3.1 条件概率
在初等概率论中,条件期望的概念比较好理解,有 E [ X ∣ Y = y j ] = ∑ i x i P ( X = x i ∣ Y = y j ) {\mathbb E}[X | Y = y_j] = \sum_i x_i P(X=x_i | Y = y_j) E[X∣Y=yj]=∑ixiP(X=xi∣Y=yj),得到的条件期望实际上是一个关于 Y = y j Y=y_j Y=yj 的函数。但是在现代概率论中,这一概念进行了推广,也变得更加抽象,严谨的数学定义需要高等概率的知识,本教程基本只需要建立直观理解就够了。
(不严谨地)简单来说,条件期望 E [ X ∣ Y ] {\mathbb E}[X | Y] E[X∣Y] 是一个新的随机变量,也可以看作是随机变量 Y Y Y 的函数。也就是可以理解为 g ( Y ) g(Y) g(Y),这个函数由 X , Y X,Y X,Y 的性质所决定。
性质(可以用直觉来理解这些性质,培养一下数学直观):
- E [ E [ X ∣ Y ] ] = E [ X ] {\mathbb E}[{\mathbb E}[X|Y]] = {\mathbb E}[X] E[E[X∣Y]]=E[X]
- E [ ∑ i a i X i ∣ Y ] = ∑ i a i E [ X i ∣ Y ] {\mathbb E}[\sum_i a_i X_i | Y] = \sum_i a_i {\mathbb E}[X_i |Y] E[∑iaiXi∣Y]=∑iaiE[Xi∣Y]
- E [ g ( X ) h ( Y ) ∣ Y ] = h ( Y ) E [ g ( X ) ∣ Y ] {\mathbb E}[g(X)h(Y) | Y] = h(Y) {\mathbb E}[g(X) | Y] E[g(X)h(Y)∣Y]=h(Y)E[g(X)∣Y], g ( X ) , h ( Y ) g(X),h(Y) g(X),h(Y) 为有界函数
- E [ X ∣ X ] = X {\mathbb E}[X | X] = X E[X∣X]=X
- 若 X , Y X,Y X,Y 独立,则 E [ X ∣ Y ] = E [ X ] {\mathbb E}[X|Y] = {\mathbb E}[X] E[X∣Y]=E[X]
- E [ E [ X ∣ Y , Z ] ∣ Y ∈ D j , Z ∈ D k ] = E [ X ∣ Y ∈ D j , Z ∈ D k ] {\mathbb E}[{\mathbb E}[X|Y,Z] ~|~ Y\in {\mathcal D}_j, Z\in{\mathcal D}_k] = {\mathbb E}[X | Y\in {\mathcal D}_j, Z\in{\mathcal D}_k] E[E[X∣Y,Z] ∣ Y∈Dj,Z∈Dk]=E[X∣Y∈Dj,Z∈Dk]
- E [ E [ X ∣ Y , Z ] ∣ Y ] = E [ X ∣ Y ] = E [ E [ X ∣ Y ] ∣ Y , Z ] {\mathbb E}[{\mathbb E}[X|Y,Z] ~|~ Y] ={\mathbb E}[X|Y] = {\mathbb E}[{\mathbb E}[X|Y] ~|~ Y,Z] E[E[X∣Y,Z] ∣ Y]=E[X∣Y]=E[E[X∣Y] ∣ Y,Z]
3.2 鞅的定义与基本性质
定义: ∀ n ≥ 0 \forall n\ge0 ∀n≥0,若 (1) E ∣ X n ∣ < ∞ {\mathbb E} |X_n| < \infty E∣Xn∣<∞;(2) E [ X n + 1 ∣ X 0 , . . . , X n ] = X n {\mathbb E}[X_{n+1} | X_0,...,X_n]=X_n E[Xn+1∣X0,...,Xn]=Xn,则过程 { X n , n ≥ 0 } \{X_n,n\ge0\} {Xn,n≥0} 称为鞅。
注:鞅过程和平稳过程没有相互包含关系,也不同于Markov过程。
有的时候 X n X_n Xn 不能直接观察,只能观察另一个过程 { Y n , n ≥ 0 } \{Y_n,n\ge0\} {Yn,n≥0},因此将鞅的定义进行推广。
