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 n∀n,XnX_nXn绝对可积
- {Xn}\{X_n\}{Xn} adapted to {Fn}\{\mathcal{F}_n\}{Fn}
- E[Xn+1∣Fn]=XnE[X_{n+1}|\mathcal{F}_n]=X_nE[Xn+1∣Fn]=Xn
如果第三条改为E[Xn+1∣Fn]≥XnE[X_{n+1}|\mathcal{F}_n]\ge X_nE[Xn+1∣Fn]≥Xn就是sub-martingale;如果第三条改为E[Xn+1∣Fn]≤XnE[X_{n+1}|\mathcal{F}_n]\le X_nE[Xn+1∣Fn]≤Xn就是super-martingale。这一讲我们讨论鞅的基本性质。
性质一 假设(Xn,Fn)(X_n,\mathcal{F}_n)(Xn,Fn)是鞅,则σ({Xk:k≤n})\sigma(\{X_k:k \le n\})σ({Xk:k≤n})是使XnX_nXn成为鞅的最小的Filtration。
证明
显然Xn∈L1X_n \in L^1Xn∈L1并且Xn∈σ({Xk:k≤n})X_n \in \sigma(\{X_k:k \le n\})Xn∈σ({Xk:k≤n}),因为∀n,Xn∈Fn\forall n, X_n \in \mathcal{F}_n∀n,Xn∈Fn,于是σ({Xk:k≤n})⊂Fn\sigma(\{X_k:k \le n\}) \subset \mathcal{F_n}σ({Xk:k≤n})⊂Fn,根据Tower property,
E[Xn+1∣σ({Xk:k≤n})]=E[E[Xn+1∣Fn]∣σ({Xk:k≤n})]=E[Xn∣σ({Xk:k≤n})]=XnE[X_{n+1}|\sigma(\{X_k:k \le n\})] \\ = E[E[X_{n+1}|\mathcal{F}_n]|\sigma(\{X_k:k \le n\})] \\ = E[X_n|\sigma(\{X_k:k \le n\})]=X_nE[Xn+1∣σ({Xk:k≤n})]=E[E[Xn+1∣Fn]∣σ({Xk:k≤n})]=E[Xn∣σ({Xk:k≤n})]=Xn
关于如何选择Filtration,这个性质带给我们两点启发:
- 随机过程生成的Filtration是最小的Filtration,它被称为Natural filtration,因此一个鞅过程总是可以有一个Filtration的;
- 更大的Filtration也可以用,但是正如Tower property展示的那样,只有与Natural filtration重叠的部分才是有效信息。
性质二 {dj,Fj}j≥0\{d_j,\mathcal{F}_j\}_{j \ge 0}{dj,Fj}j≥0是martingale difference sequence (鞅差序列,MDS),如果
- dj∈Fjd_j \in \mathcal{F}_jdj∈Fj (adapted)
- dj∈L1d_j \in L^1dj∈L1
- E[dj+1∣Fj]=0E[d_{j+1}|\mathcal{F}_j]=0E[dj+1∣Fj]=0
如果第三条改为≥\ge≥就是submartingale difference sequence;如果第三条改为≤\le≤就是supermartingale difference sequence。关于鞅差序列有下面一些结果:
- Xn=∑j=0ndjX_n = \sum_{j=0}^n d_jXn=∑j=0ndj,则(Xn,Fn)(X_n,\mathcal{F}_n)(Xn,Fn)是鞅
- (Xn,Fn)(X_n,\mathcal{F}_n)(Xn,Fn)是鞅,则构造d0=X0−EX0d_0=X_0-EX_0d0=X0−EX0, dj=Xj−Xj−1,∀j≥1d_j=X_j-X_{j-1}, \forall j \ge 1dj=Xj−Xj−1,∀j≥1,(dj,Fj)(d_j,\mathcal{F}_j)(dj,Fj)是MDS
性质三 orthogonality of MDS
假设(dj,Fj)(d_j,\mathcal{F}_j)(dj,Fj)是一个MDS,dj∈L2d_j \in L^2dj∈L2,则djd_jdj是正交序列。
证明
首先,Edj=E[E[dj∣Fj−1]]=0,∀j≥0Ed_j = E[E[d_j|\mathcal{F}_{j-1}]] = 0,\forall j \ge 0Edj=E[E[dj∣Fj−1]]=0,∀j≥0;
下面计算∀i≠j\forall i \ne j∀i=j,不妨设i<ji<ji<j
