;a +k ;:::;a ) voor = ; ;:::, waardoor de + k-de term
Nadere informatie151 Universele eigenschappen voor algebra 3; 2015/02/08
151 Uiversele eigeschappe voor algebra 3; 2015/02/08 I het dagelijks leve make we vaak gebruik va apparate, zoals bijvoorbeeld auto s e computers, zoder dat we wete hoe die precies i elkaar zitte e hoe
Nadere informatieOpgaven OPGAVE 1 1... OPGAVE 2. = x ( 5 stappen ). a. Itereer met F( x ) = en als startwaarden 1 en 100. 100...
Opgave OPGAVE 1 a. Itereer met F( ) = e als startwaarde 1 e 1. 16 1............... 16 1............... b. Stel de bae grafisch voor i ee tijdgrafiek. c. Formuleer het gedrag va deze bae. (belagrijk is
Nadere informatie1. Symmetrische Functies
Algebra III 1 1. Symmetrische Fucties permutatios sot la metaphysique des équatios Lagrage*, 1771 I dit hoofdstuk bestudere we de ivariate va de werkig va de symmetrische groep S op polyoomrige i variabele.
Nadere informatieConvergentie, divergentie en limieten van rijen
Covergetie, divergetie e limiete va rije TI-spire e rije 7N5p GGHM 22-23 Eigeschappe rekekudige rij b = begiwaarde v = verschil tusse twee opeevolgede terme recursieve formule: u = u + v met u = b directe
Nadere informatieReeksen. Convergente reeksen
Reekse Reekse Defiitie, otatie e voorbeelde Defiitie: Eereeks is ee koppel ( ) {u } l, {s } l met s = u k = u l + u l+ + u l+2 +...+ u + u k=l u l = s l, u = s s, = l +, l +2,... {u } l oemt me de termerij,
Nadere informatie1. Hebben de volgende rijen een limiet, en zo ja, bepaal die dan: (i) u n = sin(πn) (d) u n = cos(2πn) (l) u n = log n
Hoofdstuk 1 Limiet va ee rij 1.1 Basis 1. Hebbe de volgede rije ee iet, e zo ja, bepaal die da: (a) 1,, 3, 4, 5, 6, 7, 8,... (b) 1, 4, 9, 16, 5, 36, 49,... (c) 1, 8, 7, 64, 15,... (d) u = ( 1) (e) u =
Nadere informatieVOOR HET SECUNDAIR ONDERWIJS. Verklarende statistiek. 6. Proporties. Werktekst voor de leerling. Prof. dr. Herman Callaert
VOOR HET SECUNDAIR ONDERWIJS Verklarede statistiek 6. Werktekst voor de leerlig Prof. dr. Herma Callaert Has Bekaert Cecile Goethals Lies Provoost Marc Vacaudeberg 1. Ee ieuwe aam voor ee gekede grootheid...2
Nadere informatieDe Stelling van Lamperti
Y.A. Peeters De Stellig va Lamperti Bachelorscriptie, 24 jui 2015 Begeleider: Dr. M.F.E. de Jeu Mathematisch Istituut, Uiversiteit Leide Ihoudsopgave 1 Voorwoord 2 2 Ileidig 3 2.1 Hoofdstellig.............................
Nadere informatieopgave Opgave Bepaal de convergentiestralen van de volgende machtreeksen: (n + 1)! n! = lim n = lim (n + 1)!/(2n + 2)! n!/(2n)!