定义(推广):设两个随即过程 { X n , n ≥ 0 } , { Y n , n ≥ 0 } \{X_n,n\ge0\},\{Y_n,n\ge0\} {Xn,n≥0},{Yn,n≥0},若满足 (1) E ∣ X n ∣ < ∞ {\mathbb E}|X_n|<\infty E∣Xn∣<∞;(2) E [ X n + 1 ∣ Y 0 , . . . , Y n ] = X n {\mathbb E}[X_{n+1} | Y_0,...,Y_n] = X_n E[Xn+1∣Y0,...,Yn]=Xn,则称 { X n , n ≥ 0 } \{X_n,n\ge0\} {Xn,n≥0} 关于 { Y n , n ≥ 0 } \{Y_n,n\ge0\} {Yn,n≥0} 是鞅。
性质:
- E [ X n ∣ Y 0 , . . . , Y n ] = X n {\mathbb E}[X_n | Y_0,...,Y_n] = X_n E[Xn∣Y0,...,Yn]=Xn,再推广可以有 E [ X n − k ∣ Y 0 , . . . , Y n ] = X n − k , k ≥ 0 {\mathbb E}[X_{n-k} | Y_0,...,Y_n] = X_{n-k}, k\ge0 E[Xn−k∣Y0,...,Yn]=Xn−k,k≥0
- E [ X n + k ∣ Y 0 , . . . , Y n ] = X n + k , k ≥ 0 {\mathbb E}[X_{n+k} | Y_0,...,Y_n] = X_{n+k}, k\ge0 E[Xn+k∣Y0,...,Yn]=Xn+k,k≥0
- E X n + 1 = E X n = E X 0 {\mathbb E}X_{n+1} = {\mathbb E}X_n = {\mathbb E}X_0 EXn+1=EXn=EX0
- 若 g ( Y 0 , . . . , Y n ) g(Y_0,...,Y_n) g(Y0,...,Yn) 有界,则 E [ g ( Y 0 , . . . , Y n ) X n + k ∣ Y 0 , . . . , Y n ] = g ( Y 0 , . . . , Y n ) E [ X n + k ∣ Y 0 , . . . , Y n ] {\mathbb E}[g(Y_0,...,Y_n)X_{n+k} | Y_0,...,Y_n] = g(Y_0,...,Y_n){\mathbb E}[X_{n+k} | Y_0,...,Y_n] E[g(Y0,...,Yn)Xn+k∣Y0,...,Yn]=g(Y0,...,Yn)E[Xn+k∣Y0,...,Yn]
- 若 { X n , n ≥ 0 } , { Z n , n ≥ 0 } \{X_n,n\ge0\},\{Z_n,n\ge0\} {Xn,n≥0},{Zn,n≥0} 关于 { Y n , n ≥ 0 } \{Y_n,n\ge0\} {Yn,n≥0} 是鞅,则 { X n ± Z n } \{X_n\pm Z_n\} {Xn±Zn} 关于 { Y n , n ≥ 0 } \{Y_n,n\ge0\} {Yn,n≥0} 是鞅
- 若 { X n , n ≥ 0 } , { Z n , n ≥ 0 } \{X_n,n\ge0\},\{Z_n,n\ge0\} {Xn,n≥0},{Zn,n≥0} 关于 { Y n , n ≥ 0 } \{Y_n,n\ge0\} {Yn,n≥0} 是鞅,且 X n , Z n X_n,Z_n Xn,Zn 独立,则 { X n Z n } \{X_n Z_n\} {XnZn} 关于 { Y n , n ≥ 0 } \{Y_n,n\ge0\} {Yn,n≥0} 是鞅
注: E [ X n + 1 X n ] = E [ E [ X n + 1 X n ∣ Y 0 , . . . , Y n ] ] = E [ X n E [ X n + 1 ∣ Y 0 , . . . , Y n ] ] = E [ X n 2 ] {\mathbb E}[X_{n+1}X_n] = {\mathbb E}[{\mathbb E}[X_{n+1}X_n | Y_0,...,Y_n]] = {\mathbb E}[X_n {\mathbb E}[X_{n+1}|Y_0,...,Y_n]] = {\mathbb E}[X_n^2] E[Xn+1Xn]=E[E[Xn+1Xn∣Y0,...,Yn]]=E[XnE[Xn+1∣Y0,...,Yn]]=E[Xn2],说明鞅不是平稳过程。
3.3 鞅的举例与构造方法
栗子 3.1: Y 0 = 0 , { Y n , n ≥ 1 } Y_0=0,\{Y_n,n\ge1\} Y0=0,{Yn,n≥1} 独立同分布, E ∣ Y n ∣ < ∞ {\mathbb E}|Y_n|<\infty E∣Yn∣<∞, E Y n = 0 {\mathbb E}Y_n=0 EYn=0,取 X 0 = 0 , X n = ∑ i = 1 n Y i X_0=0,X_n=\sum_{i=1}^nY_i X0=0,Xn=∑i=1nYi,则 { X n , n ≥ 0 } \{X_n,n\ge0\} {Xn,n≥0} 关于 { Y n , n ≥ 0 } \{Y_n,n\ge0\} {Yn,n≥0} 是鞅。
