Случайный процесс в теории вероятностей
В теории вероятностей процесс Леви , названный в честь французского математика Поля Леви , представляет собой случайный процесс с независимыми, стационарными приращениями: он представляет собой движение точки, последовательные смещения которой случайны , при котором смещения в попарно непересекающиеся промежутки времени независимы, а смещения в разные интервалы времени одинаковой длины имеют одинаковые распределения вероятностей. Таким образом, процесс Леви можно рассматривать как аналог случайного блуждания в непрерывном времени .
Наиболее известными примерами процессов Леви являются процесс Винера , часто называемый процессом броуновского движения , и процесс Пуассона . Другие важные примеры включают процесс Гамма , процесс Паскаля и процесс Мейкснера. Помимо броуновского движения со сносом, все остальные собственные (т. е. не детерминированные) процессы Леви имеют разрывные траектории. Все процессы Леви являются аддитивными процессами . [1]
Математическое определение
Процесс Леви — это случайный процесс , который удовлетворяет следующим свойствам:![{\displaystyle X=\{X_{t}:t\geq 0\}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
почти наверняка ;- Независимость приращений : Длялюбыхвзаимно независимы ;
![{\displaystyle 0\leq t_{1}<t_{2}<\cdots <t_{n}<\infty }](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle X_{t_{2}}-X_{t_{1}},X_{t_{3}}-X_{t_{2}},\dots ,X_{t_{n}}-X_{t_{ n-1}}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
- Стационарные приращения : для любогоравно распределению
![{\displaystyle s<t\,}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle X_{t}-X_{s}\,}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle X_{ts};\,}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
- Непрерывность по вероятности : для любогоиверно, что
![{\displaystyle \varepsilon >0}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle т\geq 0}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \lim _{h\rightarrow 0}P(|X_{t+h}-X_{t}|>\varepsilon)=0.}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Если процесс Леви, то можно построить его версию , которая почти наверняка будет непрерывной справа с левыми пределами .![{\displaystyle X}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle X}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Характеристики
Независимые приращения
Случайный процесс с непрерывным временем присваивает случайную величину X t каждой точке t ≥ 0 во времени. По сути, это случайная функция t . Приращениями такого процесса являются разности X s − X t между его значениями в разные моменты времени t < s . Назвать приращения процесса независимыми означает, что приращения X s - X t и X u - X v являются независимыми случайными величинами всякий раз, когда два временных интервала не перекрываются и, в более общем смысле, любое конечное число приращений, присвоенных попарно непересекающимся временные интервалы взаимно (а не только попарно ) независимы.
Стационарные приращения
Назвать приращения стационарными означает, что распределение вероятностей любого приращения X t − X s зависит только от длины t − s временного интервала; приращения на одинаково длинных интервалах времени распределяются одинаково.
Если это винеровский процесс , то распределение вероятностей X t − X s является нормальным с ожидаемым значением 0 и дисперсией t − s .
Если это процесс Пуассона , распределение вероятностей X t - X s представляет собой распределение Пуассона с ожидаемым значением λ( t - s ), где λ > 0 — «интенсивность» или «скорость» процесса.![{\displaystyle X}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Если процесс Коши , то распределение вероятностей X t − X s является распределением Коши с плотностью .![{\displaystyle X}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle f(x;t)={1 \over \pi }\left[{t \over x^{2}+t^{2}}\right]}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Бесконечная делимость
Распределение процесса Леви обладает свойством бесконечной делимости : для любого целого числа n закон процесса Леви в момент времени t можно представить как закон суммы n независимых случайных величин, которые в точности являются приращениями процесса Леви . процесс на интервалах времени длины t / n, которые независимы и одинаково распределены в соответствии с предположениями 2 и 3. И наоборот, для каждого бесконечно делимого распределения вероятностей существует процесс Леви такой, что закон задается выражением .![{\displaystyle F}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle X}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle X_{1}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle F}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Моменты
В любом процессе Леви с конечными моментами n - й момент является полиномиальной функцией от t ; эти функции удовлетворяют биномиальному тождеству :![{\displaystyle \mu _{n}(t)=E(X_{t}^{n})}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \mu _{n}(t+s)=\sum _{k=0}^{n}{n \choose k}\mu _{k}(t)\mu _{nk}(s ).}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Представление Леви – Хинчина
Распределение процесса Леви характеризуется его характеристической функцией , которая задается формулой Леви–Хинчина (общей для всех бесконечно делимых распределений ): [2]
