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:
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
定义σ\sigmaσ-代数associated with停时NNN
FN={A⊂Ω:A∩{N=n}∈Fn}\mathcal{F}_N = \{A \subset \Omega:A \cap \{N=n\} \in \mathcal{F}_n\}FN={A⊂Ω:A∩{N=n}∈Fn}
评注
- FN≠σ(N)\mathcal{F}_N \ne \sigma(N)FN=σ(N);
- FN\mathcal{F}_NFN是σ\sigmaσ-代数;
- NNN是FN\mathcal{F}_NFN-可测的;(验证FN⊇σ(N)\mathcal{F}_N \supseteq \sigma(N)FN⊇σ(N)即可, ∀A∈σ(N)\forall A \in \sigma(N)∀A∈σ(N), ∃k,A={N=k}\exists k,A = \{N=k\}∃k,A={N=k}, A∩{N=n}={N=k}χ{n=k}+ϕχ{n≠k}∈FnA \cap \{N=n\}=\{N=k\}\chi_{\{n=k\}}+\phi\chi_{\{n\ne k\}} \in \mathcal{F}_nA∩{N=n}={N=k}χ{n=k}+ϕχ{n=k}∈Fn)
- N≤MN \le MN≤M, 则FN⊆FM\mathcal{F}_N \subseteq \mathcal{F}_MFN⊆FM
性质1 {Xi}\{X_i\}{Xi}是一列iid的随机变量,Fn=σ({Xk:k≤n})\mathcal{F}_n = \sigma(\{X_k:k \le n\})Fn=σ({Xk:k≤n}),NNN是{Fn}\{\mathcal{F}_n\}{Fn}上的一个停时,假设P(N<∞)>0P(N<\infty)>0P(N<∞)>0,则给定N<∞N<\inftyN<∞的条件下,{XN+n:n≥1}\{X_{N+n}:n\ge 1\}{XN+n:n≥1}与FN\mathcal{F}_NFN独立,并且与{Xn:n≥1}\{X_n:n \ge 1\}{Xn:n≥1}同分布。
其中随机变量与σ\sigmaσ-代数互相独立的含义是:X:(Ω,B,P)→(R,B(R))X:(\Omega,\mathcal{B},P)\to (\mathbb{R},\mathcal{B}(\mathbb{R}))X:(Ω,B,P)→(R,B(R)),A\mathcal{A}A是B\mathcal{B}B的子σ\sigmaσ-代数,称XXX与A\mathcal{A}A互相独立,如果
∀A∈A,E∈σ(X),P(A∩E)=P(A)P(E)\forall A \in \mathcal{A},E \in \sigma(X),P(A \cap E) = P(A)P(E)∀A∈A,E∈σ(X),P(A∩E)=P(A)P(E)
Doob optional sampling theorem (optional stopping theorem)
假设(Xn,Fn)(X_n,\mathcal{F}_n)(Xn,Fn)是一个submartingale,0≤N1≤N2≤K0 \le N_1 \le N_2 \le K0≤N1≤N2≤K,即N1,N2N_1,N_2N1,N2是有界的停时,其中KKK是一个常数,则
E[XN2∣FN1]≥XN1,a.s.E[X_{N_2}|\mathcal{F}_{N_1}] \ge X_{N_1},a.s.E[XN2∣FN1]≥XN1,a.s.