栗子 3.2: Y 0 = 0 , { Y n , n ≥ 1 } Y_0=0,\{Y_n,n\ge1\} Y0=0,{Yn,n≥1} 独立同分布, E Y n = 0 , E Y n 2 = σ 2 {\mathbb E}Y_n=0, {\mathbb E}Y_n^2=\sigma^2 EYn=0,EYn2=σ2,取 X 0 = 0 , X n = ∑ i = 1 n Y i 2 − n σ 2 X_0=0,X_n = \sum_{i=1}^n Y_i^2-n\sigma^2 X0=0,Xn=∑i=1nYi2−nσ2,则 { X n } \{X_n\} {Xn} 关于 { Y n } \{Y_n\} {Yn} 是鞅。
栗子 3.3(一般线性求和): X n = ∑ k = 0 n a k ( Y 0 , . . . , Y k − 1 ) ⋅ { f ( Z k ) − E [ f ( Z k ) ∣ Y 0 , . . . , Y k − 1 ] } X_n = \sum_{k=0}^n a_k(Y_0,...,Y_{k-1}) \cdot \{f(Z_k) - {\mathbb E}[f(Z_k)|Y_0,...,Y_{k-1}]\} Xn=∑k=0nak(Y0,...,Yk−1)⋅{f(Zk)−E[f(Zk)∣Y0,...,Yk−1]},要求 E ∣ f ( Z k ) ∣ < ∞ {\mathbb E}|f(Z_k)|<\infty E∣f(Zk)∣<∞, ∣ a k ( y 0 , . . . , y k − 1 ) ∣ < A k , ∀ y 0 , . . . , y k − 1 |a_k(y_0,...,y_{k-1})|<A_k,\forall y_0,...,y_{k-1} ∣ak(y0,...,yk−1)∣<Ak,∀y0,...,yk−1。(一般情况下取 a k = 1 a_k = 1 ak=1)
栗子 3.4(Doob 鞅过程): X n = E [ X ∣ Y 0 , . . . , Y n ] X_n={\mathbb E}[X | Y_0,...,Y_n] Xn=E[X∣Y0,...,Yn], { X n } \{X_n\} {Xn} 关于 { Y n } \{Y_n\} {Yn} 是鞅。
栗子 3.5(似然比构成的鞅):设 { Y n } \{Y_n\} {Yn} 独立同分布, f 0 , f 1 f_0,f_1 f0,f1 是概率密度函数(PDF), ∀ y , f 0 ( y ) > 0 \forall y,f_0(y)>0 ∀y,f0(y)>0,令 X n = f 1 ( Y 0 ) ⋯ f 1 ( Y n ) f 0 ( Y 0 ) ⋯ f 0 ( Y n ) X_n=\frac{f_1(Y_0)\cdots f_1(Y_n)}{f_0(Y_0)\cdots f_0(Y_n)} Xn=f0(Y0)⋯f0(Yn)f1(Y0)⋯f1(Yn),当 Y n Y_n Yn 的PDF为 f 0 f_0 f0 时, { X n } \{X_n\} {Xn} 关于 { Y n } \{Y_n\} {Yn} 是鞅。
栗子 3.6: { Y n } \{Y_n\} {Yn} 为 Markov 链,状态空间为 S {\mathcal S} S,转移矩阵为 P P P,定义 F = ( f ( 0 ) , . . . , f ( i ) , . . . ) F=(f(0),...,f(i),...) F=(f(0),...,f(i),...) 为右特征向量, E ∣ f ( Y n ) ∣ < ∞ {\mathbb E}|f(Y_n)|<\infty E∣f(Yn)∣<∞。令 X n = λ − n f ( Y n ) X_n = \lambda^{-n} f(Y_n) Xn=λ−nf(Yn),则 { X n } \{X_n\} {Xn} 关于 { Y n } \{Y_n\} {Yn} 是鞅。
证明:
E
∣
X
n
∣
=
λ
−
n
E
∣
f
(
Y
n
)
∣
<
∞
{\mathbb E}|X_n| = \lambda^{-n} {\mathbb E}|f(Y_n)|<\infty
E∣Xn∣=λ−nE∣f(Yn)∣<∞,
E
[
X
n
+
1
∣
Y
0
,
.
