Существование случайных последовательностей
§ 2 Существование случайных последовательностей.
2.1. Чтобы построить случайную последовательность, надо сконструировать вероятностную меру на его траекториях. Существует два подхода к решению этой проблемы:
1) основанный на переходных вероятностях;
2) основанный на непосредственном задании случайного процесса.
2.2. В данном пункте мы построим марковский процесс (с дискретным временем) с помощью переходных вероятностей. Без ограничения общности, можно считать, что = ().
Пусть задано семейство переходных вероятностей {Р(s,t,B)} и справедливо соотношение Чепмена – Колмогорова. Предположим еще, что задана также вероятностная мера на . Тогда существует вероятностное пространство и случайная последовательность (,)t>0 на нем такие, что для любых .
Таким образом определенный марковский процесс (,)t>0 называют марковским процессом с начальным распределением и семейством переходных вероятностей {Р(s,t,B)}. Это построение обобщает следующая теорема о существовании случайной последовательности.
Рекомендуемые материалы
Теорема 2. (Ионеску-Тулчи). Пусть - произвольные измеримые пространства и , а . Пусть на () задана вероятностная мера Р1 и для каждого набора на заданы вероятностные меры Р, которые для каждого В являются борелевскими функциями от ), причем для любых
.
Тогда на существуют: 1) единственная вероятностная мера Р такая, что для любого
(3)
2) случайная последовательность Х=такая, что
(4)
Доказательство этого утверждения читатель может найти в ряде известных руководств [1,3].
Пример: Пусть ={1,2,…}, Рк(x,y) – семейство неотрицательных функций , x,y, таких, что Пусть распределение вероятностей на (). Тогда существуют и семейство случайных величин Х={ на нем таких, что
P(
В качестве элементов Ω можно взять . Такая последовательность случайных величин Х={ называется марковской цепью со счетным множеством состояний и матрицей переходных вероятностей {Рк(x,y)}, и начальным распределением
2.3. В данном пункте мы приведем методику непосредственного задания марковской случайной последовательности.
Пусть Ф: измеримая по Борелю функция, обозначаемая через Ф(t,x,y), где и – полные, сепарабельные, метрические пространства. Последовательность {Xt}t>0 со значениями определим с помощью рекуррентного соотношения
, , (5)
где (последовательность случайных элементов, принимающая значения в . Соотношение (5) называется процессом, определенным рекуррентно. Положим, что - нормированное пространство с нормой . Возникают два вопроса:
1) является ли Xt для любого t измеримым;
2) | Р - п. н.
Определение. Под сильным решением процесса, определенного рекуррентно, будем понимать последовательность измеримую относительно алгебры такую, что : а) Р( |)=1; б) она обращает (5) в тождество с вероятностью 1.
Определение. Будем говорить, что (5) имеет единственное сильное решение, если из того что существуют i=1,2 – два сильных решения соотношения (5), причем (т.е. они начинаются из одной точки), то Р(для любого
Теорема 3. Пусть Ф: , где – линейное нормированное пространство, удовлетворяющее условиям:
1) ||Ф(t,x,y) – Ф(t,z,y)||
2) ||Ф(t,0,y)|| .
Тогда: а) если выполнено 1), то решение (5) единственно; б) если выполнены 1) и 2) и Р - п. н. , то существует сильное решение (5).
Замечание 1. Поясним смысл условий теоремы 3. Очевидны неравенства:
||Ф(t,x,y)|| = ||Ф(t,0,y)+ Ф(t,x,y)- Ф(t,0,y)||||Ф(t,0,y)||+ ||Ф(t,x,y) - Ф(t,0,y)|| L+L||x|| = L(1+||x||) ( т.е. допустим рост по х не быстрее, чем линейный).
Доказательство. а) Пусть имеются два сильных решения, начинающихся на одной точке , имеем Р - п. н.
Значит, Р - п. н. для .
б) Заметим,
Следовательно, если Р - п. н. – конечно, то Р-п. н.
Замечания. 1) Пусть удовлетворяет (5), и Если (5) имеет единственное сильное решение, то справедливо Р - п. н. для
2) Обозначим Р(s,,t,B) = P(t,,B) – переходную вероятность за один шаг. Из соотношения Чепмена-Колмогорова следует, чтобы построить переходную вероятность за t шагов, достаточно знать переходную вероятность за один шаг.
2.4. Установим условия, выполнение которых гарантирует, что процесс, определенный рекуррентно, является марковским.
Теорема 4. Пусть выполняются условия: 1) рекуррентное соотношение (5) имеет единственное сильное решение, 2) последовательность независимых в совокупности случайных величин (со значениями в ), 3) не зависит от . Тогда 1) последовательность - -измерима при каждом t и - марковская, 2) переходная вероятность за один шаг имеет вид
Доказательство. Нам надо доказать, что Р - п. н.
.
Рассмотрим сначала левую часть этого равенства в силу замечания 1.3.1 Р-п.н. =.
Так как - сильное решение (5), то -измеримо, то по теореме Бореля для каждого t существуют функции такие, что Р - п. н. . Поэтому, в силу условий 2), 3) имеем Р - п. н.
== =
= = .
Отсюда следует, что Доказательство закончено.
2.5. Примеры процессов, определенных рекуррентно.
1) Пусть =0, где -последовательность независимых (в совокупности) величин. В силу теоремы 4 является марковской последовательностью.
2) Дискретная модель диффузии. Рассмотрим рекуррентное соотношение:
, (6)
где - измеримые по Борелю функции, - последовательность независимых в совокупности случайных величин, причем . (6) имеет единственное сильное решение, если выполнены условия:
а)
б)
Пусть , а В этом случае удовлетворяет рекуррентному соотношению
, . (7)
Покажем, что , причем
, ;
Действительно. Обозначим , из рекуррентного соотношения (7) следует
М[]==.
Информация в лекции "6.11. Правила построения диаграмм" поможет Вам.
Ясно, что .
Из определения дисперсии имеем . Получили рекуррентное соотношение для . Рассмотрим разность , имеем из (7): ==
Возведем в квадрат левую и правую части последнего равенства, а затем возьмем математическое ожидание от левой и правой частей, имеем из получившегося равенства:
=
Так как , то отсюда следует, что
.
Покажем, что - гауссовская последовательность. Доказательство проведём по индукции. Пусть - гауссовская случайная величина. Очевидно, что тоже гауссовская. Действительно, так как сумма двух гауссовских величин есть гауссовская величина, то гауссовская случайная величина. Таким образом основной шаг индукции установлен, а с ним доказано утверждение.