UA MATH563 概率论的数学基础 鞅论初步7 停时与Upcrossing不等式
UA MATH563 概率论的数学基础 鞅论初步7 停时与Upcrossing不等式
这一讲我们引入一个非常重要的概念——停时(Stopping time)。
假设{Fn}\{\mathcal{F}_n\}{Fn}是一个filtration,称随机变量N:Ω→NN:\Omega \to \mathbb{N}N:Ω→N是{Fn}\{\mathcal{F}_n\}{Fn}上的一个停时,如果∀n<∞\forall n <\infty∀n<∞,
{w∈Ω:N(w)≤n}∈Fn\{w\in \Omega:N(w) \le n\} \in \mathcal{F}_n{w∈Ω:N(w)≤n}∈Fn
或者用等价地
{w∈Ω:N(w)=n}∈Fn\{w\in \Omega:N(w) = n\} \in \mathcal{F}_n{w∈Ω:N(w)=n}∈Fn
例 验证一个随机变量是停时 {Xn}n≥0\{X_n\}_{n \ge 0}{Xn}n≥0是一列随机变量,Fn=σ(X0,⋯,Xn),∀n≥0\mathcal{F}_n = \sigma(X_0,\cdots,X_n),\forall n \ge 0Fn=σ(X0,⋯,Xn),∀n≥0。用停时的定义验证一个随机变量是否是停时:
i)定义
N=inf{n≥0:Xn≥A}N = \inf\{n \ge 0:X_n \ge A\}N=inf{n≥0:Xn≥A}
验证NNN是停时:
{w∈Ω:N(w)≤n}={w∈Ω:N(w)>n}C={w:X0,⋯,Xn<A}C∈Fn\{w\in \Omega:N(w) \le n\} = \{w\in \Omega:N(w) > n\}^C \\ = \{w:X_0,\cdots,X_n<A\}^C \in \mathcal{F}_n{w∈Ω:N(w)≤n}={w∈Ω:N(w)>n}C={w:X0,⋯,Xn<A}C∈Fn
ii)定义
M=sup{n≥0:Xn≥A}M=\sup\{n \ge 0:X_n \ge A\}M=sup{n≥0:Xn≥A}
则MMM不是停时,
{w:M(w)=n}={w:Xn(w)≥A,⋯,Xt<A,∀t≥n+1}\{w:M(w)=n\}=\{w:X_n(w)\ge A,\cdots,X_{t} <A,\forall t \ge n+1\}{w:M(w)=n}={w:Xn(w)≥A,⋯,Xt<A,∀t≥n+1}
显然是不属于Fn\mathcal{F}_nFn,因为Fn\mathcal{F}_nFn只由前nnn个随机变量生成。
iii)如果NNN是常数,则NNN是停时。
iv)定义
NB=inf{n≥0:Xn∈B},B∈B(R)N_B = \inf\{n \ge 0:X_n \in B\},B \in \mathcal{B}(\mathbb{R})NB=inf{n≥0:Xn∈B},B∈B(R)
则NBN_BNB是停时:
{w:NB(w)=n}={Xn∈B,X0⋯,Xn−1∈BC}={Xn∈B}∩{X0∈BC}⋯∩{Xn−1∈BC}\{w:N_B(w)=n\}=\{X_n \in B,X_0 \cdots ,X_{n-1} \in B^C\} \\ = \{X_n \in B\} \cap \{X_0 \in B^C\} \cdots \cap \{X_{n-1} \in B^C\}{w:NB(w)=n}={Xn∈B,X0⋯,Xn−1∈BC}={Xn∈B}∩{X0∈BC}⋯∩{Xn−1∈BC}
每一个集合都属于Fn\mathcal{F}_nFn,因此它们的交集属于Fn\mathcal{F}_nFn。
定义
NB(2)=inf{n>NB:Xn∈B}NB(k)=inf{n>NB(k−1):Xn∈B},k>2N_B^{(2)} = \inf\{n > N_B:X_n \in B\}\\N_B^{(k)} = \inf\{n > N_B^{(k-1)}:X_n \in B\},k>2NB(2)=inf{n>NB:Xn∈B}NB(k)=inf{n>NB(k−1):Xn∈B},k>2
则NB(k)N_B^{(k)}NB(k)是停时,∀k≥2\forall k \ge 2∀k≥2,以k=2k=2k=2为例:
{NB(2)=n}=∪m<n{Xn∈B,Xm∈B,Xj∈BC,0≤j<n,j≠m}\{N_B^{(2)}=n\}=\cup_{m < n}\{X_n \in B,X_m \in B,X_j \in B^C,0 \le j<n,j \ne m\}{NB(2)=n}=∪m<n{Xn∈B,Xm∈B,Xj∈BC,0≤j<n,j=m}
