- •Ответы к экзамену по курсу «Теория случайных процессов»
- •6. Задание вероятностной меры на (rт,b(rт)). Теорема Колмогорова (теорема 8 – без доказательства)
- •7. Определение случайной величины. Примеры. Разбиение. Дискретная(простая) случайная величина. Распределение вероятностей случайной величины.
- •2) Если случайная величина , то найдется последовательность простых случайных величин таких, что для всех .
- •10. Интеграл Лебега. Свойства математического ожидания.
- •12. Лемма Фату(теорема 16), теорема Лебега о мажорируемой сходимости (теорема 17). Равномерно интегрируемое семейство случайных величин. Критерий равномерной интегрируемости(теорема 19).
- •14. Сходимость в пространстве Lp, p принадлежит [1, ∞]. Критерий Коши(теорема 24).
- •16. Относительная слабая компактность семейства вероятностных мер. Теорема Прохорова (теорема 29)
- •26. Полумартингал (определения). Примеры
- •30. Мартингальные преобразования. Теорема Дуба-Мейера (теорема 50).
- •31. Последовательность имеющая ограниченную вариацию. Семимартингалы. Критерий того, что последовательность является семимартингалом (теорема 55).
- •32. Формула Ито для согласования случайных последовательностей (теорема 58). Формула Ито для произведения двух семимартингалов. Квадратическая и взаимная вариация (определения).
- •35. Разложение Куниты-Ватанабе (теорема 64).
- •36. Локальная плотность. Докажите, что локальная плотность является неотрицательным мартингалом (теорема 65).
- •37. Теорема (67) Гирсанова.
- •38. Однородная Марковская цепь. Классификация состояний однородной марковской цепи (теоремы 69-72)
- •2) Если - счетно, то классов не более, чем счетно.
- •40. Определение случайного процесса. Прогрессивно измеримый процесс. Достаточные условия существования прогрессивно измеримого процесса (теорема 76)
- •42. Пуассоновский случайный процесс (определение) и его свойства.
- •43. Полумартингалы (определения, случай непрерывного времени) Предопределенный процесс. Теорема (78) Дуба-Мейера. Пример.
- •44. Регулярные мартингалы. Критерий существования непрерывной справа модификации у равномерно интегрируемого супермартингала (теорема 79).
- •На лекциях была без доказательства!
- •48. Остановленный случайный процесс, локализующая последовательность, локальный полумартингал (непрерывное время).
- •49. Классификация марковских моментов опциональные, предсказуемые.
- •51. Процессы ограниченной вариации и их свойства (теоремы 94, 95).
- •52. Точечный случайный процесс (определение). Считающий процесс и его свойства. Компенсатор. Пример точечного процесса.
- •53. Интеграл Римана-Стильтеса (определение) и его свойства (теорема 96).
- •56. Интегрирование случайных процессов по мартингалами имеющим ограниченную вариацию (теорема 100).
- •57. Теорема Кэмбелла (следствие 101). Найдите характеристическую функцию Пуассоновского случайного процесса.
Ответы к экзамену по курсу «Теория случайных процессов»
2011/2012 учебный год. Лектор Хаметов В.М.
Измеримое пространство. Примеры измеримых пространств.
Определение . с алгеброй F называется измеримым пространством и обозначается ( ,F).
Определение. Система F- подмножеств множества называется алгеброй, если:
она является алгеброй,
, для то и .
Определение. Пусть . - система подмножеств множества называется алгеброй если:
а) , ;
б) А А А ;
в) А А
Примеры измеримых пространств
Измеримое пространство (R1, (R1))
Пусть R1=(- , ] – действительная прямая и (a,b] = { R1: } для всех . Обозначим через А(R1) систему множеств в R1, состоящую из конечных сумм непересекающих интервалов вида (a,b] : А(R1), где . Нетрудно видеть, что эта система множеств, а также – образуют алгебру – А(R1) , которая не является алгеброй, так как А(R1), но А(R1).
Из предыдущих построений следует, что (R1) состоит из интервалов вида , где , и их счетных объединений и пересечений. Отсюда следует, что:
i) ii) iii)
Измеримое пространство (Rn, (Rn))
Пусть Rn = R R … R – называется прямое или декартово произведение n экземпляров числовой прямой, то есть, множество упорядоченных наборов , где , .
