布朗运动 1 | 基本概念与性质

5.1 布朗运动概念

定义：若一个随机过程 { X ( t ) , t ≥ 0 } \{X(t),t\ge0\} {X(t),t≥0} 满足

1. $X(t)$ 是独立增量过程；
2. $\forall s,t\ge 0,X(t+s)-X(s)\sim \mathcal{N}(0,c^{2}t)$；
3. $X(t)$ 关于 $t$ 是连续函数；

则称 $X(t)$ 是布朗运动或维纳过程。

可以验证 $R(t_1,t_2)=\mathbb{E}[X(t_1)X(t_2)]=c^2(t_1\wedge t_2)$，所以布朗运动是非平稳过程。

5.2 正态分布相关理论

5.2.1 柯西分布与高斯随机变量

问题 1：求 $Z=X/Y$ 的概率分布与分布密度函数。

定理 5.1：设 $X_1,X_2$ 是独立的均值为 $0$，方差为 $1$ 的正态分布随机变量，则 $X_1/|X_2|$ 服从 Cauchy 分布，分布密度函数为：$f(x)=1/\pi (1+x^2),-\infty <x<\infty$，相应的概率分布函数为 $F(x)=1/2+{\pi }^{-1}\arctan x,-\infty <x<\infty$。

5.2.2 区域分布与互相关系数的关系

定义 $\sin \alpha =\frac{\mathbb{E}[XY]}{\sqrt{\mathbb{E}[X^2]\mathbb{E}[Y^2]}}=r$，那么 $P(X>0,Y>0)=P(X<0,Y<0)=1/4+\alpha /2\pi$，$P(X<0,Y>0)=P(X>0,Y<0)=1/4-\alpha /2\pi$。

证明：略。

5.2.3 贝叶斯定理与条件分布密度表示理论

贝叶斯定理：$f_Y(y|X=x)=\frac{f_X(x|Y=y)f_Y(y)}{f_X(x)}$。

该定理在讨论条件概率问题时，把需要利用分布函数讨论的问题转化为利用分布密度函数来讨论，简化了问题的讨论。

5.2.4 联合正态分布的边缘分布密度与条件分布密度

略。

5.2.5 几个基本关系式

假设 $X,Y$ 服从均值为 0 的联合正态分布，则 $\mathbb{E}[XY]=r{\sigma }_1{\sigma }_2$，$\mathbb{E}[X^2{Y}^2]=\mathbb{E}[X^2]\mathbb{E}[Y^2]+2{\mathbb{E}}^2[XY]$，$\mathbb{E}[|XY|]=\frac{2{\sigma }_1{\sigma }_2}{\pi }(\cos \alpha +\sin \alpha )$，其中 $r=\sin \alpha ,-\pi /2<\alpha \le \pi /2$。

证明：略。

5.2.6 反正弦率

设 $X(t)$ 为平稳过程，且 $X(t+\tau ),X(t)$ 的联合分布服从正态分布，对 $X(t)$ 进行非线性运算
$$Y(t)=\{\begin{array}{ll}1,& X(t)\ge 0\\ -1,& X(t)<0\end{array}$$
那么有 $\mathbb{E}[Y(t+\tau )Y(t)]=2\alpha /\pi$。随机变量 $X(t+\tau ),X(t)$ 联合正态，那么 $r=R(\tau )/R(0)=\sin \alpha$，于是有 $R_Y(\tau )=\frac{2}{\pi }\arcsin \frac{R(\tau )}{R(0)}$。

5.2.7 零交叉问题

略。

5.2.8 正态分布拖尾概率估计

定理 5.2（Mill比值）：对任意的 $x>0$ 有 $\frac{x}{1+x^2}{e}^{-x^2/2}<{\int }_x^{\infty }{e}^{-u^2/2}du<\frac{1}{x}{e}^{-x^2/2}$。特别的，当 $x\to \infty$ 时有 ${\int }_x^{\infty }{e}^{-u^2/2}du\approx \frac{1}{x}{e}^{-x^2/2}$。

5.3 布朗运动

5.3.1 有限维联合概率密度

定理 5.3：设 { B ( t ) , t ≥ 0 } \{B(t),t\ge0\} {B(t),t≥0} 为标准的布朗运动，令 $x_0=0,t_0=0$，则当 $B(0)=0$ 时，对 $\forall 0<t_1<t_2<\cdots <t_n$，$(B(t_1),B(t_2),...,B(t_n))$ 的联合概率密度函数为 $g(x_1,x_2,...,x_n;t_1,t_2,...,t_n)={\Pi }_{i=1}^{n}p(x_i-x_{i-1};t_i-t_{i-1})$，其中 $p(x;t)=\frac{1}{\sqrt{2\pi t}}\exp (-x^2/2t)$。

5.3.2 布朗运动的性质

下面考虑标准布朗运动（即取 $c=1$）的性质。

平移特性：对任意的 $s>0$，$B_s(t)=B(t+s)-B(s),t\ge 0$ 是标准布朗运动；

伸缩性：对任意的 $c>0$， { c B ( t / c ) , t ≥ 0 } \{\sqrt{c} B(t/c), t\ge0\} {c ​B(t/c),t≥0} 是标准布朗运动；

