关于非线性期望的强大数定律.docVIP

关于非线性期望的强大数定律 杨彦军 ，焦桂梅 兰州大学数学与统计学院，兰州　730000 摘要：在次线性期望空间中,给出了随机变量序列的一种强收敛的定义,在此基础上引入了强大 数定律的概念, 得到了两个在满足一定条件下的强大数极限定理,并给出了证明. 关键词：非线性期望,强收敛,弱收敛,强大数定律,弱大数定律 中图分类号： 0211.4 The Strong law of large numbers under the nonlinear expectation YANG Yan-Jun , JIAO Gui-Mei Department of Mathematics and Statistics, University of Lanzhou , Lanzhou 730000 Abstract: In the space of sublinear expectation, we propose a class de?nition of strong convergence about a sequence of random variables, according to this, we derive the concept of strong law of large numbers, Finally, we obtain two strong limit theorems of large numbers under certain conditions,also the proof haven been given. Key words: Sublinear expectation, Strong convergence, Weak convergence, Strong law of large numbers, Weak law of large numbers  0  引言  大数定律在概率论中扮演着非常重要的角色, 概率论中的很多重要定理和理论都是建立 在大数定律的基础之上.然而,对大数极限定理的研究,往往要用到概率和期望的可加性, 但是,在 实际问题中,由于随机因素和不确定因素的影响,这种可加性在很多情形下是不符合实际情况的, 尤其在金融风险领域, 像不确定因素影响下的风险度量问题,不完全市场中的期权定价问题. 因 此,在这种不确定因素的影响下,大数定律的研究是十分必要的. 近几年,关于非线性期望的理论研究发展十分迅速,但是,受到随机变量的独立性,分布,以及 期望的不可加性等因素的影响, 关于非线性期望空间中大数定律的研究还不是很成熟, 归结起 来,主要有如下几方面: Peng在文章[1]中首次给出了在非线性期望空间中的大数定律; Peng又在 文章[2]中给出了一种新的大数极限定理; B.Yang 和 H.Xiao在文章[3]中给出了一种倒向随机偏 微分方程产生的大数极限定理; Cheng 在文章[4]中给出了一种在容度理论下的强大数极限定理. 作者简介： 杨彦军（1987-），男，兰州大学数学与统计学院硕士研究生，主要研究方向为随机分析。焦桂梅（1966-），女，兰 州大学数学与统计学院硕士生导师，副教授，主要研究方向为可靠性理论与供应链管理。 -1- 这篇文章是在泛函空间中算子序列的强收敛与弱收敛的理论背景下,给出了次线性期望空 间中,随机变量序列强收敛和弱收敛的定义, 进而给出了一种新的强大数定律和弱大数定律, 得 到了两个在满足一定条件下的强大数极限定理,并给出了证明.最后,给出了一个猜想:当随机变量 序列 {Xi} =1 满足一定条件时,序列 {Sn} =1 强收敛到一个服从最大值分布的随机变量.  1  预备知识  设 ? 是一个给定的集合, H 表示所有定义在 ? 上的实值函数构成的向量空间,我们称其 为向量格, 且满足对任意 c ∈ R,X ∈ H, 有 c H, |X| ∈ H, 将 H 看作是由随机变量组成的 线性空间.在这篇文章中, 我们还假定,对任意 X1, X2, · · · , Xn H 及任意 ? Cl.lip(Rn), 有 ?(X1, X2, · · · , Xn) H. 其中 Cl.lip(Rn) 表示所有满足 Lipschitz 条件的函数组成的线性空间. 定义1. 设 E是定义在 H 上的泛函, 若 E : H → R 满足, 对任意 X, Y H, c, λ ∈ R 有 (1) (单调性) 若 X ≥ Y , 则 E[X] ≥ E[Y ]; (2) (保常性) E[c] = c; (3) (次可加性) E[X + Y ] ≥ E[X] + E[Y ]; (4) (正齐次性) 若 λ 0, 则 E[λX] = λE[X]. 则称 E 是定义在