.
.
,
Y
n
]
=
E
[
λ
−
n
−
1
f
(
Y
n
+
1
)
∣
Y
n
]
=
λ
−
n
−
1
∑
j
∈
S
f
(
y
j
)
P
(
Y
n
+
1
=
y
j
∣
Y
n
)
=
λ
−
n
f
(
Y
n
)
{\mathbb E}[X_{n+1} | Y_0,...,Y_n] = {\mathbb E}[\lambda^{-n-1} f(Y_{n+1}) | Y_n] = \lambda^{-n-1} \sum_{j\in{\mathcal S}} f(y_j)P(Y_{n+1}=y_j|Y_n)=\lambda^{-n} f(Y_n)
E[Xn+1∣Y0,...,Yn]=E[λ−n−1f(Yn+1)∣Yn]=λ−n−1j∈S∑f(yj)P(Yn+1=yj∣Yn)=λ−nf(Yn)
栗子 3.7(分支过程构造):设
Z
(
n
)
(
j
)
Z^{(n)}(j)
Z(n)(j) 表示第
n
n
n 代第
j
j
j 个个体产生的个体数目,
Z
(
n
)
(
i
)
(
i
=
1
,
2
,
.
.
.
)
Z^{(n)}(i)(i=1,2,...)
Z(n)(i)(i=1,2,...) 独立同分布,
E
[
Z
(
n
)
(
i
)
]
=
m
{\mathbb E}[Z^{(n)}(i)]=m
E[Z(n)(i)]=m,
Y
n
+
1
=
Z
(
n
)
(
1
)
+
⋯
+
Z
(
n
)
(
Y
n
)
Y_{n+1} = Z^{(n)}(1) + \cdots + Z^{(n)}(Y_n)
Yn+1=Z(n)(1)+⋯+Z(n)(Yn),则
X
n
=
m
−
n
Y
n
X_n=m^{-n}Y_n
Xn=m−nYn 关于
{
Y
n
}
\{Y_n\}
{Yn} 是鞅。
E
[
Y
n
+
1
∣
Y
n
]
=
Y
n
E
[
Z
(
n
)
(
1
)
]
=
m
Y
n
{\mathbb E}[Y_{n+1} | Y_n] = Y_n {\mathbb E}[Z^{(n)}(1)] = mY_n
E[Yn+1∣Yn]=YnE[Z(n)(1)]=mYn。
栗子 3.8(Wald鞅): Y 0 = 0 , { Y n } Y_0=0,\{Y_n\} Y0=0,{Yn} 独立同分布, ϕ ( λ ) = E [ exp ( λ Y n ) ] \phi(\lambda)={\mathbb E}[\exp(\lambda Y_n)] ϕ(λ)=E[exp(λYn)], X 0 = 1 , X n = ϕ − n ( λ ) exp [ λ ( Y 1 + ⋯ + Y n ) ] X_0=1,X_n=\phi^{-n}(\lambda)\exp[\lambda (Y_1+\cdots+Y_n)] X0=1,Xn=ϕ−n(λ)exp[λ(Y1+⋯+Yn)], { X n } \{X_n\} {Xn} 关于 { Y n } \{Y_n\} {Yn} 是鞅。
证明:定义 S n = ∑ k = 1 n Y k S_n=\sum_{k=1}^n Y_k Sn=∑k=1nYk,结合栗子 3.6 可知 { X n } \{X_n\} {Xn} 关于 { S n } \{S_n\} {Sn} 是鞅,由于 S 1 , . . . , S n S_1,...,S_n S1,...,Sn 与 Y 1 , . . . , Y n Y_1,...,Y_n Y1,...,Yn 可以相互表示,因此 { X n } \{X_n\} {Xn} 关于 { Y n } \{Y_n\} {Yn} 也是鞅。
