10.第七章 Brown运动(1)
第七章 Brown运动(1)
1.Brown运动的基础信息
Brown运动:令B=(B(t),t≥0)\boldsymbol B=(B(t),t\ge 0)B=(B(t),t≥0)是实数值随机过程,如果满足
- 初始值:B(0)=0B(0)=0B(0)=0;
- 独立增量:如果0<t1<t2<⋯<tk0<t_1<t_2<\cdots<t_k0<t1<t2<⋯<tk,则B(t1),B(t2)−B(t1),⋯,B(tk)−B(tk−1)B(t_1),B(t_2)-B(t_1),\cdots,B(t_k)-B(t_{k-1})B(t1),B(t2)−B(t1),⋯,B(tk)−B(tk−1)相互独立;
- 平稳增量:如果s<ts<ts<t,那么B(t)−B(s)B(t)-B(s)B(t)−B(s)与B(t−s)B(t-s)B(t−s)同分布;
- 正态性:对任何t>0t>0t>0,有B(t)∼N(0,σ2t)B(t)\sim N(0,\sigma^2 t)B(t)∼N(0,σ2t)。
则称B=(B(t),t≥0)\boldsymbol B=(B(t),t\ge0)B=(B(t),t≥0)为参数为σ2\sigma^2σ2的Brown运动。当σ2=1\sigma^2=1σ2=1时称作标准Brown运动,以下均讨论标准Brown运动。
Brown运动的相关信息如下:
μ(t)=EB(t)=0,D(B(t))=t,EB(t)m=tk(2k−1)!!,m=2k,k∈N+\mu(t)=EB(t)=0,D(B(t))=t,EB(t)^m=t^k(2k-1)!!,m=2k,k\in \N^+μ(t)=EB(t)=0,D(B(t))=t,EB(t)m=tk(2k−1)!!,m=2k,k∈N+。,由B(t)∼N(0,t)B(t)\sim N(0,t)B(t)∼N(0,t)可以直接推得。
rB(s,t)=min(s,t)r_B(s,t)=\min(s,t)rB(s,t)=min(s,t),由其独立增量性可以证明。
Brown过程是正态过程,其多维分布是
(B(t1),B(t2),⋯,B(tn))∼N(0,Σn)Σn=(min(titj))n×n(B(t_1),B(t_2),\cdots,B(t_n))\sim N(\boldsymbol 0, \boldsymbol \Sigma_n)\\ \boldsymbol \Sigma_n=(\min(t_it_j))_{n\times n} (B(t1),B(t2),⋯,B(tn))∼N(0,Σn)Σn=(min(titj))n×nBrown的每一条样本曲线都是处处连续但无处可微的。
如果随机过程X\boldsymbol XX的任意线性组合为正态随机变量,那么X\boldsymbol XX是正态过程,反之也成立;如果实数值正态过程X=(X(t),t≥0)\boldsymbol X=(X(t),t\ge 0)X=(X(t),t≥0)满足E(X(t))=0,rX(s,t)=min(s,t)E(X(t))=0,r_X(s,t)=\min(s,t)E(X(t))=0,rX(s,t)=min(s,t),那么X\boldsymbol XX一定是标准Brown运动,这可以用于证明随机过程是Brown过程。以下几种都是标准Brown运动的形式:
给定t0≥0t_0\ge 0t0≥0,定义X(t)X(t)X(t)为
X(t)=B(t+t0)−B(t0),t≥0;X(t)=B(t+t_0)-B(t_0),\quad t\ge 0; X(t)=B(t+t0)−B(t0),t≥0;给定常数ccc,定义X(t)X(t)X(t)为
X(t)=1cB(ct),t≥0;X(t)=\frac 1{\sqrt c}B(ct),\quad t\ge0; X(t)=c1B(ct),t≥0;定义X(t)X(t)X(t)为
X(t)={tB(t−1),t>0;0,t=0.X(t)=\left\{ \begin{array}l tB(t^{-1}),&t>0;\\ 0,&t=0. \end{array} \right. X(t)={tB(t−1),0,t>0;t=0.
