第二章 随机过程的基本概念与结论 第1节 基本概念 | 您所在的位置:网站首页 › 怎么关闭华为手机屏幕旋转功能 › 第二章 随机过程的基本概念与结论 第1节 基本概念 |
首先需要说明的是,这一章讲的不是随机过程这门课,而是随机过程一般概念和结论,为以后讲特殊的随机过程(如Brown运动,鞅,Markov过程等)做准备。 本节的重点是 什么叫随机过程?“两个随机过程互为修正”与“两个随机过程无差别”的定义是什么,两者有什么联系?什么是 代数流?如何定义 代数流的连续性?什么叫可测过程、适应过程、循序过程?三者有何关系?这一节用 表示区间 ,并假定概率空间 是完备的,即 中的任意零测集,其子集也属于 . 定义2.1(随机过程) 设 是概率空间, 是可测空间,指标集 是 的子集。若对任意 , 是随机变量,则称 是概率空间 上取值于 的随机过程。在不引起歧义时,可简称 是随机过程。称 为该随机过程的相空间或者状态空间。称 为随机过程的时间域。对每个固定的 称为相应于 的轨道。每个轨道都是关于 的一元函数。 定义2.2(随机过程的修正) 设 和 是概率空间 上的随机过程。若 ,存在零测集 , 使得 , 有 , 即 则称 和 互为修正。 定义2.3(随机过程无区别) 设 和 是概率空间 上的随机过程。若存在与时刻 无关的零测集 , 使得 以及所有的 , 有 ,即 则称 和 无区别。 容易证明,两个过程无区别,一定互为修正;反之,若 是至多可数集,则两个互为修正的过程,是无区别的。 “反之”的结论中,若去掉 至多可数的条件,会出现反例。设 表示 的Borel集全体, 表示 上的概率测度,使得单点集的测度均为零。设 . 对 , 构造 , 以及 这时过程 和 互为修正,因为对任意固定的 , 但是 和 并非无区别,因为 若 ,能否施加条件,使得两个随机过程互为修正与无差别等价?事实上是可以的,定理2.5给出了回答。 定义2.4(随机过程a.s.连续) 设 是概率空间 上的随机过程。若存在零测集 , 使得对每个 , 轨道 连续,则称随机过程a.s.连续。特别地,若对所有 都是连续的,则称随机过程是连续的。 类似地,可以定义随机过程(a.s.)右连续和(a.s.)左连续。注意,左连续是在 上讨论的。 定理2.5(互为修正与无差别的等价性) 设随机过程 和 都是a.s.右(左)连续的,则它们互为修正,当且仅当它们无区别。 证明:充分性显然,只需证必要性。注意非负有理数集 是可数集,可数个零测集的并是零测集,所以 再排除一个零测集[即,使 或 不是右(左)连续的 全体],利用右(左)连续性,即得 证毕。 接下来需要讨论随机过程的可测性,以及它与连续性的关系,为此,首要工作是引入 代数流(Filtration). 在定义2.6和2.7中,只需 是 的子集。 定义2.6( 代数流) 设 是概率空间, 是 的一族 代数。如果 且 时, , 则称 是 上的 代数流,也可以简称“流”。称四元组 为 代数流空间。 定义2.7(完备 代数流) 设 为 代数流空间,若 包含 中的所有零测集,则称 为完备 代数流,称 为完备代数流空间。 接下来需要考虑的问题是,给定一个流,构造新的 代数以及新的流。为讨论方便,令 . 一般来说,若 是 代数流,则 未必是 代数。一般用 表示包含 的最小 \sigma 代数,即 部分文献用 表示上一行等式的右端。 在给定 后,我们还可以定义新的流。定义 一般地, 有 特别地,以下三种情形 分别称 左连续、右连续、连续。显然, 是右连续的流。 有了上述铺垫,我们可以对 代数流提出一些限定条件。本节的最后会解释这么做的意义是什么。 定义2.8(通常条件) 若 完备且右连续,则称满足通常条件。 对于一般的流 ,通过一些手段可以使它满足通常条件。