第一章：随即分析中必会的基础知识

应用随机分析

主要是时间、状态都连续的随机过程。

引言

布朗运动

时间与空间的尺度问题

比如建模时，要把研究的单位放在一个合适的尺度。如，研究太阳系的运动，最小的单位应放在行星上，不考虑地球上的人的分布。如，研究北京市每天乘坐地铁的人数，最小的单位应放在人上。

随机分析的应用尺度：

• 宏观 （大）人能感知的尺度。 研究肉眼差不多能够看见的，如扩散问题，一滴墨水到水杯里。
• 微观 （小）分子运动的尺度。1e-6~1e-9
• 介观 （中）花粉运动的尺度：微秒，1e-6。注意：花粉要比分子大得多。

注意宏观与微观是以研究的问题为区分的。

记号:

$\tau$:中间尺度的时间间隔

$\Delta$:单个粒子运动的增量

$\phi (\Delta )$:$\Delta$的分布律

关于$\phi (\Delta )$:的一些性质:

1. 只有当$\Delta$很小时，$\phi (\Delta )$不为0.
2. ${\int }_{-\infty }^{+\infty }\phi (\Delta )d\Delta =1$
3. 对称性: $\phi (\Delta )=\phi (-\Delta )$

$f(x,t)$: $t$时间$x$处的分子数密度

$f(x,t+\tau )={\int }_{-\infty }^{\infty }f(x+\Delta ,t)\phi (-\Delta )d\Delta ={\int }_{-\infty }^{\infty }f(x+\Delta ,t)\phi (\Delta )d\Delta$ (全概率公式)

对$f(x,t+\tau )$关于$t$作泰勒展开(对时间展开到一阶)
$$f(x,t+\tau )=f(x,t)+\frac{\partial f}{\partial t}\tau$$
对$f(x+\Delta )$关于$x$作泰勒展开(对空间展开到二阶)
$$f(x+\Delta ,t)=f(x,t)+\Delta \frac{\partial f}{\partial x}+\frac{{\Delta }^2}{2!}\frac{{\partial }^{2}f}{\partial x^2}$$
有

$\begin{array}{rl}f(x,t)+\frac{\partial f}{\partial t}\tau & ={\int }_{-\infty }^{\infty }\left[f(x,t)+\Delta \frac{\partial f}{\partial x}+\frac{{\Delta }^2}{2!}\frac{{\partial }^{2}f}{\partial x^2}\right]\phi (\Delta )d\Delta \\ & =f+0+\frac{1}{2!}\frac{{\partial }^{2}f}{\partial x^2}{\int }_{-\infty }^{\infty }{\Delta }^2\phi (\Delta )d\Delta \end{array}$
则
$$\frac{\partial f}{\partial t}=\frac{{\partial }^{2}f}{\partial x^2}\cdot \frac{1}{2!}{\int }_{-\infty }^{\infty }{\Delta }^2\phi (\Delta )d\Delta$$
我们可以得到一个热传导方程:
$$\frac{\partial f}{\partial x}=D\frac{{\partial }^{2}f}{\partial x^2}$$
解为 $f(x,t)=\frac{1}{\sqrt{2\pi }}\frac{1}{\sqrt{2D\tau }}{e}^{\frac{x^2}{4Dt}}$ 是个正态分布。

第一章

1.1随机事件及概率

首先定义三件套$(\Omega ,\mathcal{F},P)$

$\Omega$:样本空间。要研究的随机试验所有可能出现的结果

​ 样本点：一个随机试验（trial）可能出现的一个结果，记为$\omega$；

​ 基本事件：样本点。

​ 事件：Ω的子集

$\mathcal{F}$: 事件的集合。

1. 若Ω的样本点为有限或可数个。。。则事件集是$\Omega$的所有子集构成的集合。

2. 若Ω是不可数集合，上述做法行不通，找出合适的、需要的，组成一个σ域

   σ域：σ域是由样本空间一些集合为元素（通常包括 ）组成的集合。

   全空间Ω和空集$\varnothing$构成最小σ域，称做“平凡σ域”。 { Ω , ∅ } \{\Omega,\emptyset\} { Ω,∅}

   对于Ω的任意子集A， { Ω , A , A c , ∅ } \{\Omega,A,A^c,\emptyset\} { Ω,A,Ac,∅}是σ域，它是最小的非平凡σ域.

$P$: 事件发生的概率

思考：$[0,1]$与$(0,1)$建立一个一一对应关系。

解法一：做从(0,1)到[0,1]映射$f(x)$
分段函数：
$f(x)=\{\begin{array}{ll}0& x=\frac{1}{2}\\ \frac{1}{n+2}& x=\frac{1}{n+2},n\in N^{+}\\ x& x=[0,1]\backslash \text{ 以上 }\end{array}$

解法二:

我们知道,无限集合与有限集合的一个最大区别就是: 无限集合可以与其真子集对等.

我们把区间$[0,1]$与$(0,1)$中的元素分为有理数与无理数,如开区间$(0,1)$中的有理数表示为

Q = { r 1 , r 2 , . . . } Q=\{r_{1},r_{2},...\} Q={ r1​,r2​,...} .我们按如下方式对应

$r_1,r_2,...,r_n,...$

$0,1,r_1,r_2,...,r_n,...$

对于无理数,还按原来的方式对应.

下面我们确定$p$,也就是对于任意的$A\in \mathcal{F}$,$P(A)=?$

定义 令$P$是定义于$\mathcal{F}$上,值域为$[0,1]$的集合函数,满足:

(i) $P(\Omega )=1$

(ii) 对任意两两互不相交的$E_1,E_2,...$,有,$P({\bigcup }_{i=1}^{\infty }{E}_n)={\sum }_{i=1}^{\infty }P\left(E_i\right)$

​PS:

• (ii)称为概率的可列可加性,是公理,必须承认.

• P的性质:

  • $P(\varnothing )=0$
  • $P(A^c)=1-P(A)$
  • 若$A\subset B$,则$P(B\backslash A)=P(B)-P(A)$

• 可以任意定义不同的$P$. 例如 掷一枚质地均匀骰子,我们知道 $P(1)=P(2)=\cdots =P(6)=\frac{1}{6}$.现在加入去掉“质地均匀”这个条件。即三件套$(\Omega ,\mathcal{F},P)$只改变$P$.如下

• $$P(1)=P(2)=P($$