opgave 7 7 Bepaal de covergetiestrale va de volgede machtreekse: a!z ; b! (! z ; c 3 z! ; d z! a Zij a!, da lim ( +!! ( +, dus R 0 b Zij a!, da (! lim ( +!/( +!!/(! ( + 0, dus R c Zij a 3, da! lim 3 +
Nadere informatiePeriodiciteit bij breuken
Periodiciteit bij breuke Keuzeodracht voor wiskude Ee verdieede odracht over eriodieke decimale getalle, riemgetalle Voorkeis: omrekee va ee breuk i ee decimale vorm Ileidig I deze odracht leer je dat
Nadere informatie2.1 De normale verdeling
Les 2 Steekproeve We zulle i deze les bekijke, hoe we gegeves va ee populatie zoals het gemiddelde e de spreidig kue schatte, zoder aar elk idividu va de populatie te kijke. Het idee hierbij is, i plaats
Nadere informatiePolynomen groep 2. Trainingsweek, juni Complexe nulpunten. Een polynoom is van de vorm P (x) = n
Polyome groep 2 Traiigsweek, jui 2009 Complexe ulpute Ee polyoom is va de vorm P (x) = i=0 a ix i, met coëfficiëte a 0, a 1,..., a, die uit ee gegeve verzamelig kome (meestal Z of R). Als alle coëfficiëte
Nadere informatieWPP 5.2: Analyse. Oplossing onderzoeksopdrachten
WPP 5.: Aalyse oderzoeksopdrachte Oderzoeksopdracht leerboek bladzijde 0 Limiet va ee rij : defiities Beschouw de rij u :,,, 4,.... Bepaal de algemee term u. Via PC / GRT bepaal je de tabel e teke je
Nadere informatieBewijzen voor de AM-GM-ongelijkheid
Bewijze voor de AM-GM-ogelijkheid Prime Ee beroemde olympiadeogelijkheid is de ogelijkheid tusse het rekekudig gemiddelde (AM, arithmetic mea) e het meetkudig gemiddelde (GM, geometric mea). Voor ee gegeve
Nadere informatieUITWERKINGEN TOETS TRAININGSKAMP. Valkenswaard, 10 juni 2006
UITWERKINGEN TOETS TRAININGSKAMP Valkeswaard, 0 jui 006 Opgave. Als we ee verzamelig pute i de ruimte hebbe, moge we ee put va de verzamelig spiegele i ee ader put va de verzamelig e het beeld hierva toevoege
Nadere informatieOpgeloste Oefeningen Hoofdstuk 5: Wet van de grote aantallen en Centrale limietstelling
Opgeloste Oefeige Hoofdstuk 5: Wet va de grote aatalle e Cetrale limietstellig 5.. Ee toevalsveraderlijke X is oisso-verdeeld met parameter λ = 00. Bepaal ee odergres voor de waarschijlijkheid (75 X 5).
Nadere informatiePraktische opdracht: Complexe getallen en de Julia-verzameling
Praktische opdracht: Complexe getalle e de Julia-verzamelig Auteur: Wiebe K. Goodijk, Zerike College Hare Beodigde Voorkeis: 1 = i Het complexe vlak. Notatie: z = a + bi of z = r(cosϕ + i si ϕ) Regel va
Nadere informatieComplexe getallen. c(a+ib)=ca+i(cb) id(a+ib)=i(ad)+i 2 (bd)=(-bd)+i(ad) (a+ib)(c+id)=ac+i(ad)+i(bc)+i 2 (bd)= ac-bd+i(ad+bc)
. Ileidig: Complexe getalle I de wiskude stelt zich het probleem dat iet bestaat voor de reële getalle of dat de vergelijkig x + 0 gee reële ulpute heeft. Om dit euvel op te losse werd het getal i igevoerd
Nadere informatieFaculteit der Exacte Wetenschappen Vrije Universiteit Wiskunde II (Deel 1) :30-15:30. f(x, y) = x(x 2 + y 2 1)
Faculteit der Exacte Weteschappe Deeltetame Vrije Uiversiteit Wiskude II (Deel 6-- 3:3-5:3. Gegeve is de volgede fuctie: f(x, y x(x + y a. Bepaal de statioaire pute va f e geef va elk statioair put aa