2.与Brown运动相关的随机过程
Brown桥运动为B0=(B0(t),0≤t≤1)\boldsymbol B^0=(B^0(t),0\le t\le 1)B0=(B0(t),0≤t≤1),其中
B0(t)=B(t)−tB(1),0≤t≤1.B^0(t)=B(t)-tB(1),\quad 0\le t\le 1. B0(t)=B(t)−tB(1),0≤t≤1.
显然有E(B0(t))=0,D(B0(t))=t(1−t)E(B^0(t))=0,D(B^0(t))=t(1-t)E(B0(t))=0,D(B0(t))=t(1−t),且E(B0(s)B0(t))=min(s,t)(1−max(s,t))E(B^0(s)B^0(t))=\min(s,t)(1-\max(s,t))E(B0(s)B0(t))=min(s,t)(1−max(s,t))。注意到B0(0)=B0(1)=0B^0(0)=B^0(1)=0B0(0)=B0(1)=0,因此Brown桥运动又称为绑在0,1上的Brown运动。
反射Brown运动为X=(X(t),t≥0)\boldsymbol X=(X(t),t\ge 0)X=(X(t),t≥0),其中
X(t)=∣B(t)∣,t≥0.X(t)=|B(t)|,\quad t\ge 0. X(t)=∣B(t)∣,t≥0.
这里X(t)X(t)X(t)仅取非负实数值,不再是正态过程了,可以计算X(t)X(t)X(t)的概率密度函数与相关数字特征为
p(x;t)=2πte−x22tI(x≥0);E(X(t))=2πt∫0∞xe−x22tdx=2tπ∫0∞e−xdx=2tπ.D(X(t))=E(X(t)2)−[EX(t)]2=E(B(t)2)−2tπ=π−2πt.p(x;t)=\sqrt{\frac{2}{\pi t}}e^{-\frac{x^2}{2t}}I(x\ge0);\\ \begin{aligned} E(X(t))=&\sqrt{\frac{2}{\pi t}}\int_0^\infty xe^{-\frac{x^2}{2t}}dx\\ =&\sqrt{\frac{2t}{\pi}}\int_0^\infty e^{-x}dx\\ =&\sqrt{\frac{2t}{\pi}}.\\ \\ D(X(t))=&E(X(t)^2)-[EX(t)]^2\\ =&E(B(t)^2)-\frac{2t}{\pi}\\ =&\frac{\pi-2}{\pi}t. \end{aligned} p(x;t)=πt2e−2tx2I(x≥0);E(X(t))===D(X(t))===πt2∫0∞xe−2tx2dxπ2t∫0∞e−xdxπ2t.E(X(t)2)−[EX(t)]2E(B(t)2)−π2tππ−2t.几何Brown运动为X=(X(t),t≥0)\boldsymbol X=(X(t),t\ge0)X=(X(t),t≥0),其中
X(t)=eαt+βB(t),t≥0,β>0.X(t)=e^{\alpha t+\beta B(t)},\quad t\ge 0,\beta>0. X(t)=eαt+βB(t),t≥0,β>0.