Множество где , называется прямоугольником, то есть, Rn : , а - его сторонами.
Через (Rn) обозначим совокупность всех прямоугольников из Rn. (Rn) - наименьшая алгебра порожденная - называется борелевской алгеброй множеств Rn, которую и обозначим через (Rn). Измеримое пространство (R , (R ))
R - пространство числовых последовательностей где - , Пусть - борелевское множество к-ой числовой прямой (то есть, множество (R1)). Рассмотрим множества :
i) R : };
ii) R : };
iii) (R ) R : .
Такие множества называются цилиндрическими, причем называют основанием цилиндра, а остальные координаты – образующими цилиндра. Нетрудно видеть, что множества , , образуют алгебру. Обозначим наименьшие алгебры, порожденные множествами вида i)-iii) через (R ), 1(R ), 2(R ), соответственно. Можно показать, что эти алгебры совпадают.
Измеримое пространство (RТ , (RТ))
Пусть Т – произвольное пространство, множество. Пространство RТ – совокупность действительных функций на T со значениями в R1, обозначенные . Для простоты будем считать, что . Обозначим: , где . Проводя рассуждения аналогичные приведенным в пункте 2.3, легко построить алгебру борелевских множеств на RТ, порожденную цилиндрическими множествами и обозначаемую через (RТ).
Возникает вопрос: какова структура множества (RТ)? Оказывается, что любое множество (RТ) допускает представление , где (R ). Отсюда следует, что множества, зависящие от поведения функций в несчетном числе точек t Т необязаны быть измеримыми относительно (RТ). Например: i) }, , ii) - непрерывные в точке .
В связи с неизмеримостью некоторых множеств из RТ по отношению к (RТ) естественно рассматривать более узкие функциональные пространства.
Измеримое пространство (С[0,T], (С[0,T])).
Пусть Т=[0,1], С[0,1] - пространство непрерывных функций xt, t [0,1], со значениями в R1. Очевидно, С[0,1] –метрическое пространство, относительно метрики ρ(х,у)= , то есть ρ(х,у) – расстояние между двумя непрерывными функциями, обладающие свойствами:
ρ (х,у)=0 x=y; 2) ρ (х,у)= ρ (у,x); 3) ρ (х,у) ρ (x,z)+ ρ(z,y).
Через (С[0,T]) обозначим наименьшую алгебру, порожденную цилиндрическими множествами, которые строятся аналогично пункту (RТ , (RТ)).
Измеримое пространство (,()).
– пространство функций xt , t [0,1], со значениями в R1 , непрерывные справа, имеющие пределы слева в любой точке t [0,1]. В нем также можно ввести метрику:
ρs(x,y) inf { , где - множество строго возрастающих непрерывных на отрезке [0,1] функций , причем и }. -алгебра () строится аналогично пункту (RТ , (RТ)).
2. Задание вероятностной меры на (R1,B(R1)). (теорема 4) Классификация мер на (R1,B(R1)).
Измеримое пространство (R1,(R1)).
Пусть F: R1 [0,1] - измеримая функция, обладающая свойствами:
1) неубывающая;
2) F(- )=0 F( )=1, где F(- )= и F( )= ;
3) непрерывна справа и имеет предел слева в каждой точке R1.
Определение. Всякая функция F(x), удовлетворяющая свойствам 1)- 3) называется функцией распределения на R1 .
Теорема 4. Пусть - функция распределения на R1, тогда на (R1, (R1)) существует и притом единственная вероятностная мера Р такая, что для любых , причем , Р
Пример: пусть функция распределения имеет вид:
=
Соответствующую ей меру называют мерой Лебега отрезка и обозначают Λ, причем Λ
Приведем классификацию мер на (R1, (R1)).
Дискретные меры.
Пусть - функция распределения кусочно-постоянна и меняет свои значения в точках х1,х2, …, причем где Ясно, что соответствующая этой функции распределения вероятностная мера Р сосредоточена в точках х1,х2, …, причем Р .
Набор чисел где - называется дискретным распределением.
Примеры дискретных распределений содержатся в приведенной ниже таблице.