Nadere informatieSchatters en betrouwbaarheidsintervallen
Statistiek voor Iformatiekude, 006 Les 3 Schatters e betrouwbaarheidsitervalle I de vorige les hebbe we era gekeke hoe we bijvoorbeeld het gemiddelde e de variatie va ee populatie kue schatte, door deze
Nadere informatieEnkele geselecteerde onderwerpen uit de maattheoretische kansrekening
Ekele geselecteerde oderwerpe uit de maattheoretische kasrekeig Vicet Hsu 24 juli 2014 Bachelorproject Wiskude Begeleidig: prof. dr. Roald Meester Korteweg-De Vries Istituut voor Wiskude Faculteit der
Nadere informatieSamenvatting. Fouriertheorie en distributies. Fourier en Schwartz. De warmtevergelijking. De exacte benadering
Samevattig Fouriertheorie e distributies De exacte beaderig Ileidig 2 De warmtevergelijkig Ja Wiegerick Korteweg - de Vries Istituut voor Wiskude Uiversiteit va Amsterdam 27 september 22 3 Oplossig door
Nadere informatieDus n n (a + b) n = a n + a n 1 b + heet een binomiaalcoëfficiënt (uitspraak n boven k ). Newton vond de
CONTINUE WISKUNDE: BINOMIUM VAN NEWTON EN RECURRENTE BETREKKINGEN Het Biomium va Newto Het Biomium va Newto is ee uitdruig voor a + b), waarbij a e b willeeurige getalle zij, e ee atuurlij getal I deze
Nadere informatieSteekproeven en schatters
Statistiek voor Iformatiekude, 25 Les 2 Steekproeve e schatters We zulle i deze les bekijke, hoe we gegeves va ee populatie zo als het gemiddelde e de spreidig kue schatte, zoder aar elk idividu va de
Nadere informatieHoofdstuk 4: Aanvullende Begrippen (Extra Oefeningen)
Hoofdstuk 4: Aavullede Begrippe (Extra Oefeige) 9. Veroderstel dat X e Y ormaal verdeeld zij met resp. gemiddelde waarde µ X e µ Y e met dezelfde variatie 2. Wat is da de distributie va X Y? Bepaal de
Nadere informatieSet 3 Inleveropgaven Kansrekening (2WS20)
1 Techische Uiversiteit Eihove Faculteit Wiskue e Iformatica Set 3 Ileveropgave Kasrekeig (2WS20) 2014-2015 1. (Flesjes ie uit e ba sprige) Aa ee lopee ba wore bierflesjes gevul. Helaas gaat er zo u e
Nadere informatieEen meetkundige constructie van de som van een meetkundige rij
Ee meetkudige costructie va de som va ee meetkudige rij [ Dick Kliges ] Iets verder da Euclides deed Er wordt door sommige og wel ees gedacht dat Euclides (hij leefde rod 300 v. Chr.) allee over meetkude
Nadere informatieJulian gooit 20 keer met een dobbelsteen. Bereken de kans dat hij precies 5 keer een zes gooit.
- Test Hfst D kasrekeig - Kase ofwel exact ofwel afgerod op decimale geve. ( x p) Tim gooit drie keer met ee gewoe dobbelstee. Na zij derde worp telt hij het aatal oge va de drie worpe bij elkaar op. Bereke
Nadere informatieHOOFDSTUK III. SCHATTEN VAN PARAMETERS Schatters en Betrouwbaarheidsintervallen. Theorie Statistiek Les 6
HOOFDSTUK III SCHATTEN VAN PARAMETERS Schatters e Betrouwbaarheidsitervalle 3. HET GEMIDDELDE VAN EEN NV Steekproef uit ee ormaal verdeelde populatie De kasveraderlijke X, X, X 3,..., X zij N(µ, σ) verdeeld
Nadere informatieG0N34a Statistiek: Examen 7 juni 2010 (review)
G0N34a Statistiek: Exame 7 jui 00 review Vraag Beoordeel de volgede uitsprake. Als ee uitspraak iet juist is of ovolledig, leg da uit waarom e verbeter de uitspraak.. Bij het teste va hypotheses is de
