在学鞅的时候遇到了鞅的定义:
设
为概率空间
上的随机过程,给定随机过程
如果
是
的;
;
,
则称
关于
是鞅。
很不明白第一个条件是怎么回事,书上解释的意义是是
的函数,解释得很笼统,所以仔细查了查这个
,有这么几个称呼:流域、滤波、非降的
-代数族、随时间演化的信息流,觉得随时间演化的信息流更贴切一些,下面是我结合查阅的资料的理解:
示例1
假设投掷一个色子,出现六个面的概率相同,则结果会是“1或2或3或4或5或6“,使用集合表示为。在0时刻(掷色子前),会问一个问题:”会出现哪一面“,此时我们是不知道什么将要发生,所以这个时候的信息流很简单,要么没投掷要么投掷了并出现六个数字之一,所以此时的信息是
或者
,也就是0时刻系统给到的信息是
,可以看出这是一个
-代数;
第一次投掷了色子之后得到一个结果,这时候会有很多的问题:”出现的一面是1吗“,”是奇数吗“,”比3大吗“等等,满足这些问题的回答分别是
,
,
等等,所以所有的问题的答案都会出现在
的幂集
中,可以将信息流理解为某时刻过后包含所有问题答案的集合,也就是
。显然
。
假设按照顺序投掷两次色子,在投掷之前,我们是不知道结果的,最后的结果会出现在中,所以此时的信息流为
;
在一次投掷之后,能回答的问题有哪些呢?只有关于第一次投掷的问题,关于第二次抛掷的问题是得不到答案的,所以此时的信息流;
两次投掷之后,就会有所有的信息了,信息流就是。显然
。
举例:
表示第一次投掷结果为1,第二次投掷结果为5;
表示在两次投掷中一次为1,一次为5;
表示一次投掷为奇数,第二次投掷为偶数。
也就是说,可以回答两次色子投掷之后关于投掷的所有问题!
总结:表示随时间演化的信息流(flow of information up to time t),随机变量随着时间的增加不断地产生更多的信息。
示例2
举一个更简单的例子,随机过程在0时刻的值为0,在1时刻取值为
或
,2时刻的取值为
或
(1时刻取值为
的情况下)、
或
(1时刻取值为
的情况下)。也就是随机过程
会有四条取值路径:
,
,
,
。路径空间为
,我们可以得到信息流如下:
举例:
表示“没有走路径2”的信息
表示“1时刻走了a的路径”的信息,这个信息同样也出现在了
中。
Filtration就是在某一时刻的所有的信息的反映。在0时刻,不知道随机变量会朝着哪一条路径发展,所以所拥有的信息就只有空集和全集;在1时刻可以取值或
,确定了随机变量的发展方向,拥有的信息量更多;在2时刻就可以知道关于路径的所有的事情。可以看到
。
示例3
题目:投掷一枚硬币,正反面分别用、
表示,投掷一枚硬币得到正反面的概率相同,每一时刻投掷一次,求0、1、2、3时刻的信息流。
最后可取的值有,
,
,
,
,
,
,
,取值空间为
。
则信息流为:
另外一种理解方式:
设每一次投掷的取值空间为,因此
,需要注意的是这里的
;
;
回到鞅的定义就可以知道,鞅的定义中第一个条件是指估计的过程与观察过程之间存在一定的内在联系,也就是要求估计的过程可以表示为观察的过程
的函数,比如独立同分布随机变量的和是鞅、独立随机变量的平方和是鞅等等。
当我们写鞅的时候写成,同样的可以写成
。