这里X(t)X(t)X(t)仅取非负实数值,不再是正态过程,可以计算X(t)X(t)X(t)的概率密度函数和数字特征为
F(x;t)=P(X(t)≤x)=P(B(t)≤lnx−αtβ)=Φ(lnx−αtβt);p(x;t)=F′(x;t)=12πe−(lnx−αt)22βtt⋅1xβt=1βx2πte−(lnx−αt)2/2β2tI(x>0).EX(t)=Eeαt+βB(t)=eαtEeβB(t)=eαt+12β2t;E(X(t)2)=Ee2αt+2βB(t)=e2αtEe2βB(t)=e2αt+2β2t;\begin{aligned} F(x;t)=&P(X(t)\le x)\\ =&P(B(t)\le\frac{\ln x-\alpha t}{\beta})\\ =&\Phi\left(\frac{\ln x-\alpha t}{\beta \sqrt t}\right);\\ \quad\\ p(x;t)=&F'(x;t)\\ =&\frac{1}{\sqrt {2\pi}}e^{-\frac{(\ln x-\alpha t)^2}{2\beta^tt}}\cdot\frac{1}{x\beta \sqrt t}\\ =&\frac{1}{\beta x\sqrt {2\pi t}}e^{-(\ln x-\alpha t)^2/2\beta^2t}I(x>0).\\ \quad \\ EX(t)=&Ee^{\alpha t+\beta B(t)}\\ =&e^{\alpha t}Ee^{\beta B(t)}\\ =&e^{\alpha t+\frac12\beta^2t};\\ \quad \\ E(X(t)^2)=&Ee^{2\alpha t+2\beta B(t)}\\ =&e^{2\alpha t}Ee^{2\beta B(t)}\\ =&e^{2\alpha t+2\beta^2 t}; \end{aligned} F(x;t)===p(x;t)===EX(t)===E(X(t)2)===P(X(t)≤x)P(B(t)≤βlnx−αt)Φ(βtlnx−αt);F′(x;t)2π1e−2βtt(lnx−αt)2⋅xβt1βx2πt1e−(lnx−αt)2/2β2tI(x>0).Eeαt+βB(t)eαtEeβB(t)eαt+21β2t;Ee2αt+2βB(t)e2αtEe2βB(t)e2αt+2β2t;
这里用到正态分布的矩母函数:若X∼N(μ,σ2)X\sim N(\mu,\sigma^2)X∼N(μ,σ2),则EetX=eμt+12σ2t2Ee^{tX}=e^{\mu t+\frac12\sigma^2t^2}EetX=eμt+21σ2t2。积分过程。对于Brown运动而言,几乎每条样本曲线都连续,即存在一个零概率时间Ω0\Omega_0Ω0,使得对于每一个ω∈Ω∖Ω0\omega\in \Omega\setminus\Omega_0ω∈Ω∖Ω0,B(t,ω)B(t,\omega)B(t,ω)作为ttt的函数在[0,+∞)[0,+\infty)[0,+∞)都连续,于是定义
X(ω,t)=∫0tB(ω,s)ds,ω∈Ω∖Ω0.X(\omega,t)=\int_0^t B(\omega,s)ds, \quad\omega\in \Omega\setminus\Omega_0. X(ω,t)=∫0tB(ω,s)ds,ω∈Ω∖Ω0.
的积分是Riemann积分,它存在并有限。记
X(t)=∫0tB(s)ds,t≥0,X(t)=\int_0^t B(s)ds,\quad t\ge0, X(t)=∫0tB(s)ds,t≥0,
称X=(X(t),t≥0)\boldsymbol X=(X(t),t\ge0)X=(X(t),t≥0)为积分过程,它是一个正态过程,并且
EX(t)=∫0tEB(s)ds=0,t≥0,rX(s,t)=E(X(s)X(t))=∫0s∫0tE(B(u)B(v))dudv=∫0s∫0tmin(u,v)dudv=∫0s∫usudvdu+∫0s∫0uvdvdu+∫st∫0svdudv=s36+s36+s(t2−s2)2=st22−s36,s≤t\begin{aligned} EX(t)=&\int_0^t EB(s)ds=0,\quad t\ge0,\\ \quad\\ r_\boldsymbol X(s,t)=&E(X(s)X(t))\\ =&\int_0^s \int_0^t E(B(u)B(v))dudv\\ =&\int_0^s \int_0^ t \min(u,v) dudv\\ =&\int_0^s\int_u^sudvdu+\int_0^s\int_0^u vdvdu+\int_s^t\int_0^s v dudv\\ =&\frac{s^3}6+\frac{s^3}{6}+\frac{s(t^2-s^2)}{2}\\ =&\frac{st^2}{2}-\frac{s^3}{6},\quad s\le t \end{aligned} EX(t)=rX(s,t)======∫0tEB(s)ds=0,t≥0,E(X(s)X(t))∫0s∫0tE(B(u)B(v))dudv∫0s∫0tmin(u,v)dudv∫0s∫usudvdu+∫0s∫0uvdvdu+∫st∫0svdudv6s3+6s3+2s(t2−s2)2st2−6s3,s≤t
3.最大值与首中时
最大值:对于任意给定的ttt,令Mt=maxn≤s≤tB(s)M_t=\max\limits_{n\le s\le t}B(s)Mt=n≤s≤tmaxB(s),就称MtM_tMt是Brown在[0,t][0,t][0,t]内的最大值。
首中时:对于任意给定的非零实数aaa,令Ta=inf{t≥0:B(t)=a}a.s.T_a=\inf\{t\ge0:B(t)=a\}\text{ a.s.}Ta=inf{t≥0:B(t)=a} a.s.,就称TaT_aTa是aaa的首中时。
- 反射原理:固定实数aaa,令
B^(t)={B(t),t<Ta;2a−B(t),t≥Ta.\hat B(t)=\left\{ \begin{array}l B(t), &t<T_a;\\ 2a-B(t),&t\ge T_a. \end{array} \right. B^(t)={B(t),2a−B(t),t<Ta;t≥Ta.