Nadere informatieUitwerkingen huiswerk week 7
Lieaire algebra ajaar 008 Uitwerkige huiswerk week 7 Opgave 5 Ee -matrix va de vorm 1 a 1 a 1 a 1 a a a A 1 a 3 a 3 a 1 a a a 1 a1 1 a 1 3 a3 1 a 1 heet ee Vadermode matrix Laat zie dat det A 1 i
Nadere informatiePARADOXEN 9 Dr. Luc Gheysens
PARADOXEN 9 Dr Luc Gheyses LIMIETEN, AFGELEIDEN EN INTEGRALEN: ENKELE MERKWAARDIGE VERHALEN Ileidig: verhale over ifiitesimale Ee ifiitesimaal (of ifiitesimaal kleie waarde) is ee object dat mi of meer
Nadere informatieVideoles Discrete dynamische modellen
Videoles Discrete dyamische modelle Discrete dyamische modelle Orietatie Algebraisch Algebraisch/ umeriek Numeriek Maak de volgede rijtjes af: Puzzele met rijtjes a. 2 4 6 8 10 - b. 1 2 4 8 16 - c. 1 2
Nadere informatieIteratie is het steeds herhalen van eenzelfde proces, verwerking op het bekomen resultaat. Verwerking
1. Wat is iteratie? Iteratie is het steeds herhale va eezelfde proces, verwerkig op het bekome resultaat. INPUT Verwerkig OUTPUT Idie de verwerkig gebeurt met ee (reële) fuctie geldt voor ee startwaarde
Nadere informatieRijen. 6N5p
Rije 6N5p 0-03 Rije Ileidig I de wiskude werke we vaak met formules e/of fucties die elke mogelijke waarde aa kue eme. Als bijvoorbeeld f( x) = 5x + 5x 3, da ku je voor x (bija) elke waarde ivulle e ka
Nadere informatieBetrouwbaarheidsintervallen
tatistiek voor Iformatiekude, 005 Les 3 Betrouwbaarheidsitervalle I de vorige les hebbe we era gekeke hoe we groothede va ee populatie met behulp va steekproeve kue schatte. We hebbe daarbij gezie dat
Nadere informatieUitwerkingen huiswerk week 7
Lieaire algebra ajaar 009 Uitwerkige huiswerk week 7 Opgave 19. Ee -matrix va de vorm 1 a 1 a 1 a 1 a a a A = 1 a 3 a 3 a.... 1 a a a 1 a1 1 a 1 3 a3 1. a 1 heet ee Vadermode matrix. Laat zie dat det A
Nadere informatieDiscrete Tomografie op de Torus
Arthur Pijpers Discrete Tomografie op de Torus Bachelorscriptie, 13 jui 2013 Scriptiebegeleider: prof.dr. K.J. Bateburg Mathematisch Istituut, Uiversiteit Leide Ihoudsopgave 1 Ileidig 3 2 Basisresultate
Nadere informatieEen toelichting op het belang en het berekenen van de steekproefomvang in marktonderzoek.
006 Wolters-Noordhoff bv Groige/Houte De steekproefomvag Ee toelichtig op het belag e het berekee va de steekproefomvag i marktoderzoek. Ihoud 1 Ileidig Eerst ekele defiities 3 Steekproefomvag e respose
Nadere informatieVrije Universiteit Brussel Faculteit Toegepaste Wetenschappen T ENE BRA S. Lineaire algebra. S. Caenepeel
VRIJE UNIVERSITEIT BRUSSEL Vrije Uiversiteit Brussel Faculteit Toegepaste Weteschappe SCI EN T I A V INCERE T ENE BRA S Lieaire algebra S. Caeepeel Syllabus bij de cursus Algebra e meetkude Eerste Kadidatuur
Nadere informatie2de bach TEW. Statistiek 2. Van Driessen. uickprinter Koningstraat Antwerpen ,00
de bach TEW Statistiek Va Driesse Q www.quickpriter.be uickpriter Koigstraat 3 000 Atwerpe 46 5,00 Nieuw!!! Olie samevattige kope via www.quickpritershop.be Hoofdstuk : Het schatte va populatieparameters.