当XnX_nXn为鞅是取等。
推论 min(N,K)\min(N,K)min(N,K)是停时,并且
E[Xmin(N,K)∣Fmin(N,K)]≥Xmin(N,L),∀K≥LE[X_{\min(N,K)}|\mathcal{F}_{min(N,K)}] \ge X_{\min(N,L)}, \forall K \ge LE[Xmin(N,K)∣Fmin(N,K)]≥Xmin(N,L),∀K≥L
以及{Xmin(N,K),Fmin(N,K)}\{X_{\min(N,K)},\mathcal{F}_{min(N,K)}\}{Xmin(N,K),Fmin(N,K)}是一个submartingale。
这个定理的证明在随机过程那个系列(嗯,还没写呢)完成。
例 {ξi}\{\xi_i\}{ξi}是一个iid的序列
P(ξi=1)=1/2,P(ξi=−1)=1/2S0=x0,Sn=x0+∑i=1nξnP(\xi_i=1)=1/2,P(\xi_i=-1)=1/2 \\ S_0 = x_0, S_n =x_0+ \sum_{i=1}^n\xi_nP(ξi=1)=1/2,P(ξi=−1)=1/2S0=x0,Sn=x0+i=1∑nξn
假设边界为[a,b][a,b][a,b],x0∈[a,b]x_0 \in [a,b]x0∈[a,b],我们的目标是讨论这个随机游走如何脱离边界。这就是一个典型的optional stopping的问题,因为不论是从边界aaa还是bbb脱离都是脱离,因此我们要考虑的其实是min(Na,Nb)\min(N_a,N_b)min(Na,Nb),其中
Na=第一次到达a的时间,Nb=第一次到达b的时间N_a=第一次到达a的时间,N_b =第一次到达b的时间Na=第一次到达a的时间,Nb=第一次到达b的时间
记Nab=min(Na,Nb)N_{ab}=\min(N_a,N_b)Nab=min(Na,Nb),我们想计算的是:
- P(Na<Nb)P(N_a < N_b)P(Na<Nb)
- P(Nb<Na)=1−P(Na<Nb)P(N_b<N_a)=1-P(N_a<N_b)P(Nb<Na)=1−P(Na<Nb)
- ENabEN_{ab}ENab
Claim 1. {Sn}\{S_n\}{Sn}与{Sn2−n}\{S^2_n-n\}{Sn2−n}都是Fn=σ({ξi:i≤n})\mathcal{F}_n = \sigma(\{\xi_i:i \le n\})Fn=σ({ξi:i≤n})上的鞅。{Sn}\{S_n\}{Sn}是鞅这点非常明显,我们说明一下{Sn2−n}\{S^2_n-n\}{Sn2−n},
∣Sn2−n∣≤Sn2+n≤(x0+n)2+n|S_n^2-n| \le S_n^2 + n \le (x_0+n)^2+n∣Sn2−n∣≤Sn2+n≤(x0+n)2+n
所以是有界的,因此Sn2−nS_n^2-nSn2−n可积,下面计算
E[Sn+12−(n+1)∣Fn]=E[(Sn+ξn+1)2−n−1∣Fn]=E[Sn2+2Snξn+1+ξn+12−n−1∣Fn]=Sn2−n+2SnE[ξn+1∣Fn]+E[ξn+12−1∣Fn]E[S_{n+1}^2-(n+1)|\mathcal{F}_n] = E[(S_n+\xi_{n+1})^2-n-1|\mathcal{F}_n] \\ = E[S_n^2+2S_n\xi_{n+1}+\xi_{n+1}^2-n-1|\mathcal{F}_n] \\ = S_n^2 - n+2S_nE[\xi_{n+1}|\mathcal{F}_n]+E[\xi^2_{n+1}-1|\mathcal{F}_n]E[Sn+12−(n+1)∣Fn]=E[(Sn+ξn+1)2−n−1∣Fn]=E[Sn2+2Snξn+1+ξn+12−n−1∣Fn]=Sn2−n+2SnE[ξn+1∣Fn]+E[ξn+12−1∣Fn]
其中
E[ξn+1∣Fn]=E[ξn+1]=0E[ξn+12−1∣Fn]=E[ξn+12−1]=0E[\xi_{n+1}|\mathcal{F}_n] = E[\xi_{n+1}] = 0 \\E[\xi^2_{n+1}-1|\mathcal{F}_n] = E[\xi^2_{n+1}-1]=0E[ξn+1∣Fn]=E[ξn+1]=0E[ξn+12−1∣Fn]=E[ξn+12−1]=0
于是E[Sn+12−(n+1)∣Fn]=Sn2−nE[S_{n+1}^2-(n+1)|\mathcal{F}_n]=S_n^2 - nE[Sn+12−(n+1)∣Fn]=Sn2−n
Claim 2. ENab=∣ab∣EN_{ab}=|ab|ENab=∣ab∣ (如果x0=0x_0=0x0=0)
要说明这个结论,我们要用到Doob可选停止定理,但NabN_{ab}Nab无界,所以我们考虑min(Nab,n)\min(N_{ab},n)min(Nab,n),计算
