随机方面的知识非常欠缺,最近看看资料学习一下。
随机过程
一个随机过程是定义在一个概率空间 ( Ω , F , P ) (\Omega,\mathscr{F},P) (Ω,F,P)上的以 T T T为指标集的随机变量族 { X t , t ∈ T } ( X ( t ) , t ∈ T ) \{X_t,t\in T\}(X(t),t\in T) {
Xt,t∈T}(X(t),t∈T)。对于固定的 t ∈ T t\in T t∈T, X t X_t Xt的取值空间为状态空间,记为 S S S,其中的元素成为状态。【一定要好好区分 Ω \Omega Ω和 S S S】例如考虑掷3次硬币这个过程,正面为 1 1 1,反面为 0 0 0。全体样本点为 ω = ( ω 1 ω 2 ω 3 ) \omega = (\omega_1\omega_2\omega_3) ω=(ω1ω2ω3),其中 ω i = 0 or 1 \omega_i=0 \text{ or }1 ωi=0 or 1。所以 S = { 0 , 1 } S=\{0,1\} S={
0,1}, Ω = ( ( 000 ) ( 001 ) ( 010 ) ( 011 ) ( 100 ) ( 101 ) ( 110 ) ( 111 ) ) . \Omega = \left(\begin{matrix} (000) & (001) & (010) & (011) \\ (100) & (101) & (110) & (111) \end{matrix}\right). Ω=((000)(100)(001)(101)(010)(110)(011)(111)).
可以把 { X t , t ∈ T } \{X_t,t\in T\} {
Xt,t∈T}写为 { X ( t , ω ) , t ∈ T , ω ∈ Ω } \{X(t,\omega),t\in T,\omega\in \Omega\} {
X(t,ω),t∈T,ω∈Ω},看成 T × Ω → S T\times \Omega\to S T×Ω→S的函数,即 X ( 2 , ( ω 1 ω 2 ω 3 ) ) = ω 2 X(2,(\omega_1\omega_2\omega_3))=\omega_2 X(2,(ω1ω2ω3))=ω2。
事件域、事件域流(滤子)
考虑抛硬币的实验,在抛之前可以知道 ω ∈ Ω , ω ∉ ∅ \omega\in \Omega, \omega \notin \emptyset ω∈Ω,ω∈/∅;事件域 F 0 = { Ω , ∅ } \mathscr{F}_0=\{\Omega,\emptyset\} F0={
Ω,∅}。抛了第一次之后可以知道 ω ∈ A 1 = { ω ∣ ω 1 = 1 } \omega\in A_1=\{\omega|\omega_1=1\} ω∈A1={
ω∣ω1=1}或者 ω ∈ A 0 = { ω ∣ ω 1 = 0 } \omega\in A_0=\{\omega|\omega_1=0\} ω∈A0={
ω∣ω1=0};事件域 F 1 = { Ω , ∅ , A 1 , A 0 } \mathscr{F}_1=\{\Omega,\emptyset,A_1,A_0\} F1={
Ω,∅,A1,A0}。抛了第三次之后可以知道的更多,事件域也可以继续细分 F 2 = { Ω , ∅ , A 1 , A 0 , A 11 , A 10 , A 01 , A 00 , A 11 c , A 10 c , A 01 c , A 00 c , A 11 ∪ A 00 , A 11 ∪ A 10 , A 11 ∪ A 01 , A 10 ∪ A 01 , A 10 ∪ A 00 , A 01 ∪ A 00 } \mathscr{F}_2=\{\Omega,\emptyset,A_1,A_0,A_{11},A_{10},A_{01},A_{00},A_{11}^c,A_{10}^c,A_{01}^c,A_{00}^c,A_{11}\cup A_{00}, A_{11}\cup A_{10},A_{11}\cup A_{01}, A_{10} \cup A_{01}, A_{10}\cup A_{00}, A_{01}\cup A_{00}\} F2={
Ω,∅,A1,A0,A11,A10,A01,A00,A11c,A10c,A01c,A00c,A11∪A00,A11∪A10,A11∪A01,A10∪A01,A10∪A00,A01∪A00}。假如可以抛无穷次硬币,那这个事件域可以一直做下去且 F 0 ⊂ F 1 ⊂ F 2 ⊂ ⋯ \mathscr{F}_0 \subset \mathscr{F}_1 \subset \mathscr{F}_2 \subset \cdots F0⊂F1⊂F2⊂⋯。设 F ∞ \mathscr{F}_{\infty} F∞是包含 ∪ n = 0 ∞ F n \cup_{n=0}^{\infty}\mathscr{F}_n ∪n=0∞Fn的最小的事件域(但不是 P ( Ω ) \mathscr{P}(\Omega) P(Ω)),简化符号也可写为 F \mathscr{F} F。
研究随机过程时要考虑带流的概率空间 ( Ω , ( F t ) t ∈ T , F , P ) (\Omega,(\mathscr{F}_t)_{t\in T},\mathscr{F},P) (Ω,(Ft)t∈T,F,P)(Filtered Probability Space),满足 t 1 < t 2 t_1<t_2 t1<t2时, F t 1 ⊂ F t 2 ⊂ F \mathscr{F}_{t_1}\subset\mathscr{F}_{t_2}\subset\mathscr{F} Ft1⊂Ft2⊂F。 ( F t ) t ∈ T (\mathscr{F}_{t})_{t \in T} (Ft)t∈T被称为事件域流(