栗子 3.9(R-N导数构成的鞅):设 Z ∼ U [ 0 , 1 ] Z\sim U[0,1] Z∼U[0,1], f f f 是 [ 0 , 1 ] [0,1] [0,1] 上的有界函数,令 X n = 2 n [ f ( Y n + 2 − n ) − f ( Y n ) ] X_n=2^n [f(Y_n+2^{-n}) - f(Y_n)] Xn=2n[f(Yn+2−n)−f(Yn)],而 Y n = ∑ k = 0 2 n − 1 k 2 n 1 { k / 2 n ≤ Z < ( k + 1 ) / 2 n } Y_n=\sum_{k=0}^{2^n-1} \frac{k}{2^n} {\mathbf 1}_{\{k/2^n \le Z < (k+1)/2^n\}} Yn=∑k=02n−12nk1{k/2n≤Z<(k+1)/2n},则 { X n } \{X_n\} {Xn} 关于 { Y n } \{Y_n\} {Yn} 是鞅。
证明:在
Y
0
,
.
.
.
,
Y
n
Y_0,...,Y_n
Y0,...,Yn 条件下,
Z
Z
Z 服从
[
Y
n
,
Y
n
+
2
−
n
)
[Y_n,Y_n+2^{-n})
[Yn,Yn+2−n) 的均匀分布,并且
Y
n
+
1
Y_{n+1}
Yn+1 以相同的概率等于
Y
n
Y_n
Yn 或者
Y
n
+
2
−
n
−
1
Y_n+2^{-n-1}
Yn+2−n−1,于是有
E
[
X
n
+
1
∣
Y
0
,
.
.
.
,
Y
n
]
=
2
n
+
1
E
[
f
(
Y
n
+
1
+
2
−
n
−
1
)
−
f
(
Y
n
+
1
)
∣
Y
0
,
.
.
.
,
Y
n
]
=
2
n
+
1
{
1
2
[
f
(
Y
n
+
2
−
n
−
1
)
−
f
(
Y
n
)
]
+
1
2
[
f
(
Y
n
+
2
−
n
)
−
f
(
Y
n
+
2
−
n
−
1
)
]
}
=
X
n
\begin{aligned} {\mathbb E}[X_{n+1} | Y_0,...,Y_n] &= 2^{n+1} {\mathbb E}[f(Y_{n+1}+2^{-n-1})-f(Y_{n+1}) | Y_0,...,Y_n] \\ &= 2^{n+1}\left\{ \frac{1}{2} [f(Y_n+2^{-n-1})-f(Y_n)] + \frac{1}{2}[f(Y_n+2^{-n}) - f(Y_n+2^{-n-1})] \right\} \\ &= X_n \end{aligned}
E[Xn+1∣Y0,...,Yn]=2n+1E[f(Yn+1+2−n−1)−f(Yn+1)∣Y0,...,Yn]=2n+1{21[f(Yn+2−n−1)−f(Yn)]+21[f(Yn+2−n)−f(Yn+2−n−1)]}=Xn
小结(鞅的构造方法):
- 满足 Markov 性的序列,若满足 E [ X n + 1 ∣ X n ] = λ X n {\mathbb E}[X_{n+1} | X_n] = \lambda X_n E[Xn+1∣Xn]=λXn,则 Z n = λ − n X n Z_n = \lambda^{-n} X_n Zn=λ−nXn 构成一个鞅;
- 满足 Markov 性的序列,若满足 E [ g ( X n + 1 ) ∣ X n ] = f ( λ ) g ( X n ) {\mathbb E}[g(X_{n+1}) | X_n] = f(\lambda) g(X_n) E[g(Xn+1)∣Xn]=f(λ)g(Xn), g ( x ) g(x) g(x) 为有界函数, f ( λ ) ≠ 0 f(\lambda)\ne0 f(λ)=0,则 Z n = f ( λ ) − n g ( X n ) Z_n = f(\lambda)^{-n} g(X_n) Zn=f(λ)−ng(Xn) 构成一个鞅;
