
- •Вопрос 1: Классические задачи, иллюстрирующие необходимость построения теории случайных процессов. Понятие случайного процесса.
- •Вопрос 2. Классификация случайных процессов. Процесс с независимыми приращениями. Мартингалы.
- •Вопрос 3. Классификация случайных процессов. Марковские процессы. Стационарные случайные процессы.
- •Вопрос 4. Классификация марковских случайных процессов.
- •Вопрос 5. Понятие дискретной цепи Маркова и ее вероятностных характеристик.
- •Вопрос 6. Вероятностная структура однородной цепи маркова (вывод формулы ).
- •Вопрос 7. Определение вероятности перехода цепи Маркова за m шагов.
- •Вопрос 8. Примеры цепей Маркова.
- •Вопрос 9. Классификация состояний цепи Маркова
- •Вопрос 10. Критерий возвратности. Применение критерия возвратности к одномерному случайному блужданию по целочисленной решетке.
- •Вопрос 11. Предельная теорема для конечных цепей Маркова
- •Вопрос 12. Понятие марковского процесса и основных его вероятностных характеристик.
- •Вопрос 13. Вывод дифференциальных уравнений Колмогорова. Составление уравнений Колмогорова с использованием графа состояний.
- •Вопрос 14. Эргодические свойства однородных марковских случайных процессов.
- •Вопрос 15. Определение предельных вероятностей состояний Марковского процесса для двух состояний.
- •Вопрос 16. Понятие пуассоновского процесса. Примеры.
- •Вопрос 17. Утверждение о распределении промежутков времени и моментов времени для пуассоновского распределения.
- •Вопрос 18. Понятие процесса чистого рождения. Теорема Феллера.
- •Вопрос 19. Процесс рождения и гибели.
- •Вопрос 20. Процессы массового обслуживания. Основные понятия и классификация смо.
- •Вопрос 21. Характеристики простейшого потока. Основные свойства простейшего потока. Время ожидания и время обслуживания.
- •Вопрос 22. Принципы построения моделей массового обслуживания.
- •Вопрос 23. Основные характеристики систем массового обслуживания с отказами. Уравнения Эрланга.
- •Вопрос 24. Основные характеристики смо с ожиданием.
- •Вопрос 25. Понятие мартингала, субмартингала, супермартингала. Свойства мартингала, субмартингала, супермартингала.
- •Вопрос 26. Разложение Дуба.
- •Вопрос 27. Тождество Вальда. Доказательство тождества Вальда по Колмогорову-Прохорову.
- •Вопрос 28. Применение тождества Вальда для случайного блуждания.
- •Вопрос 29. Теорема Дуба о преобразовании свободного выбора.
- •Вопрос 30. Неравенство Дуба для максимального значения мартингала.
Вопрос 25. Понятие мартингала, субмартингала, супермартингала. Свойства мартингала, субмартингала, супермартингала.
Ответ:
Определение.
Пусть
.
Процесс (
называется мартингалом относительно
фильтрации
если:
согласован с
.
является
– процессом, т.е.
п.н.
Если вместо условия 3 выполнено
п.н.
То называется субмартингалом относительно F.
Если же вместо условия 3 выполнено
п.н.
То называется супермартингалом относительно F.
Субмартингалы
и супермартингалы – это мартингалы
«наполовину». Для мартингалов условие
3 означает, что функция среднего является
постоянной
.
Свойства мартингалов:
Случайный процесс является мартингалом тогда и только тогда, когда он является одновременно субмартингалом и супермартингалом.
Если
– мартингал, то
.
Если
– субмартингал, то
– супермартингал.
Если является мартингалом, а
– выпуклая функция, то
– субмартингал. Если
вогнутая функция, то
– супермартингал.
Вообще говоря, мартингал не является марковский процессом. Верно и обратное: марковский процесс не обязан быть мартингалом.
Вопрос 26. Разложение Дуба.
Ответ:
В теории случайных процессов в дискретном времени, являющейся частью математической теории вероятностей, теорема о разложении Дуба дает уникальное разложение каждого адаптированного и интегрируемого случайного процесса в виде суммы мартингала и предсказуемого процесса.
Пусть (Ω, F, ℙ) - вероятностное пространство, I = {0, 1, 2, . . ., N} с N ∈ ℕ или я = ℕ 0 конечное или бесконечное множество индексов, (Fn) п ∈ Я фильтрации из F, и Х = (Хn) n ∈ Я адаптированный случайный процесс с E [| Xn|] <∞ для всех n ∈ I. Тогда существует мартингал М = (Мn) n ∈ I и интегрируемый предсказуемый процесс A = (An) n ∈ I, начиная с A0 = 0, так что Хn = Мn + n для любого n ∈ I. Здесь предсказуемые означает, что n является Fn-1 - измеримы для любого n ∈ I \ {0}. Это разложение почти наверняка единственное.
Замечание. Теорема дословно справедлива также для случайных процессов X, принимающих значения в d-мерном евклидовом пространстве ℝd или комплексном векторном пространстве ℂd. Это следует из одномерного варианта при индивидуальном рассмотрении компонентов.
Доказательство.
Существование. Используя условные ожидания, определите процессы A и M для каждого n ∈ I явно как
и
где суммы для n = 0 являются пустыми и определяется как ноль. Здесь A складывает ожидаемые приращения X, а M складывает неожиданности, т. e. ту часть каждого Xk, которая не известна на один временной шаг раньше. Из этих определений, Аn+1 (если n+1 ∈ I ) и Мn есть Рn -измеримой , потому что процесс Х приспособлен, Е [| An |] <∞ и E [| Мn |] <∞ , так как процесс X интегрируем, и разложение Xn = Мn +n справедлива для любого n ∈ I .
Уникальность.
Чтобы доказать единственность, пусть
X = M ' + A ' - дополнительное разложение.
Тогда процесс Y: = M - M ' = A ' - A является
мартингалом, из чего следует, что
так как,
а также предсказуемым, подразумевая, что
так
как
для любого n ∈ I \ {0}. Поскольку Y0 = A'0 – A0 = 0 по соглашению о начальной точке предсказуемых процессов, это итеративно означает, что Yn = 0 почти наверняка для всех n ∈ I , следовательно, разложение почти наверняка единственное.