Nadere informatie1. Recursievergelijkingen van de 1 e orde
Recursievergelijkige va de e orde Rekekudige rije Het voorschrift va ee rekekudige rij ka gegeve wordt met de volgede recursievergelijkig: u = u + b Idie we deze vergelijkig i de vorm u = u u = b otere
Nadere informatiePROEFEXAMEN SOCIALE STATISTIEK November 2009 REEKS 1
PROEFEXAMEN SOCIALE STATISTIEK November 009 REEKS Score /5. ( pute) Beatwoord volgede vraag aa de had va oderstaade SPSSoutput: Omcirkel de juiste waarde voor A e voor B als je weet dat deze verdelig bereked
Nadere informatieHoofdstuk 1 Rijen en webgrafieken
Hoofdstuk Rije e wegrafieke Voorkeis: Rije ladzijde V-a u 7 + v +, c De vergelijkig 7 + +, oplosse geeft, e dus 8. Ze hee eide 8 rode gelope. V- u, u met u V-a u + ( ) + + s u + u + u +... + u + + 8 +
Nadere informatieWe kennen in de wiskunde de volgende getallenverzamelingen:
Masteropleidig Fiacial Plaig Kwatitatieve Methode Relevate wiskude We kee i de wiskude de volgede getalleverzamelige: De atuurlijke getalle: N = {0,,,,4, } De gehele getalle: Z = {, -,-,-,0,,,, } (egels:
Nadere informatieWaarschijnlijkheidsrekening en Statistiek
Vrije Uiversiteit Brussel Faculteit Toegepaste Weteschappe Waarschijlijkheidsrekeig e Statistiek S. Caeepeel e P. de Groe Syllabus bij de cursus Waarschijlijkheidsrekeig e Statistiek Tweede Kadidatuur
Nadere informatie1. Weten dat in het geval van compressoren rekening moet gehouden worden met thermische effecten
Hoofdstuk 4 Compressore Doelstellige 1. Wete dat i het geval va compressore rekeig moet gehoude worde met thermische effecte 2. Wete dat er ee gres is aa het verhoge va de druk va ee gas 3. Wete welke
Nadere informatieEindexamen wiskunde A1-2 vwo 2008-II
Groepsfoto s Alle mese kippere met hu oge. Daardoor staa op groepsfoto s vaak ekele persoe met geslote oge. Sveso e Bares hebbe oderzocht hoeveel foto s je moet make va ee groep va persoe om 99% kas te
Nadere informatie1 Het trekken van ballen uit een vaas
Het trekke va balle uit ee vaas Combiatorische kasprobleme moete worde aagepakt met ee kasmodel dat bestaat uit ee eidige uitkomsteverzamelig Ω va gelijkwaarschijlijke uitkomste Dit wil zegge dat de kas
Nadere informatie1) Complexe getallen - definitie
Complexe getalle ) Complexe getalle - defiitie a) Meetkudige betekeis va het getal i Als je ee reëel getal met ee ader reëel getal vermeigvuldigt, wordt zij afstad tot de oorsprog met dit getal vermeigvuldigd
Nadere informatieMachtsfuncties en wortelfuncties. Introductie 177. Leerkern 178
Ope Ihoud Uiversiteit leereeheid 6 Wiskude voor ilieuweteschappe Machtsfucties e wortelfucties Itroductie 77 Leerker 7 Machtsfucties et ee atuurlijk getal als epoet 7 Machtsfucties et ee egatief geheel
Nadere informatieDe speler die begint mag in zijn eerste beurt niet alle stenen pakken.
Nim Het spel: Op tafel ligt ee stapel stee (meer da éé). Twee spelers eme om beurte stee va de stapel. De speler die begit mag i zij eerste beurt iet alle stee pakke. De speler die aa de beurt is mag iet
Nadere informatieHoofdstuk 9 : Steekproefstatistieken. Marnix Van Daele. Vakgroep Toegepaste Wiskunde en Informatica Universiteit Gent.
Hoofdstuk 9 : Steekproefstatistieke Marix Va Daele MarixVaDaele@UGetbe Vakgroep Toegepaste Wiskude e Iformatica Uiversiteit Get Steekproefstatistieke p 1/20 Schattige Waeer uit ee steekproef de waarde
Nadere informatieKansrekenen [B-KUL-G0W66A]
KU Leuve Kasrekee [B-KUL-G0W66A] Notities Tom Sydey Kerckhove Gestart 8 februari 2015 Gecompileerd 9 februari 2015 Docet: Prof. Tim Verdock Ihoudsopgave 1 Combiatoriek 2 1.1 Variaties..........................................