- 一般线性求和。
3.4 上鞅、下鞅的定义及基本性质
定义:随机过程 { X n , n ≥ 0 } , { Y n , n ≥ 0 } \{X_n,n\ge0\},\{Y_n,n\ge0\} {Xn,n≥0},{Yn,n≥0} 满足下列条件:
- E [ X − ] > ∞ , x − : = min ( x , 0 ) {\mathbb E}[X^-]>\infty, x^-:=\min(x,0) E[X−]>∞,x−:=min(x,0);
- E [ X n + 1 ∣ Y 0 , . . . , Y n ] ≤ X n {\mathbb E}[X_{n+1} | Y_0,...,Y_n] \le X_n E[Xn+1∣Y0,...,Yn]≤Xn;
- X n X_n Xn 是 Y 0 , . . . , Y n Y_0,...,Y_n Y0,...,Yn 的函数;
则称 { X n } \{X_n\} {Xn} 关于 { Y n } \{Y_n\} {Yn} 是上鞅。同理可定义下鞅。
性质:
- 上鞅 { X n } \{X_n\} {Xn},则 E [ X n + k ∣ Y 0 , . . . , Y n ] ≤ X n , ∀ k ≥ 0 {\mathbb E}[X_{n+k} | Y_0,...,Y_n]\le X_n,\forall k\ge0 E[Xn+k∣Y0,...,Yn]≤Xn,∀k≥0
- 上鞅 { X n } \{X_n\} {Xn},则 E [ X n ] ≤ E X k ≤ E X 0 , 0 ≤ k ≤ n {\mathbb E}[X_n] \le {\mathbb E}X_k \le {\mathbb E}X_0,0\le k\le n E[Xn]≤EXk≤EX0,0≤k≤n
- 上鞅 { X n } \{X_n\} {Xn}, g ( Y 0 , . . . , Y n ) g(Y_0,...,Y_n) g(Y0,...,Yn) 是非负函数,则 E [ g ( Y 0 , . . . , Y n ) X n + k ∣ Y 0 , . . . , Y n ] = g ( Y 0 , . . . , Y n ) E [ X n + k ∣ Y 0 , . . . , Y n ] {\mathbb E}[g(Y_0,...,Y_n)X_{n+k} | Y_0,...,Y_n] = g(Y_0,...,Y_n) {\mathbb E}[X_{n+k} | Y_0,...,Y_n] E[g(Y0,...,Yn)Xn+k∣Y0,...,Yn]=g(Y0,...,Yn)E[Xn+k∣Y0,...,Yn]
- { X n } , { Z n } \{X_n\},\{Z_n\} {Xn},{Zn} 关于 { Y n } \{Y_n\} {Yn} 是上(下)鞅,则 { X n + Z n } \{X_n+Z_n\} {Xn+Zn} 关于 { Y n } \{Y_n\} {Yn} 是上(下)鞅
- { X n } , { Z n } \{X_n\},\{Z_n\} {Xn},{Zn} 关于 { Y n } \{Y_n\} {Yn} 是上鞅,且 X n , Z n X_n,Z_n Xn,Zn 相互独立,则 { X n Z n } \{X_nZ_n\} {XnZn} 关于 { Y n } \{Y_n\} {Yn} 是上鞅(应该要求 X n , Z n ≥ 0 X_n,Z_n\ge0 Xn,Zn≥0???)