Распределение |
|
Параметры |
1. Дискретное равномерное |
|
|
2. Бернулли |
|
- вероятность успеха, |
3. Биноминальное |
|
, |
4. Пуассоновское Пк |
Пk |
|
5. Геометрическое = |
|
|
6. Отрицательное биноминальное |
|
|
Абсолютно непрерывные меры.
Пусть существует неотрицательная функция такая, что функция распределения допускает представление:
Функцию ( ) называют плотностью функции распределения .
Пример: Функцию , называют гауссовской плотностью. Легко убедиться в том, что
Сингулярные распределения.
Определение. Точка называется точкой роста функции распределения , если для любого .
Определение. Сингулярными мерами называются меры, функции распределения которых непрерывны, причем точки роста, которые образуют множество нулевой меры Лебега.
Пример. Возьмем отрезок и построим на нем сингулярную функцию распределения с помощью приема, принадлежащего Кантору Г. Пусть Fo – функция распределения, соответствующая мере Лебега на отрезке [0,1].Разделим на 3 равные части и определим - функцию распределения следующим образом: = 0, при x < 0; = x, при x [0, ); = , при x [ , ); = x – , при x [ ,1); = 1, при x > 1. Затем, каждый из интервалов и опять поделим на 3 равные части и определим функцию распределения следующим образом:
= 0, при x < 0; = x, при x [0, ); = при x [ , ]; = x - , при x [ , ]; = при x [ , ); = x – 1, при x [ , ); = при x [ , ); = x - , при x [ ,1].
Продолжая этот процесс далее мы построим последовательность функции распределения , которая, очевидно, сходится при к некоторой неубывающей непрерывной функции распределения . Очевидно, что точки роста функции распределения имеет нулевую меру Лебега, так как общая длина интервалов, на которых принимает постоянные значения равна 1. Действительно, общая длина интервалов постоянства функции равна
Пусть - множество точек роста функции распределения , тогда из последнего рассуждения следует, что (в этих случаях говорят, что мера, соответствующая этой функции распределения сингулярна по отношению к мере Лебега ).
3. Теорема Лебега (теорема 5). Функция распределения.
Теорема 4.(Лебега) Любая функции распределения на прямой R1 представима в виде:
,
где и , а - дискретная, - абсолютно непрерывная, - сингулярная функции распределения.
Пусть F: R1 [0,1] - измеримая функция, обладающая свойствами:
1) неубывающая;
2) F(- )=0 F( )=1, где F(- )= и F( )= ;
3) непрерывна справа и имеет предел слева в каждой точке R1.
Определение. Всякая функция F(x), удовлетворяющая свойствам 1)- 3) называется функцией распределения на R1 .
4. Задание вероятностной меры на (Rn,B(Rn))(теорема 6). Примеры.
Измеримое пространство (Rn ,(Rn)).
Пусть - измеримая функция, непрерывная справа (по совокупности измененных), имеющая левый предел. Введем оператор , действующей по правилу
.
Определение. Всякая непрерывная справа функция удовлетворяющая условиям:
1) для любых , i = ;
2) ;
3) , если хотя бы одна из координат n-мерного вектора принимает значение ,
называется -мерной функцией распределения.
Очевидно следующее утверждение.
Теорема 6. Пусть - -мерная функция распределения. Тогда на (Rn,(Rn)) существует единственная вероятностная мера Р такая, что , где , .
Примеры. 1) Пусть
=
мерная функция распределения вероятностей, которой соответствует мера Лебега на .
2) ,где
.
5. Задание вероятностной меры на (R∞,B(R∞))(теорема 7)
Измеримое пространство (R ,(R ))
Обозначим через R :( ) , где Rn – цилиндрическое множество в с основанием (Rn). Пусть последовательность вероятностных мер определенных, соответственно, на (R1 ,(R1)), (R2 ,(R2)), обладает следующим свойством:
(1)
где , .
Условие (1) называют условием (свойством) согласованности.
Теорема 7. (Колмогорова о продолжении вероятностной меры на (R ,(R )). Пусть - последовательность вероятностных мер, соответственно, на (R1,(R1)), (R2,(R2)), обладающая свойством согласованности. Тогда существует единственная мера Р на (R ,(R )) такая, что для каждого P P для .