对称性： { − B ( t ) , t ≥ 0 } \{-B(t),t\ge0\} {−B(t),t≥0} 是标准布朗运动；

鞅性：略。

其余还有正态过程性质、马尔可夫性质、反射性质、时间可逆性等在后面详细解释。

5.3.3 正态过程

定义：若随机过程 { X ( t ) , t ∈ T } \{X(t),t\in T\} {X(t),t∈T}，对任意 $t_i\in T,i=1,2,...,n$ 有 $X(t_1),...,X(t_n)$ 的联合分布为 $n$ 维正态分布，则称 { X ( t ) , t ∈ T } \{X(t),t\in T\} {X(t),t∈T} 为正态过程。

定理 5.4：设 { B ( t ) , t ≥ 0 } \{B(t),t\ge 0\} {B(t),t≥0} 是正态过程，轨道连续，$B(0)=0,\forall s,t>0$，有 $\mathbb{E}B(t)=0,\mathbb{E}[B(s)B(t)]=s\wedge t$，则 { B ( t ) , t ≥ 0 } \{B(t),t\ge0\} {B(t),t≥0} 是布朗运动，反之亦然。

证明：充分性易证。必要性证明，验证布朗运动有关条件：1）$\forall t,s\ge 0$，可以验证增量 $B(t)-B(s)\sim \mathcal{N}(0,|t-s|)$ 是零均值正态随机变量；2）再验证独立增量过程，而验证两个高斯分布的独立性只需要证明他们的互相关为 0，细节略。

5.3.4 马尔可夫性

正向马尔可夫性：$\forall t_1<t_2<\cdots <t_n$，在给定 $B(t_1),..,B(t_{n-1})$ 下，$B(t_n)$ 的条件概率密度函数与只给定 $B(t_{n-1})$ 下 $B(t_n)$ 的条件概率密度相同。

反向马尔可夫性：同理。

中间关于两侧的马尔可夫性：$\forall t_1<t_2<\cdots <t_n$，在给定 $...,B(t_{i-1}),B(t_{i+1}),...$ 下，$B(t_i)$ 的条件概率密度函数与只给定 $B(t_{i-1}),B(t_{i+1})$ 下 $B(t_i)$ 的条件概率密度相同。

下面讨论 $B(t_2)$ 关于给定 $B(t_1),B(t_3)$ 的条件概率密度。

定理5.5：对 $0\le t_1<t<t_2$，给定 $B(t_1)=a,B(t_2)=b,B(0)=0$，则 $B(t)$ 的条件概率密度是一个正态密度，其均值为 $a+(b-a)(t-t_1)/(t_2-t_1)$，方差为 $(t_2-t)(t-t_1)/(t_2-t_1)$

证明：由于 $B(t)$ 为正态过程，$\mathbf{b}=B(t_1),B(t),B(t_2)$ 服从联合高斯分布，其均值为 $\mathbf{\mu }=[0,0,0{]}^{\mathrm{T}}$，协方差矩阵
$$\Sigma =\mathbb{E}[\mathbf{b}{\mathbf{b}}^{\mathrm{T}}]=\left[\begin{array}{ccc}{t}_1& t_1& t_1\\ t_1& t& t\\ t_1& t& t_2\end{array}\right]$$
直接根据高斯分布向量的条件分布即可得到。

Remark：实际上 $\mathbb{E}[B(t)|B(t_1),B(t_2)]$ 是关于 $t$ 的线性函数。

5.3.5 反射性

反射性：对 $a>0$，定义 τ a = inf ⁡ { t : B ( t ) = a } \tau_a=\inf\{t: B(t)=a\} τa​=inf{t:B(t)=a} 表示首次击中时间，定义 $B^{\ast }(t)=\{\begin{array}{ll}B(t),& t\le {\tau }_a\\ 2a-B(t),& t>{\tau }_a\end{array}$，则 { B ∗ ( t ) , t ≥ 0 } \{B^\ast(t),t\ge0\} {B∗(t),t≥0} 是标准布朗运动；

证明：略。

5.3.6 时间可逆性

时间可逆性：定义 $B^{\prime }(t)=\{\begin{array}{ll}tB(1/t),& t>0\\ 0,& t=0\end{array}$，则 { B ′ ( t ) , t ≥ 0 } \{B'(t),t\ge0\} {B′(t),t≥0} 是标准布朗运动；

证明：$B(t)$ 是正态过程，根据前面正态过程的定义，可以得到 $tB(1/t)$ 也是正态过程。再根据定理 5.4 可以验证条件 $\mathbb{E}[B^{\prime }(t)B^{\prime }(s)]=s\wedge t$，关于在 $t=0$ 点的连续性稍复杂，省略。由此可以证明 $B^{\prime }(t)$ 是布朗运动。

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