Nadere informatieRijen met de TI-nspire vii
Rije met de TI-spire vii De tore va Pisa Me laat ee bal valle vaaf de tore va Pisa(63m hoog) Na elke keer stuitere haalt de bal og ee vijfde va de voorgaade hoogte. Gevraagd zij: a) De hoogte a de e keer
Nadere informatieCombinatoriek. Nota s in samenwerking met Anja Struyf en Sabine Verboven (Universiteit Antwerpen)
1 Combiatoriek Nota s i samewerkig met Aja Struyf e Sabie Verbove (Uiversiteit Atwerpe) I het dagelijkse leve worde we vaak gecofroteerd met vraagstukke waarva de oplossig het telle va het aatal elemete
Nadere informatieAanvullingen van de Wiskunde. S. Caenepeel
Aavullige va de Wiskude S. Caeepeel Syllabus 131 bij 1009383BNR Aavullige va de Wiskude Derde Bachelor Igeieursweteschappe Electroica e Iformatietechologie, Derde Bachelor Fysica 2017 Ihoudsopgave 1 Eerste
Nadere informatieHet andere binomium van Newton Edward Omey
Ileidig Het adere biomium va Newto Edward Omey Bija iederee heeft tijdes ij studies eis gemaat met de biomiale coëf- ciëte of getalle Dee worde diwijls voorgesteld oder de vorm die door Blaise Pascal (6-66)
Nadere informatieInleiding. 1. Rijen. 1.1 De rij van Fibonacci. 2 Zou je deze regelmatigheden kunnen verklaren met wiskunde? déäçéáç=çççê=táëâìåçé=éå=téíéåëåü~éééå=
Ileidig Waarom vorme zoebloempitte 2 bochte i de ee richtig e 34 i de adere? E wat heeft ee huisjesslak te make met + 5 2 Zou je deze regelmatighede kue verklare met wiskude? Heeft wiskude cocrete toepassige
Nadere informatieExamen HAVO. wiskunde A. tijdvak 2 woensdag 19 juni 13.30-16.30 uur. Bij dit examen hoort een uitwerkbijlage.
Exame HAVO 2013 tijdvak 2 woesdag 19 jui 13.30-16.30 uur wiskude A Bij dit exame hoort ee uitwerkbijlage. Dit exame bestaat uit 21 vrage. Voor dit exame zij maximaal 80 pute te behale. Voor elk vraagummer
Nadere informatieWerktekst 1: Een bos beheren
Werktekst : Ee bos behere Berekeige met rije op het basisscherm Op ee perceel staa 3000 kerstbome. Ee boomkweker moet beslisse hoeveel bome er jaarlijks gekapt kue worde e hoeveel ieuwe aaplat er odig
Nadere informatieHET BELANG VAN. Vragen Tijdens de voordracht op 14 augustus 2007 hebben we de volgende vragen besproken.
HET BELANG VAN KP HART Vrage Tijdes de voordracht op augustus 007 hebbe we de volgede vrage besproke. Hoe ku je izie dat ee vierkat, bij gegeve omtrek, de rechthoek met de maximale oppervlakte is? Hoe
Nadere informatieOplossingen extra oefeningen: rijen (leerstof RR, leerstof MR)
Oplossige extra oefeige: rije (leerstof RR, leerstof MR) Beschouw de rij ( u ) = 3,5,9,7,33, () Geef de volgede twee terme uit deze rij ( u e u 7) Defiieer deze rij (je mag kieze tusse ee expliciete of
Nadere informatieNETWERK B2 UITWERKINGEN VOOR HET VWO. HOOFDSTUK 10 CONVERGENTIE Kern 1 LIMIETEN. u 2 u 1. u 3. u 4. u 5. u 7
UITWERKINGEN VOOR HET VWO NETWERK B a) 7 log 7 7 log 7 7 b) 7 a) Niet b) Wel c) Niet ) HOOFDSTUK CONVERGENTIE Ker LIMIETEN Hee f t Ci j f ers log 7 7 log 7 7 77 ) µ Hee f t Ci j f ers a) µ ; µ ; ; µ ;
Nadere informatieEen andere kijk op Financiële Rekenkunde Wim Pijls, Erasmus Universiteit Rotterdam
Ee adere kijk op Fiaciële Rekekude Wim Pijls, Erasmus Uiversiteit Rotterdam. Ileidig Het vak Fiaciële Rekekude levert vawege zij sterk wiskudig karakter ogal wat probleme op i het oderwijs. Veel leerlige
Nadere informatieStatistiek Voor studenten Bouwkunde College 5
Statistiek Voor studete Bouwkude College 5 toevalsfluctuaties Programma voor vadaag Terugblik Wet va de grote aatalle Verwachtigswaarde Stadaardfout e wortel wet Normale beaderig voor kashistogramme Prof.
