第16讲 Brown运动的鞅性质均方收敛.ppt

随机数学 第16讲 Brown运动的鞅性质均方微分 教师: 陈 萍 prob123@mail.njust.edu.cn 4.2.4 Brown运动的鞅性质 5.1 均方随机分析 一、随机序列的均方收敛 1、均方收敛定义和准则 2、均方极限的性质 二、随机过程的均方连续 三、随机过程的均方导数 1、定义和结论 2、均方导数的性质 * * 定理4.2.2 n维Brown运动 {Bt}关于由　　　　　生成的?代数Ft 是鞅. 定理4.2.3 设 {Bt }为1-维标准Brown运动 ,则 {Bt2-t} 是鞅. 对任意实数θ, 是鞅. (习题4.10) 推论设 {Bt }为1-维标准Brown运动 ，x0 , 则 在实际问题中，往往会遇到随机过程通过某个系统 ( 线性或非线性、时变或时不变的)，而系统在数学上的描述常表现为微分、积分及差分运算等等。 例如一个线性定常系统，常常是用一个常系数线性微分方程来表示的。而微分、积分的运算又是建立在极限、连续的概念上的。因此，我们不可避免地要研究随机过程的连续性及其对时间 t微分和积分的问题。 采用不同的极限收敛定义可得出不同意义的连续性、微分和积分的概念。本节仅讨论均方意义下的上述概念及有关理论。 定义5.1.1 设r. v. 序列{Xn ，n=1, 2, ···}存在二阶矩， r. v. X也存在二阶矩，若 则称Xn（n=1, 2, ···）均方收敛于X，或称X是{Xn}的均方极限，记作 定理5.1.1 (均方收敛准则) 设{Xn ，n?1}是二阶矩 r. v. 序列，则 满足这个收敛准则的 r. v. 序列也称为基本列或柯西序列。 定理5.1.2 (均方极限唯一性定理) r. v. 序列的均方极限在概率1意义下是唯一的。 (1) 若l.i.m.X n=X，则 (2) 若l.i.m.X n=X，又l.i.m.Y n=Y，则 (3) 若l.i.m.X n=X，又l.i.m.Y n=Y，则对?常数a， b有 l.i.m.(a X n+b Y n)= a X + b Y . (4) 若数列{an ，n?1}有极限 定义5.1.2 设{ X t， t ?T }为二阶矩过程， T= (?? ， ?),若对? t ?T，有 则称X t在点t 均方连续。若X t在? t ?T都均方连续，则称X t在T上均方连续。 定理5.1.3（均方连续准则）设{X t ,t ?T= (?? ， ?)}为二阶矩过程，R(s, t)为其相关函数， s, t ?T，则过程X t在 t =? 处均方连续 ? R(s, t)在( ?, ?) 连续。 推论1 R(s, t)在{(s, t), (s, t) ?(??,?)}上连续? R(s, t)在{ ( t,t ), ?? t ?}上连续。 推论2 二阶矩过程{X t ,?? t ?}在(??,?)上均方连续? R(s, t)在{ ( t, t ), ?? t ?}上连续。 设 是强度为?的Poisson过程, 试用均方连续准则判断它是否均方连续. 解: 在{ ( t, t ), ?? t ?}上连续. 它是均方连续的. 定义5.1.3 设{X t , ?? t ?}为二阶矩过程，若存在另一二阶矩过程{Y t，?? t ?}，使得 则称X t在点 t 处均方可导， 并称Y t为X t在点 t 处均方导数，记作 若X t在(?? ,?)上每一点都均方可导，则称X t在 (??,?) 上均方可导。此时Yt=X’t也是一个随机过程， 与Xt在同一概率空间上。 即R(s, t)在点(t, t)处广义二次可微。 定理5.1.5（均方可导准则） 设{X t , ?? t ?}为二阶矩过程，R(s, t)为其相关函数，则过程X t在 t 处均方可导 ? (1) 任一r. v. （或常数）的均方导数为零； (2)若{X t , t ?T}、{Yt , t ?T}是两个均方可导的随机过程，a, b为两个常数，则aXt + bYt也均方可导，且 (3) 设{X t ，t ?T}均方可导， f(t)为一个普通的可导函数，则f(t)Xt也均方可导，且 (4) 设{X t ，t ?T}均方可导，则 即在过程均方可导条件下，均方导数的均值函数等于过程均 值函数的导数。 (5) 设{Xt，t ?T}均方可导， R(s, t)为其相关函数，则 (6) 随机过程若均方可导，则必均方连续，反之不然。 设 是一维标准Br