记 是 中零测集全体,即 若完备性不满足,可对 进行扩充 于是 是完备的,从而 满足通常条件。 有了前期准备,就可以讨论随机过程的可测性。在定义2.9中,只需令 是 的子集;在定义2.10和2.11中,令 . 定义2.9(适应过程) 设 是 上的随机过程,若 , 随机变量 是 可测的,则称 是适应过程。这个适应过程可以用五元组表达 注意若 , 由于 关于 可测,故 也必然关于 可测。因此,对于适应过程 , 代数流必须满足条件 称 为自然流,这是使得随机过程 适应的最小 代数流。 定义2.10(可测过程) 设 是 上的随机过程,若二元函数 是可测的,则称 是可测过程。其中 表示 的Borel代数, 表示包含 的最小 代数。Borel代数是指由全体开集(等价地,全体闭集)生成的 代数。 不难证明可测过程还有另外一种等价定义: 定义2.10'(可测过程等价定义) 设 是 上的随机过程,若 , 二元函数 是可测的,则称 是可测过程。其中 表示闭区间 的Borel代数。 定义2.11(循序过程) 设 是 上的随机过程,若 , 二元函数 是可测的,则称 是循序过程。 注意,定义2.10' 和定义2.11非常像,区别在于 选取的 代数。循序过程必然是可测过程和适应过程,反过来不一定成立。但是可测且适应的过程,存在循序修正,该结论可见黄志远(2001,p.15), 但是没有给出证明。 定义2.12(循序集与循序 代数) 设 是 代数流空间, 是 的子集,若示性函数 是循序过程,则称 是循序集。循序集全体构成 代数,称其为循序 代数,记为 . 由定义 不难得到循序过程的等价定义: 定义2.11'(循序过程的) 设 是 上的随机过程,若 , 二元函数 是可测的。 命题2.13(连续与循序的关系) 设 是右连续的适应过程,则它是循序的。将右连续的条件换成左连续,命题同样成立。 证明:这里只证 为右连续的情形。固定 , 对每个正整数 以及 , 定义随机变量 以及 . 因为 右连续,所以对每个 以及 , 另一方面,对任意 , 属于 . 因此,对任意正整数 , 二元函数 可测,于是它的逐点极限也具有相同的可测性,即 是循序的。证毕。 根据,因此随机过程若干概念之间的关系总结如下(取时间域 ) 注记2.14(循序条件的意义) 设 是取值于 的适应过程,假定对所有 , 函数 在任意闭区间上Lebesgue可积。考虑以下过程 那么 是否为适应过程? 固定 . 若 是循序过程,即二元函数 是可测的,由Fubini定理,映射 是关于 可测的,从而 是适应过程。 注记2.15(可测条件的意义) 设 是 上的随机过程, 是非负的随机变量,考虑函数 . 可以断言,当 是可测过程时, 是随机变量,即它关于 可测。事实上,此时函数 以及 都是可测的,于是它们的复合也是可测的,即 是随机变量。 现在回来解释流满足通常条件的意义。首先看流的完备性,考虑如下情形。设 是适应过程, 是一族随机变量,使得对每个 . 如果流没有完备性,那么 不一定是适应过程,因为 不一定属于 . 但是若流是完备的,则适应过程的修正仍然是适应过程。 至于流的右连续性的意义,在讨论停时的时候便可见一斑,这里暂不做相关论述。 参考文献Baldi, P.. Stochastic Calculus-An Introduction Through Theory and Exercises. Springer, 2017. Jean-François Le Gall. Brownian motion, martingales, and stochastic calculus. Springer, 2016. 黄志远. 随机分析学基础(第二版). 北京: 科学出版社, 2001. |
CopyRight 2018-2019 实验室设备网 版权所有 |