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\}{Xn}是一个{Fn}\{\mathcal{F}_n\}{Fn}上的submartingale,且满足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∣<∞。
推论 如果XnX_nXn是一个非负supermartingale,则Xn→XX_n\to XXn→X a.s. 并且EX≤EX0EX \le EX_0EX≤EX0。
证明
第一部分:我们先假设鞅收敛定理成立,然后论述推论。
如果XnX_nXn是一个非负supermartingale,则−Xn-X_n−Xn是一个submartingale,并且因为Xn≥0X_n \ge 0Xn≥0, 则(−Xn)+=0(-X_n)^+=0(−Xn)+=0,所以supnE[(−Xn)+]=0<∞\sup_nE[(-X_n)^+]=0<\inftysupnE[(−Xn)+]=0<∞, 根据鞅收敛定理,−Xn→Y-X_n \to Y−Xn→Y a.s., ∃Y\exists Y∃Y such that E∣X∣<∞E|X|<\inftyE∣X∣<∞。根据supermartingale的性质,
E[X0]≥E[Xn],∀nE[X_0] \ge E[X_n],\forall nE[X0]≥E[Xn],∀n
因此根据Fatou引理
E[X0]≥lim infE[Xn]≥E[lim infXn]=E[limXn]=E[X]E[X_0] \ge \liminf E[X_n] \ge E[\liminf X_n]=E[\lim X_n]=E[X]E[X0]≥liminfE[Xn]≥E[liminfXn]=E[limXn]=E[X]
第二部分:证明鞅收敛定理中几乎必然收敛的部分。
先回顾一下证明过程中需要的结果
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)+]
下面我们来证明鞅收敛定理。为了使用Upcrossing,我们需要构造一些结构:
{w:lim infXn(w)<lim supXn(w)}=⋃a<b{w:lim infXn(w)<a<b<lim supXn(w)}\{w:\liminf X_n(w)<\limsup X_n(w)\} \\ = \bigcup_{a<b}\{w:\liminf X_n(w)<a<b<\limsup X_n(w)\}{w:liminfXn(w)<limsupXn(w)}=a<b⋃{w:liminfXn(w)<a<b<limsupXn(w)}
其中{w:lim infXn(w)<a<b<lim supXn(w)}\{w:\liminf X_n(w)<a<b<\limsup X_n(w)\}{w:liminfXn(w)<a<b<limsupXn(w)}表示的事件是XnX_nXn从aaa以下穿过到bbb以上无数次的事件的子集。
然后我们再分析一下Upcorssing不等式,
(b−a)EUn≤E[(Xn−a)+]−E[(X0−a)+]⇒EUn≤E[(Xn−a)+]−E[(X0−a)+]b−a⇒EUn≤E[(Xn−a)+]b−a≤E[Xn]++∣a∣b−a(b-a)EU_n \le E[(X_n-a)^+]-E[(X_0-a)^+] \\ \Rightarrow EU_n \le \frac{E[(X_n-a)^+]-E[(X_0-a)^+] }{b-a} \\ \Rightarrow EU_n \le \frac{E[(X_n-a)^+]}{b-a} \le \frac{E[X_n]^++|a|}{b-a}(b−a)EUn≤E[(Xn−a)+]−E[(X0−a)+]⇒EUn≤b−aE[(Xn−a)+]−E[(X0−a)+]⇒EUn≤b−aE[(Xn−a)+]≤b−aE[Xn]++∣a∣
根据UnU_nUn的定义,Un↑UU_n \uparrow UUn↑U,这里UUU表示整个序列的upcrossing的次数。根据控制收敛定理,
EUn↑EU≤supnE[Xn]++∣a∣b−aEU_n \uparrow EU\le \frac{\sup_nE[X_n]^++|a|}{b-a}EUn↑EU≤b−asupnE[Xn]++∣a∣
我们假设了supnEXn+<∞\sup_n EX_n^+<\inftysupnEXn+<∞,因此EU<∞,a.s.EU<\infty,a.s.EU<∞,a.s.。我们可以进一步得到(可以用反证法验证)
P({w:lim infXn(w)<a<b<lim supXn(w)})=0P(\{w:\liminf X_n(w)<a<b<\limsup X_n(w)\})=0P({w:liminfXn(w)<a<b<limsupXn(w)})=0
因此
P(lim infXn(w)=lim supXn(w))=1P(\liminf X_n(w)=\limsup X_n(w))=1P(liminfXn(w)=limsupXn(w))=1
所以Xn→XX_n \to XXn→X a.s.,这里XXX是某个随机变量。
第三部分:证明极限可积,E∣X∣<∞E|X|<\inftyE∣X∣<∞。
根据Fatou引理,
EX+≤lim infEXn+≤supnEXn+<∞EX^+ \le \liminf EX_n^+ \le \sup_n EX_n^+<\inftyEX+≤liminfEXn+≤nsupEXn+<∞
因为EXn−=EXn+−EXn≤EXn+−EX0EX_n^- = EX_n^+-EX_n \le EX_n^+ - EX_0EXn−=EXn+−EXn≤EXn+−EX0,根据Fatou引理,
EX−≤lim infEXn−≤supnEXn++EX0<∞EX^- \le \liminf EX_n^- \le \sup_n EX_n^+ +EX_0<\inftyEX−≤liminfEXn−≤nsupEXn++EX0<∞
因此E∣X∣=EX++EX−<∞E|X| = EX^++EX^-<\inftyE∣X∣=EX++EX−<∞。
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−1ξin,X0=aX_n = \sum_{i=1}^{X_{n-1}}\xi_{in},\ \ X_0=aXn=i=1∑Xn−1ξin, X0=a
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。
问题1:第nnn代平均有多少人?