则B^(t)\hat B(t)B^(t)也是一个Brown运动。
对于任意给定的t>0t>0t>0,有Mt=d∣B(t)∣M_t\stackrel d= |B(t)|Mt=d∣B(t)∣。
P(Mt>x)=P(Mt>x,B(t)>x)+P(Mt>x,B(t)<x)P(M_t>x)=P(M_t>x, B(t)>x)+P(M_t>x,B(t)<x) P(Mt>x)=P(Mt>x,B(t)>x)+P(Mt>x,B(t)<x)
这里P(Mt>x,B(t)>x)=P(B(t)>x)P(M_t>x,B(t)>x)=P(B(t)>x)P(Mt>x,B(t)>x)=P(B(t)>x)是显然的。
要证明P(Mt>x,B(t)<x)=P(Mt>x,B(t)>x)P(M_t>x,B(t)<x)=P(M_t>x,B(t)>x)P(Mt>x,B(t)<x)=P(Mt>x,B(t)>x),如果Mt>xM_t>xMt>x,则必定存在一个时刻 s∈(0,t)s\in(0,t)s∈(0,t)使得B(s)=xB(s)=xB(s)=x,即Tx<tT_x<tTx<t且B(Tx)=xB(T_x)=xB(Tx)=x。将坐标原点平移到此处,由于X(t)=B(t+Tx)−B(Tx)X(t)=B(t+T_x)-B(T_x)X(t)=B(t+Tx)−B(Tx)是一个Brown运动,所以此时P(B(t)−x>0)=P(B(t)−x<0)P(B(t)-x>0)=P(B(t)-x<0)P(B(t)−x>0)=P(B(t)−x<0),得证。
对于首中时TaT_aTa,用fa(t)f_a(t)fa(t)表示 它的密度函数,则有
fa(t)=∣a∣2πt3/2e−a2/2tI(t>0).f_a(t)=\frac{|a|}{\sqrt {2\pi}t^{3/2}}e^{-a^2/2t}I(t>0). fa(t)=2πt3/2∣a∣e−a2/2tI(t>0).