E[Smin(Nab,n)∣Fmin(Nab,0)=F0]=S0=x0=0E[S_{\min(N_{ab},n)}|\mathcal{F}_{\min(N_{ab},0)}=\mathcal{F}_0]=S_0=x_0=0 E[Smin(Nab,n)∣Fmin(Nab,0)=F0]=S0=x0=0同理E[Smin(Nab,n)2−min(Nab,n)]=0E[S_{\min(N_{ab},n)}^2-\min(N_{ab},n)]=0E[Smin(Nab,n)2−min(Nab,n)]=0
注意到min(Nab,n)↑Nab,n→∞\min(N_{ab},n) \uparrow N_{ab},n \to \inftymin(Nab,n)↑Nab,n→∞,以及a2≤Smin(Nab,n)2≤b2a^2 \le S_{\min(N_{ab},n)}^2 \le b^2a2≤Smin(Nab,n)2≤b2,根据单调有界必收敛,
E[Smin(Nab,n)2]→E[SNab2]E[S_{\min(N_{ab},n)}^2] \to E[S_{N_{ab}}^2]E[Smin(Nab,n)2]→E[SNab2]
根据期望的单调收敛定理,
E[SNab2]→E[Nab]E[S_{N_{ab}}^2] \to E[N_{ab}]E[SNab2]→E[Nab]
于是E[SNab]=0E[S_{N_{ab}}]=0E[SNab]=0(极限的唯一性),
E[SNab]=aP(Na<Nb)+bP(Nb<Na)=0E[S_{N_{ab}}] = aP(N_a<N_b)+bP(N_b<N_a)=0E[SNab]=aP(Na<Nb)+bP(Nb<Na)=0
因为P(Nb<Na)=1−P(Na<Nb)P(N_b<N_a)=1-P(N_a<N_b)P(Nb<Na)=1−P(Na<Nb),所以
P(Na<Nb)=bb−a,P(Nb<Na)=−ab−aP(N_a<N_b)=\frac{b}{b-a},P(N_b<N_a) = \frac{-a}{b-a}P(Na<Nb)=b−ab,P(Nb<Na)=b−a−a
以及
E[Nab]=a2P(Na<Nb)+b2P(Nb<Na)=a2bb−a−ab2b−a=∣ab∣E[N_{ab}]=a^2P(N_a<N_b)+b^2P(N_b<N_a) \\ = \frac{a^2b}{b-a}-\frac{ab^2}{b-a} = |ab|E[Nab]=a2P(Na<Nb)+b2P(Nb<Na)=b−aa2b−b−aab2=∣ab∣
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}_ ...
- 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
- Rundeck crontab格式
- WP7 APP 猜数字 V2.0 更新
- Centos 7.4 安装ipython和mysql-python遇到的问题
- npm和node.js升级
- [BZOJ 2438] [中山市选2011]杀人游戏 Tarjan缩点
- SpringCloud 02_什么是分布式、多线程、高并发?(浅析)
- Jerry带您了解Restful ABAP Programming模型系列之三:云端ABAP应用调试
- 无监督学习与监督学习_有监督与无监督学习
- 03Oracle Database 物理结构,逻辑结构
- VC消息传递(对话框间传递参数)
- openwrt增加内核模块的方法
- android 开发书签大全
- 插件 微信 自动 抢红包
- CAD快捷键命令 mac版
- java基础回顾之Map中 TreeMap排序原理-二叉树
- 用 m3u8 下载网页视频直接保存为 MP4
- 联想服务器系统如何备份软件,联想笔记本如何使用系统自带备份/还原功能进行备份与还原系统...
- python实验--文字小游戏(小黑屋)
- 迅雷调用Potplayer边下边播
- 鸡啄米:C++编程入门系列之前言
热门文章
- 算法导论之动态规划(最长公共子序列和最优二叉查找树)
- Consul 服务注册与发现03—— 服务消费者
- shiro 实现登录验证功能
- Oracle 数据库impdp导入数据库版本和dmp数据库文件版本不匹配问题解决方法,ORA-39142版本号不兼容、ORA-39000转储文件说明错误解决方法
- linux服务器oracle数据库导出dmp文件功能演示,备份数据库命令。exp命令显示command not found解决方法,EXP-00028: 无法打开dmp进行写入问题解决
- JDK1.8的安装与环境变量设置演示,java、jre安装及配置
- CTFshow 命令执行 web74
- 关于matlab中pcolor显示图片时的shading设置问题
- [YTU]_2532(投简历)
- Java URL处理