引理1 假设T1,T2T_1,T_2T1,T2是{Fn}\{\mathcal{F}_n\}{Fn}上的停时,则min(T1,T2)\min(T_1,T_2)min(T1,T2)也是停时。
证明
{min(T1,T2)≤n}={min(T1,T2)>n}C=({T1>n}∩{T2>n})C={T1>n}C∪{T2>n}C∈{Fn}\{\min(T_1,T_2) \le n\} =\{\min(T_1,T_2) > n\}^C \\ = (\{T_1>n\} \cap \{T_2>n\})^C = \{T_1>n\}^C \cup \{T_2>n\}^C \in \{\mathcal{F}_n\} {min(T1,T2)≤n}={min(T1,T2)>n}C=({T1>n}∩{T2>n})C={T1>n}C∪{T2>n}C∈{Fn}
证毕
Doob’s inequality (Upcrossing Inequality) 假设{Xn}\{X_n\}{Xn}是一个{Fn}\{\mathcal{F}_n\}{Fn}上的submartingale,a<ba<ba<b,N0=−1N_0=-1N0=−1,
N1=inf{m>N0:Xm≤a}N2=inf{m>N1:Xm≥b}⋯N2k−1=inf{m>N2k−2:Xm≤a}N2k=inf{m≥N2k−1:Xm≥b}N_1=\inf\{m>N_0:X_m \le a\} \\ N_2 = \inf\{m >N_1:X_m \ge b\} \\ \cdots \\ N_{2k-1} = \inf\{m>N_{2k-2}:X_m \le a\} \\ N_{2k} = \inf\{m \ge N_{2k-1}:X_m \ge b\}N1=inf{m>N0:Xm≤a}N2=inf{m>N1:Xm≥b}⋯N2k−1=inf{m>N2k−2:Xm≤a}N2k=inf{m≥N2k−1:Xm≥b}
定义
Un=sup{k:N2k≤n}U_n = \sup\{k:N_{2k} \le n\}Un=sup{k:N2k≤n}
则
(b−a)EUn≤E[(Xn−a)+]−E[(X0−a)+](b-a)EU_n \le E[(X_n-a)^+]-E[(X_0-a)^+](b−a)EUn≤E[(Xn−a)+]−E[(X0−a)+]
我们先认可这个不等式,它的作用是证明下面这个非常重要的鞅收敛定理。
鞅收敛定理 假设{Xn}\{X_n\}{Xn}是一个{Fn}\{\mathcal{F}_n\}{Fn}上的submartingale满足supnEXn+<∞\sup_n EX_n^+<\inftysupnEXn+<∞,则Xn→X,a.sX_n \to X,a.sXn→X,a.s,并且E∣X∣<∞E|X|<\inftyE∣X∣<∞。
下一篇博文证明这个定理。
例 Branching Process
假设ξij\xi_{ij}ξij是互相独立的取值为自然数的随机变量,P(ξij=k)=pk,∀k≥0P(\xi_{ij}=k)=p_k,\forall k \ge 0P(ξij=k)=pk,∀k≥0,记m=∑k≥0kpkm = \sum_{k \ge 0}kp_km=∑k≥0kpk,定义Xn=∑i=1Xn−1ξinX_n = \sum_{i=1}^{X_{n-1}}\xi_{in}Xn=i=1∑Xn−1ξin
在这个设定中,我们可以把ξij\xi_{ij}ξij的下标iii理解为第iii户,jjj理解为第jjj代,ξij\xi_{ij}ξij表示第iii户、第jjj代有几个娃,则XnX_nXn的含义可以是某家族第nnn代的总人口数,mmm表示平均每一代每一户有几个娃,可以证明
P(Xn<1,∃n)=1P(X_n<1,\exists n)=1P(Xn<1,∃n)=1
也就是如果某家族每一代每一户不足一个娃,这个家族迟早会灭绝。下一篇博文证明了鞅收敛之后再完成这个例子的证明。
UA MATH563 概率论的数学基础 鞅论初步7 停时与Upcrossing不等式相关推荐
- UA MATH563 概率论的数学基础 鞅论初步6 鞅的性质 鞅差序列
UA MATH563 概率论的数学基础 鞅论初步6 鞅的性质 鞅差序列 上一讲我们引入了鞅的定义,称(Xn,Fn)(X_n,\mathcal{F}_n)(Xn,Fn)是鞅,如果 ∀n\forall ...