3.5 Jensen不等式与下鞅的构造
定理 3.1:若 { X n } \{X_n\} {Xn} 关于 { Y n } \{Y_n\} {Yn} 是鞅, φ ( x ) \varphi(x) φ(x) 为一个凸函数,且对 ∀ n \forall n ∀n, E [ φ ( X n ) + ] < ∞ {\mathbb E}[\varphi(X_n)^+]<\infty E[φ(Xn)+]<∞,则 { φ ( X n ) } \{\varphi(X_n)\} {φ(Xn)} 关于 { Y n } \{Y_n\} {Yn} 是下鞅。
推论 3.1.1:若 { X n } \{X_n\} {Xn} 关于 { Y n } \{Y_n\} {Yn} 是鞅,对 ∀ n \forall n ∀n, E [ X n 2 ] < ∞ {\mathbb E}[X_n^2]<\infty E[Xn2]<∞,则 { ∣ X n ∣ } , { X n 2 } \{|X_n|\},\{X_n^2\} {∣Xn∣},{Xn2} 关于 { Y n } \{Y_n\} {Yn} 是下鞅。
推论 3.1.2:若 { X n } \{X_n\} {Xn} 关于 { Y n } \{Y_n\} {Yn} 是鞅,对 ∀ n , p ≥ 1 \forall n,p\ge1 ∀n,p≥1, E [ ∣ X n p ∣ ] < ∞ {\mathbb E}[|X_n^p|]<\infty E[∣Xnp∣]<∞,则 { ∣ X n ∣ p } \{|X_n|^p\} {∣Xn∣p} 关于 { Y n } \{Y_n\} {Yn} 是下鞅。
3.6 分解定理
定理 3.2(分解定理):对任意一个 { X n } \{X_n\} {Xn} 关于 { Y n } \{Y_n\} {Yn} 的下鞅,必存在过程 { M n } , { Z n } \{M_n\},\{Z_n\} {Mn},{Zn} 使得
- { M n } \{M_n\} {Mn} 关于 { Y n } \{Y_n\} {Yn} 是鞅
- Z n Z_n Zn 是 Y 0 , . . . , Y n Y_0,...,Y_n Y0,...,Yn 的函数,且满足 Z 1 = 0 , Z n ≤ Z n + 1 , E Z n < ∞ Z_1=0,Z_n\le Z_{n+1},{\mathbb E}Z_n<\infty Z1=0,Zn≤Zn+1,EZn<∞
- X n = M n + Z n X_n=M_n+Z_n Xn=Mn+Zn
且上述分解是唯一的。
证明:证明的思路是首先构造出来这样一对 M n , Z n M_n,Z_n Mn,Zn,然后证明他们确实满足条件,最后再证明唯一性。
构造 Z n = ∑ k = 1 n E [ X k − X k − 1 ∣ Y 0 , . . . , Y n ] Z_n = \sum_{k=1}^n{\mathbb E}[X_k -X_{k-1}| Y_0,...,Y_n] Zn=∑k=1nE[Xk−Xk−1∣Y0,...,Yn], M n = X n − Z n M_n=X_n-Z_n Mn=Xn−Zn,可以验证 { M n } \{M_n\} {Mn} 是鞅并且 Z n Z_n Zn 是 Y 0 , . . . , Y n Y_0,...,Y_n Y0,...,Yn 的非负单调非降函数。唯一性证明用反证法。证毕。
推论 3.2.1:对任意一个 { X n } \{X_n\} {Xn} 关于 { Y n } \{Y_n\} {Yn} 的上鞅,必存在过程 { M n } , { Z n } \{M_n\},\{Z_n\} {Mn},{Zn} 使得
- { M n } \{M_n\} {Mn} 关于 { Y n } \{Y_n\} {Yn} 是鞅
- Z n Z_n Zn 是 Y 0 , . . . , Y n Y_0,...,Y_n Y0,...,Yn 的函数,且满足 Z 1 = 0 , Z n ≤ Z n + 1 , E Z n < ∞ Z_1=0,Z_n\le Z_{n+1},{\mathbb E}Z_n<\infty Z1=0,Zn≤Zn+1,EZn<∞
- X n = M n − Z n X_n=M_n-Z_n Xn=Mn−Zn
且上述分解是唯一的。
最后给我的博客打个广告,欢迎光临
https://glooow1024.github.io/
https://glooow.gitee.io/
前面的一些博客链接如下
泛函分析专栏
高等数值分析专栏
随机过程专栏
随机过程1 绪论
随机过程2 平稳过程与二阶矩
离散鞅论1 | 基本概念
离散鞅论2 | 停时与停时定理
离散鞅论3 | 鞅论应用
泊松过程1 | 定义与基本性质
泊松过程2 | 泊松过程扩展
布朗运动 1 | 基本概念与性质
布朗运动 2 | 布朗运动的推广
马尔可夫过程1 | 基本概念
马尔可夫过程2 | 状态空间
连续参数马尔可夫链