E[Xn]=E[∑i=1Xn−1ξin]=E[E[∑i=1Xn−1ξin∣Xn−1]]=E[mXn−1]E[X_n]=E \left[ \sum_{i=1}^{X_{n-1}}\xi_{in} \right] = E \left[ E\left[ \sum_{i=1}^{X_{n-1}}\xi_{in} | X_{n-1} \right]\right] = E[ mX_{n-1}]E[Xn]=E[i=1∑Xn−1ξin]=E[E[i=1∑Xn−1ξin∣Xn−1]]=E[mXn−1]
于是我们有了一个递推式:
E[Xn]=mE[Xn−1]E[X_n]=mE[X_{n-1}]E[Xn]=mE[Xn−1]
所以
E[Xn]=amnE[X_n]=am^nE[Xn]=amn
这个结果能给我们下面几条启发:
- 在这个模型下,如果m<1m<1m<1,这个家族第nnn代期望人口归零,当nnn足够大的时候;
- 如果m>1m>1m>1,这个家族期望人口将指数增长;
- 如果m=1m=1m=1,这个家族期望人口保持不变
问题2:XnX_nXn是鞅吗?
定义Zn=Xn/mnZ_n=X_n/m^nZn=Xn/mn,Fn=σ{ξij:j≤n}\mathcal{F}_n=\sigma\{\xi_{ij}:j \le n\}Fn=σ{ξij:j≤n},则(Zn,Fn)(Z_n,\mathcal{F}_n)(Zn,Fn)是一个鞅,因为
E[Zn+1∣Fn]=E[∑i=1Xnξi,n+1/mn∣Fn]=mXnmn+1=ZnE[Z_{n+1}|\mathcal{F}_n] = E \left[ \sum_{i=1}^{X_n}\xi_{i,n+1} /m^n|\mathcal{F}_n\right] = \frac{mX_n}{m^{n+1}} = Z_nE[Zn+1∣Fn]=E[i=1∑Xnξi,n+1/mn∣Fn]=mn+1mXn=Zn
根据鞅收敛定理,∃W≥0,a.s.\exists W \ge 0 ,a.s.∃W≥0,a.s.,WWW可积,并且
Zn→WZ_n \to WZn→W
问题3:论述m<1m<1m<1时这个家族消亡的概率为1
根据Markov不等式,
P(Xn≥1)≤EXn=amnP(X_n \ge 1) \le EX_n = am^nP(Xn≥1)≤EXn=amn
因此,根据Borel-Cantelli引理,
P(Xn≥1i.o.)=0⇔P(Xn=0e.v.)=1P(X_n \ge 1\ i.o.)=0 \\ \Leftrightarrow P(X_n =0 \ e.v.)=1P(Xn≥1 i.o.)=0⇔P(Xn=0 e.v.)=1
UA MATH563 概率论的数学基础 鞅论初步8 鞅收敛定理相关推荐
- 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
- No valid host was found. There are not enough hosts available
- canvas 中的元素拖拽
- java判断括号是否闭合_用 java 判断 括号是否完全匹配
- 什么是真正的程序员?
- java内存区_基于jvm java内存区域的介绍
- 在linux平台搭建mongodb环境
- (37)Gulp 文件清除
- Vivado生成bit文件报错彻底解决
- python布尔运算可以比较浮点数吗_Python3 基础之:令人困惑的浮点数运算
- 猫影视接口相关及短网址
- Hulu 算法工程师组团帮你拿offer
- 基于oneAPI的OSU MPI Benchmarks 5.7编译安装
- 决策树 ID3 算法
- Java坦克大战Summary
- Kali渗透-ARP断网攻击与监听
- GIT乱码解决方案汇总
- 壳聚糖导管复合辛伐他汀/泊洛沙姆407水凝胶/负载转化生长因子β1温敏性壳聚糖水凝胶的制备
- 陕南柿子红了_陕南赤子_新浪博客
- 计算机研究生就业方向之考公
- 发布订阅模式,在工作中它的能量超乎你的想象
热门文章
- 【数据挖掘笔记一】引论
- hive指定多个字符作为列分隔符的问题说明
- 定义EditPlus 语法文件详解
- 赋值运算符||位运算符||三元运算符
- MySQL 数据库时区设置方法,“The server time zone value ‘�й���ʱ��‘ is unrecognized or represents ...” 问题解决
- CTFshow php特性 web105
- cot和acot--余切和反余切函数
- MATLAB2014b下运行cuda6.5安装方法及例程
- tomcat9扩展php 插件,Eclipse插件开发tomcat扩展
- python中bind的用法_JS中的apply、call和bind的用法和区别