- UA MATH563 概率论的数学基础 鞅论初步10 Doob可选停止定理与一维随机游走的exiting time
UA MATH563 概率论的数学基础 鞅论初步10 Doob可选停止定理与一维随机游走的exiting time 这一讲介绍可选停时(optional stopping),我们先回顾一下停时的定义: ...
- UA MATH563 概率论的数学基础 鞅论初步9 分支过程简介
UA MATH563 概率论的数学基础 鞅论初步9 分支过程简介 例 Branching Process 假设ξij\xi_{ij}ξij是互相独立的取值为自然数的随机变量,P(ξij=k)=pk, ...
- UA MATH563 概率论的数学基础 鞅论初步8 鞅收敛定理
UA MATH563 概率论的数学基础 鞅论初步8 鞅收敛定理 上一讲我们定义了停时,并引入了鞅收敛定理,这一讲我们完成鞅收敛定理的证明,并完成上一讲的例题. 鞅收敛定理 假设{Xn}\{X_n\}{ ...
- UA MATH563 概率论的数学基础 鞅论初步5 鞅的定义
UA MATH563 概率论的数学基础 鞅论初步5 鞅的定义 从这一讲开始,我们正式引入鞅(martingale).称(Xn,Fn)(X_n,\mathcal{F}_n)(Xn,Fn)是鞅,如果 ...
- UA MATH563 概率论的数学基础 鞅论初步4 Radon-Nikodym定理,条件期望的存在唯一性
UA MATH563 概率论的数学基础 鞅论初步4 Radon-Nikodym定理,条件期望的存在唯一性 延续上一讲对条件期望性质的讨论. 性质八:存在唯一性.绝对可积性 E[X∣F]E[X|\mat ...
- UA MATH563 概率论的数学基础 鞅论初步2 条件期望的应用:推导二元随机变量的条件概率与条件期望
UA MATH563 概率论的数学基础 鞅论初步2 条件期望的应用:推导二元随机变量的相关计算公式 上一讲我们介绍了关于σ\sigmaσ-代数定义的条件期望以及关于随机变量的条件期望,这一讲我们用这些 ...
- UA MATH563 概率论的数学基础 鞅论初步1 条件期望
UA MATH563 概率论的数学基础 鞅论初步1 条件期望 概率论很多结论是用来处理独立的随机变量序列的,而独立性是一个非常强的假设,所以我们也需要一些能够处理非独立的随机变量序列的方法,鞅就是这些 ...
- UA MATH563 概率论的数学基础 中心极限定理22 度量概率空间中的弱收敛 Portmanteau定理
UA MATH563 概率论的数学基础 中心极限定理22 度量概率空间中的弱收敛 Portmanteau定理 现在我们讨论度量空间中的弱收敛,假设(Ω,d)(\Omega,d)(Ω,d)是一个度量空间 ...
最新文章
- 如何避免在Excel VBA中使用选择
- ReflectionToStringBuilder
- 关闭Bootstrap的modal后,重新打开还会有input里上传的file解决
- 超基础的Android studio的安装教程
- Android O限制系统全屏进一步遏制手机勒索
- Mac 每次都要执行source ~/.bash_profile 配置的环境变量才生效
- PHP函数,方法,接口
- 每日整理Python基础——python教程入门学习
- drupalchina--如何翻译及如何上传翻译的内容?
- kotlin 函数和 Lambda 表达式
- unity导出fbx_使用Blender和Unity创建一个简单Low Poly的模型(一)
- 数据--第23课 - 队列的优化实现
- 【QT】简单易学的QT安装教程
- python读取odb_python提取Abaqus软件odb文件位移数据(方法1)
- 百度定位获取当前信息
- 分类评价指标(二分类)——f1score sensitivity specificity roc曲线 auc
- Win10以太网没有有效的IP配置解决方法
- Android整合网上资源以及个人对GreenDao数据库框架的理解与使用(android-studio开发)
- android 高斯模糊实现
- Matlab虚拟现实工具箱——没有VRML Editor时的使用办法(应该是Simulink 3D Animation Demo版本的都是这样)