不妨设a>0a>0a>0,对任意t>0t>0t>0有
P(Ta≤t)=P(Mt≥a)=2π∫a∞1te−x2/2tdxfa(t)=dP(Ta≤t)dt=−12π∫a∞1t3/2e−x2/2tdx+12π∫a∞x2t5/2e−x2/2tdx∫a∞1t3/2e−x2/2tdx=−at3/2e−a2/2t+∫a∞x2t5/2e−x2/2tdxfa(t)=a2πt3/2e−a2/2tP(T_a\le t)=P(M_t\ge a)=\sqrt\frac{2}{\pi}\int_a^\infty \frac{1}{\sqrt t}e^{-x^2/2t}dx\\ \begin{aligned} &f_a(t)\\=&\frac{dP(T_a\le t)}{dt}\\ =&-\frac{1}{\sqrt {2\pi}}\int_a^\infty \frac1{t^{3/2}}e^{-x^2/2t}dx+\frac{1}{\sqrt{2\pi}}\int_a^\infty\frac{x^2}{t^{5/2}}e^{-x^2/2t}dx\\ \\ &\int_a^\infty \frac{1}{t^{3/2}}e^{-x^2/2t}dx\\=&-\frac a{t^{3/2}}e^{-a^2/2t}+\int_a^\infty \frac{x^2}{t^{5/2}}e^{-x^2/2t}dx\\ \quad\\ f_a(t)=&\frac{a}{\sqrt{2\pi}t^{3/2}}e^{-a^2/2t} \end{aligned} P(Ta≤t)=P(Mt≥a)=π2∫a∞t1e−x2/2tdx===fa(t)=fa(t)dtdP(Ta≤t)−2π1∫a∞t3/21e−x2/2tdx+2π1∫a∞t5/2x2e−x2/2tdx∫a∞t3/21e−x2/2tdx−t3/2ae−a2/2t+∫a∞t5/2x2e−x2/2tdx2πt3/2ae−a2/2t
对a<0a<0a<0时类似证明,得到fa(t)f_a(t)fa(t)的密度函数。
由此可以验证:
P(Ta<∞)=limt→∞P(Ta≤t)=limt→∞P(Ma≥a)=limn→∞2π∫a∞1te−x2/2tdx=limn→∞2π∫a∞e−(x/t)22d(x/t)=limn→∞2π∫a/t∞e−m2/2dm=2π∫0∞e−m2/2dm=1ETa=∫0∞tfa(t)dt=∣a∣2π∫0∞1te−a2/2tdt=∞\begin{aligned} P(T_a<\infty)=&\lim\limits_{t\to \infty }P(T_a\le t)\\ =&\lim_{t\to \infty }P(M_a\ge a)\\ =&\lim_{n\to \infty }\sqrt{\frac 2\pi}\int_a^\infty \frac{1}{\sqrt t}e^{-x^2/2t}dx\\ =&\lim_{n\to \infty }\sqrt {\frac2\pi}\int_a^\infty e^{-\frac{(x/\sqrt t)^2}{2}}d(x/\sqrt t)\\ =&\lim_{n\to \infty}\sqrt {\frac 2\pi}\int_{a/\sqrt t}^\infty e^{-m^2/2}dm\\ =&\sqrt {\frac2\pi}\int_0^\infty e^{-m^2/2}dm=1\\ \\ ET_a=&\int_0^\infty tf_a(t)dt\\ =&\frac{|a|}{\sqrt {2\pi}}\int_0^\infty \frac{1}{\sqrt t}e^{-a^2/2t}dt\\ =&\infty \end{aligned} P(Ta<∞)======ETa===t→∞limP(Ta≤t)t→∞limP(Ma≥a)n→∞limπ2∫a∞t1e−x2/2tdxn→∞limπ2∫a∞e−2(x/t)2d(x/t)n→∞limπ2∫a/t∞e−m2/2dmπ2∫0∞e−m2/2dm=1∫0∞tfa(t)dt2π∣a∣∫0∞t1e−a2/2tdt∞
也就是∀a∈R\forall a\in \R∀a∈R,无论aaa离原点多远,Brown运动都会在有限时间内到达;但无论aaa离原点多近,Brown到达aaa的平均时间都为∞\infty∞。
令a<0<ba<0<ba<0<b,那么
P(Ta<Tb)=bb−a,P(Ta>Tb)=∣a∣b−aP(T_a<T_b)=\frac b{b-a},P(T_a>T_b)=\frac{|a|}{b-a} P(Ta<Tb)=b−ab,P(Ta>Tb)=b−a∣a∣
10.第七章 Brown运动(1)相关推荐
- python123第七章_Python入门第7/10页
Python入门第7/10页 更新时间:2007年02月08日 00:00:00 作者: 第七章 输入输出 有几种办法可以从程序输出:数据可以用可读的形式显示,或保存到文件中以备日后使用.本章讨论 ...
