Процессы с независимыми приращениями
§7 Процессы с независимыми приращениями.
7.1. Пусть E - линейное пространство, а -s-алгебра борелевских множеств на нем. Через, где, обозначим "параллельный" сдвиг множества B на вектор x, точнее: .
Пусть семейство вероятностных мер на удовлетворяющих условиям:
i) - -измеримая функция по x для ;
ii) если , то справедливо равенство
(38)
Очевидно следующее равенство
(39)
Рекомендуемые материалы
Действительно. Если , то равенство (39) очевидно. Стало быть, (39) справедливо для простых функций, поэтому, в силу теоремы о монотонной сходимости, равенство (39) остается справедливым для любой измеримой ограниченной функции.
Из (38) следует равенство
(40)
Из (39) следует, что если положить , то - будет вероятностью перехода, которая обладает свойством пространственной однородности, т.е. для Очевидно, что верно обратное утверждение, если переходная вероятность обладает свойством пространственной однородности, то
7.2. Пусть q- вероятностная мера на и , где - вероятностная мера на , определенная формулой
(41)
причем где - переходная вероятность.
Определение. МПШ со значениями в линейном измеримом пространстве (E,E) называется процессом с независимыми приращениями, если для N, tk Î R+, t1<t2<…<tn , случайные вектора являются независимыми в совокупности, причем вектор - называется начальным значением процесса с распределением q, называемым начальным распределением.
Таким образом, чтобы задать процесс с независимыми приращениями достаточно знать:
а) начальное распределение вероятностей q случайного вектора,
б) распределение вероятностей случайных векторов
.
Очевидно, что если заданы q и , то соотношение (41) определено совместное распределение векторов .
Покажем теперь, что введенное таким образом совместное распределение определяет процесс с независимыми приращениями. Действительно, пусть ,где , и ,тогда имеем:
(42)
Отсюда следует независимость векторов. Стало быть, для процесса с независимыми приращениями справедливо равенство где любая для .
7.3. Процессы с независимыми приращениями (СПСП) удобно изучать с помощью характеристических функций. Пусть и
Тогда из (42) следует, что
. (43)
Очевидно, (43) эквивалентно условию, что процесс является процессом с независимыми приращениями. Отсюда следует, что если и удовлетворяют (43), то справедливо равенство
(44)
где . Очевидно, что (44) эквивалентно тому, что - СПСП.
7.4. Определение. СПСП называется однородным (ОСПСП), если для любых - случайный вектор имеет распределение, не зависящее от t, т.е..
Определение. ОСПСП называется стохастически непрерывным, если он непрерывен по вероятности.
Приведем теперь некоторые свойства ОСПСП. Пусть , тогда справедливы следующие утверждения:
1)
Это равенство вытекает из (43). Отсюда, в частности, следует, что .
2) Пусть - ОСПСП. Если ,то для , такого что . Доказательство этого утверждения приведите самостоятельно.
3) . Действительно, пусть для любого существует такое, что для любых. Пусть. Из определения ОСПСП имеем
.
Так как для любого u, такого что, , то существует такое (зависящее от N), что для любых t < tN . Стало быть, существует функция , т.е. . Отсюда в силу свойства 1) получаем что , для , и . Поэтому существует функция такая, что . Значит
, (44)
где можно определить следующим образом
=,
причем сходимость равномерная по. Отсюда вытекает следующее свойство.
4) Для любых существует функция , называемая кумулянтой, такая что для любого.
7.5. Теорема 10 (Леви-Хинчина). Пусть ОСПСП со значениями в стахостически непрерывный. Тогда существуют:
i) конечная мера П на ii) a - n – мерный вектор; iii) b - размера положительно определенная матрица,
такие что для любого такого, что кумулянта имеет вид: (46)
Замечание. В доказательстве теоремы 10 вместо формулы (46) удобнее воспользоваться следующей
(47)
где ,
Доказательство. Пусть – распределение вероятностей процесса , а соответствующая ему характеристическая функция. Положим для B() . Предположим, что семейство мер - слабо компактно. Пусть - последовательность такая, что: a) при ; б) слабо сходится к некоторой мере на B(). Тогда имеем
(48)
где
Так как , то - непрерывна и ограничена. Поэтому, в силу слабой сходимости к при , имеем
.
Значит, при и существуют пределы где - линейная функция, т.е. , а - положительно определенная квадратическая форма, т.е. , соответственно. Поэтому в (48) можно произвести предельный переход при , получим
Пусть , где {0}- одноточечное множество, “состоящее” из точки “нуль”. Так как , то . Кроме того, интеграл существует и представляет собой положительно определенную квадратическую форму по u, т.е. . Из приведенных построений следует, что . Поэтому существует положительно определенная матрица , такая что ,
что и доказывает (47).
Установим слабую компактность семейства мер . В силу теоремы 36 главы 1 нужно установить, что: а) ; б) где .
Пусть , . В силу условий теоремы и (46), получаем, что для любого существует такое , что
, при (49)
и при
, при . (50)
Так как для , то из (49) следует, что
(51)
Нам понадобятся значения интегралов:
где Г(k) - Гамма-функция, - функция Бесселя, порядка m действительного аргумента. Проинтегрируем неравенства (49), (50) по , а затем получившийся результат разделим на , (), имеем:
(52)
(53)
Рассмотрим (52), пусть и , имеем
.
Рассмотрим (53). Так как - ограничена, то можно выбрать (при любом c>0) таким, что
(54)
Тогда имеем .
Основы эмбриологии 2 - лекция, которая пользуется популярностью у тех, кто читал эту лекцию.
Из вышеприведенных рассуждений следует, что , для любого t .
Заметим, что . Выберем теперь таким, что левая часть (52) не превосходила , а cтаким, чтобы выполнялось (54). Тогда получаем, что для любого t. Доказательство закончено.
7.6. Рассмотрим частные случаи формулы (47), когда n =1.
1) Пусть и для любого . В этом случае . Это соответствует характеристической функции вырожденного распределения, сосредоточенного в точке . Следовательно, , т.е. точка движется с постоянной скоростью а.
2) Пусть для любого. В этом случае приращения имеют нормальное распределение со средним и дисперсией равной . Если , то процесс является гауссовским. Отметим, что если и , то такой процесс называется винеровским.
3) Пусть и , а мера П сосредоточена в точке {1} и имеет в ней массу, равную единице. Тогда характеристическая функция будет иметь вид . Отсюда следует, что . Этот процесс называется стандартным пуассоновским, который был подробно рассмотрен нами в главе 3.