E[didj]=E[E[didj∣Fj−1]]=E[diE[dj∣Fj−1]]=E[di⋅0]=0E[d_id_j]=E[E[d_id_j|\mathcal{F}_{j-1}]]=E[d_{i}E[d_j|\mathcal{F}_{j-1}]] = E[d_i \cdot 0]=0E[didj]=E[E[didj∣Fj−1]]=E[diE[dj∣Fj−1]]=E[di⋅0]=0
例 假设(dj,Fj)(d_j,\mathcal{F}_j)(dj,Fj)是一个MDS,Xn=∑j≥0djX_n = \sum_{j \ge 0}d_jXn=∑j≥0dj,计算
E[Xn]2=E[∑1≤i,j≤ndidj]2=∑k=1nE[dk]2E[X_n]^2 = E \left[ \sum_{1 \le i,j \le n} d_id_j \right]^2=\sum_{k=1}^nE[d_k]^2E[Xn]2=E[1≤i,j≤n∑didj]2=k=1∑nE[dk]2
根据orthogonality of MDS,所有交叉项的期望为0,于是有了上面的式子。
性质四 假设(Xn,Fn)(X_n,\mathcal{F}_n)(Xn,Fn)是鞅,我们可以基于鞅构造一个sub-martingale。假设ψ\psiψ是一个凸函数并且ψ(Xn)∈L1\psi(X_n) \in L^1ψ(Xn)∈L1,根据Jensen不等式与鞅的性质
ψ(Xn)≤ψ(E[Xn+1∣Fn])\psi(X_n) \le \psi(E[X_{n+1}|\mathcal{F}_n])ψ(Xn)≤ψ(E[Xn+1∣Fn])则(ψ(Xn),Fn)(\psi(X_n),\mathcal{F}_n)(ψ(Xn),Fn)是一个submartingale。
例 Centering by conditional mean
假设{ξi}\{\xi_i\}{ξi}是一列任意的L1L^1L1随机变量,定义dj=ξj−E[ξj∣Fj−1]d_j = \xi_j-E[\xi_j|\mathcal{F}_{j-1}]dj=ξj−E[ξj∣Fj−1],其中Fj\mathcal{F}_jFj是Filtration,则
- djd_jdj是MDS
- ∑j≥1dj\sum_{j \ge 1} d_j∑j≥1dj是鞅
UA MATH563 概率论的数学基础 鞅论初步6 鞅的性质 鞅差序列相关推荐
- 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
- linux下查看Mysql默认编码、修改默认编码
- SELECT INTO 和 INSERT INTO SELECT 两种表复制语句详解(SQL数据库和Oracle数据库的区别)...
- aws搭建java项目_AWS下S3之java开发
- python(numpy,pandas9)——pandas 导入导出数据
- javaweb学习总结(四十五)——监听器(Listener)学习二
- 我终于知道post和get的区别
- 域名劫持到百度被黑详解DNS技术
- Dos批处理编程常用命令
- 深度学习框架zf_谈谈深度学习框架的数据排布
- opengl学习笔记 (一)
- 使用Google App Engine开始新的网站开发学习
- Tree(树分治入门)
- TreeMap1.8源码
- Redis多线程执行 -- 过程分析
- 搭载敏捷飞天底座 阿里云专有云敏捷版全面升级 | 凌云时刻
- PowerPoint教程资源专题资源免费下载整理合集收藏
- matlab 数字带圈,LaTeX - 带圈数字
- IntPtr是什么,该怎么用?
- 技术小白之微信小程序的图片加文字链接
- “电子警察”拆除竞赛
热门文章
- 机器学习笔记(五)神经网络
- Leetcode 141. 环形链表 解题思路及C++实现
- 多款eclipse黑色坏境任你选择,只要导入配置
- PK3Err0040: The target device is not ready for debugging. Please check your configuration bit settin
- 5.1matlab数据统计分析(最大值、最小值、平均值、中值、和、积、累加和、累加积、标准差、相关系数、排序)
- c++读取txt中每行的数据到数组中
- Java实现大数乘法_java实现大数加法、乘法(BigDecimal)
- 什么是Java内存模型中的happens-before
- 设计模式之委派模式及适配器模式
- Codeforces Round #516 (Div. 1) 题解