Nadere informatieHoeveel getallen van 2 verschillende cijfers kan je vormen met de cijfers 1,4,7,8? tweede cijfer 4 7 8 1 7 8 1 4 8 1 4 7
Hoofdstu Combiatorie. Basisregels Combiatorie is de studie va telprobleme. De ust va het telle bestaat vaa uit het codere of aders voorstelle va het telprobleem, zodat het uiteidelij volstaat om de volgede
Nadere informatieAppendix A: De rij van Fibonacci
ppedix : De rij va Fiboacci Het expliciete voorschrift va de rij va Fiboacci We otere het het e Fiboaccigetal met F De rij va Fiboacci wordt gegeve door: F F F F 4 F F 6 F 7 F De volgede afleidig is gebaseerd
Nadere informatieOngelijkheden groep 2
Ogelijkhede groep 2 Jese e Muirhead Traiigsweek 8 13 jui 2009 1 Jese Defiitie covex) Zij f : R R ee fuctie. We oeme f covex op [a, b] als voor elke x, y [a, b] geldt de koorde met eidpute x, fx)) e y,
Nadere informatie4 Differentierekening en reeksen
WIS4 4 Differetierekeig e reekse 4. Delt Differeties Differetierekeig bestudeert de differetie-opertor, gedefiieerd door f(x) = f(x + ) f(x) Vergelijk dit met differetilrekeig: de fgeleide-opertor D is
Nadere informatieDion Coumans en Mieke Janssen. Introductie didactiek van de wiskunde
Dio Coumas e Mieke Jasse Itroductie didactiek va de wiskude 29-12-2006 1 Ihoudsopgave blz. 1. Itroductie i magische vierkate 3 1.1 f-magische vierkate 4 1.2 α-magische vierkate 4 2. α-magische vierkate
Nadere informatieLineaire Algebra en Voortgezette Analyse
Lieaire Algebra e Voortgezette Aalyse Rise Poortiga Lieaire Algebra e Voortgezette Aalyse 01 Rise Poortiga ISBN 978908181518 NUR 918 http://www.risepoortiga.l Niets uit deze uitgave mag worde verveelvoudigd,
Nadere informatie7. Betrouwbaarheidsintervallen voor proporties
VOOR HET SECUNDAIR ONDERWIJS Verklarede statistiek 7. Betrouwbaarheidsitervalle voor proporties Werktekst voor de leerlig Prof. dr. Herma Callaert Has Bekaert Cecile Goethals Lies Provoost Marc Vacaudeberg
Nadere informatieNieuwe wiskunde tweede fase Profiel N&T Freudenthal instituut. Eindeloze Regelmaat
Nieuwe wiskude tweede fase Profiel N&T Freudethal istituut Eideloze Regelmaat Eideloze Regelmaat Project: Wiskude voor de tweede fase Profiel: N&T Domei: Voortgezette Aalyse Klas: VWO 6 Staat: Herziee
Nadere informatieWorkshop generating functions
Workshop geeratig fuctios PRIME 6 oktober 04 Geererede fucties werde igevoerd door Abraham de Moivre i 730 om recursieprobleme op te losse, maar hebbe sidsdie i allerlei deelgebiede va de wiskude hu ut
Nadere informatieWenS eerste kans Permutatiecode 0
WeS eerste kas 203 204 Permutatiecode 0 Aatekeige op de vrageblade zij NIET TOEGELATEN. Je mag gebruik make va schrijfgerief e ee eevoudige rekemachie; alle adere materiaal blijft achteri. Gee GSM s toegelate:
Nadere informatieBetrouwbaarheid. Betrouwbaarheidsinterval
Betrouwbaarheid Ee simulatie beoogt éé of i.h.a. twee of meerdere sceario s te evaluere e te vergelijke, bij Mote Carlo (MC) simulatie voor ee groot aatal istelwaarde, voor éé of meerdere parameters. Hierbij
Nadere informatieis de verzameling van de natuurlijke getallen, bevat de gehele getallen en { x x m / n voor zekere gehele getallen m en n met n 0} bevat de rationale
1 Basisbegrippe 11 Verzamelige De getalle waarmee we op school hebbe lere were, zij de reële getalle De verzamelig va alle reële getalle wordt aageduid met Belagrije deelverzamelige va zij, e {0,1,,3,
Nadere informatie