- 计算机组成原理 外部设备分为,2017考研计算机组成原理第七章考点:外部设备...
2017考研计算机组成原理第七章考点:外部设备 2016-03-15 13:33 | 考研集训营 对于参加计算机统考的学生来说,2017考研的准备工作需要提前进行,因为计算机考研专业课涵盖了四门科目, ...
- Kali Linux 网络扫描秘籍 第七章 Web 应用扫描(三)
第七章 Web 应用扫描(三) 作者:Justin Hutchens 译者:飞龙 协议:CC BY-NC-SA 4.0 7.13 使用 BurpSuite Sequencer(序列器) Web 应用会 ...
- 第七章 本源时空(补充)
第七章 本源时空(补充) 第七章是匆匆结束的,有点文不对题.什么是本源时空,没有详细的论述.2个月来.我一直想做个小结,无奈心不在焉,忙于正 ...
- 第七章 本源时空
第七章 本源时空 蝶恋花.遥寄: 回溯百年物理学, 远隔遥天, 渐感伤迟暮. 独对幽兰悄悄语, 多情自古空遗憾. 昨夜依稀云梦诉, 满目斜阳, ...
- 《计算传播学导论》读书笔记:第七章 数据新闻
目录 第七章 数据新闻 第一节 产生背景 第二节 理论源流 一.计算驱动的新闻报道 二.可视化驱动的新闻报道 三.制作流程 第三节 实战练习 一.维基解密阿富汗战争日志 二.奥运会数据分析和EChar ...
- vtk教程第七章 高级计算机图形学
第三章介绍了计算机图形学的基本概念.那一章的主要主题是如何使用表面原语(如点.线和多边形)表示和渲染几何.在本章中,我们主要关注体积图形.与表面图形相比,体图形在呈现非均匀材料方面具有更大的表达范围, ...
- 计算机组成原理知识点汇总(考研用)——第七章:输入/输出系统
计算机组成原理知识点汇总(考研用)--第七章:输入/输出系统 本文参考于<2021年计算机组成原理考研复习指导>(王道考研),<计算机组成原理> 思维导图: 文章目录 计算机 ...
- 描述性物理海洋学--第七章学习笔记
第七章学习笔记--海洋环流的动力过程 不稳定理论 判别方法: 大尺度不稳定 中尺度不稳定 控制方程 地流动力学参数 近似简化 正斜压海洋 基本洋流 地转流 风生Ekman 环流 上升流 朗缪尔环流 惯 ...
最新文章
- 基于SSM+Layui+Bootstrap实现学校教师技能大赛评分系统
- python面试题及答案-Python面试题10道(附答案)看完面试不愁了
- 微信从原版到现在所有界面图片_微信突然宣布:现在能改微信号了,所有人都能改...
- 【注释规约】规范化的第一步,你类和方法的注释,规范嘛?
- 【存储过程】Merge Into语句实现Insert/Update在Oracle中的应用
- 【终极方法】应对eclipse不支持Tomcat7、8和Tomcat8.5或者更高版本
- 给php权限,PHP实现权限管理功能的方法
- android自定义控件几种,Android 自定义View一个控件搞定多种水波纹涟漪扩散效果 - CSDN博客...
- wps合并所有sheet页_表格高级筛选、表格合并,让表格处理事半功倍
- 不是css3新增的技术,CSS3中的5个有趣的新技术
- WordPress纯PHP代码实现记录搜索引擎蜘蛛爬行记录
- C++14::lambda函数的类型
- Unit3D--人机交互入门
- sql升级重启计算机失败win10,win10系统安装sQL server提示重新启动计算机失败的解决技巧...
- Uncaught TypeError: Cannot read property 'alpha' of undefined 报错解决
- qt自定义窗口标题栏
- HTML禁用浏览器后退功能
- SNS、FaceBook、导航设计等等
- 多张图片合成一张jpg工具_将多张图片合并成一张图片的小工具Collagerator
- 怎么更换证件照背景颜色?