Если это процесс Леви, то его характеристическая функция определяется выражением![{\displaystyle X=(X_{t})_{t\geq 0}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \varphi _{X}(\theta)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \varphi _{X}(\theta)(t):=\mathbb {E} \left[e^{i\theta X(t)}\right]=\exp {\left(t\left (ai\theta -{\frac {1}{2}}\sigma ^{2}\theta ^{2}+\int _{\mathbb {R} \setminus \{0\}}{\left(e ^{i\theta x}-1-i\theta x\mathbf {1} _{|x|<1}\right)\,\Pi (dx)}\right)\right)}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
где , , и – σ -конечная мера, называемая мерой Леви , удовлетворяющая свойству![{\displaystyle а\in \mathbb {R}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \sigma \geq 0}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \Пи }](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle X}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \int _{\mathbb {R} \setminus \{0\}}{\min(1,x^{2})\,\Pi (dx)}<\infty .}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Выше приведена индикаторная функция . Поскольку характеристические функции однозначно определяют лежащие в их основе распределения вероятностей, каждый процесс Леви однозначно определяется «тройкой Леви – Хинчина» . Члены этого триплета предполагают, что процесс Леви можно рассматривать как имеющий три независимых компонента: линейный дрейф, броуновское движение и процесс скачка Леви, как описано ниже. Это немедленно дает понять, что единственный (недетерминированный) непрерывный процесс Леви представляет собой броуновское движение со сносом; аналогично, каждый процесс Леви является семимартингалом . [3]![{\displaystyle \mathbf {1} }](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle (а,\сигма ^{2},\Pi)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Разложение Леви – Ито
Поскольку характеристические функции независимых случайных величин умножаются, теорема Леви – Хинчина предполагает, что каждый процесс Леви представляет собой сумму броуновского движения со сносом и другой независимой случайной величины, процесса скачка Леви. Разложение Леви – Ито описывает последнее как (стохастическую) сумму независимых пуассоновских случайных величин.
Пусть — то есть ограничение на , перенормированное в вероятностную меру; аналогично пусть (но не масштабируя). Затем ![{\displaystyle \nu ={\frac {\Pi |_{\mathbb {R} \setminus (-1,1)}}{\Pi (\mathbb {R} \setminus (-1,1))}} }](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \Пи }](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \mathbb {R} \setminus (-1,1)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \mu =\Pi |_{(-1,1)\setminus \{0\}}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \int _{\mathbb {R} \setminus \{0\}}{\left(e^{i\theta x}-1-i\theta x\mathbf {1} _{|x|< 1}\right)\,\Pi (dx)}=\Pi (\mathbb {R} \setminus (-1,1))\int _{\mathbb {R} }{(e^{i\theta x }-1)\,\nu (dx)}+\int _{\mathbb {R} }{(e^{i\theta x}-1-i\theta x)\,\mu (dx)}. }](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Первое является характерной функцией сложного процесса Пуассона с интенсивностью и дочерним распределением . Последний представляет собой компенсированный обобщенный процесс Пуассона (CGPP): процесс со счетным количеством скачкообразных разрывов на каждом интервале , но такой, что эти разрывы имеют величину меньше . Если , то CGPP представляет собой чистый переходный процесс . [4] [5] Поэтому с точки зрения процессов можно разложить следующим образом![{\displaystyle \Pi (\mathbb {R} \setminus (-1,1))}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \nu }](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle 1}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \int _ {\mathbb {R} {|x|\,\mu (dx)}<\infty }](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle X}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle X_{t}=\sigma B_{t}+at+Y_{t}+Z_{t},t\geq 0,}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
где – составной пуассоновский процесс со скачками большими, чем по абсолютной величине, – упомянутый выше компенсированный обобщенный пуассоновский процесс, который также является мартингалом с нулевым средним.![{\displaystyle Y}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle 1}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle Z_{t}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Обобщение
Случайное поле Леви — это многомерное обобщение процесса Леви. [6] [7]
Еще более общими являются разложимые процессы. [8]
Смотрите также
Рекомендации
- ^ Сато, Кен-Ити (1999). Процессы Леви и бесконечно делимые распределения . Издательство Кембриджского университета. стр. 31–68. ISBN 9780521553025.
- ^ Золотарев, Владимир М. Одномерные устойчивые распределения. Том. 65. Американская математическая общество, 1986.
- ^ Проттер П.Е. Стохастическое интегрирование и дифференциальные уравнения. Спрингер, 2005.
- ^ Киприану, Андреас Э. (2014), «Разложение Леви – Ито и структура путей», Флуктуации процессов Леви с приложениями , Universitext, Springer Berlin Heidelberg, стр. 35–69, doi : 10.1007/978-3-642- 37632-0_2, ISBN 9783642376313
- ^ Лоулер, Грегори (2014). «Стохастическое исчисление: введение с приложениями» (PDF) . Кафедра математики (Чикагский университет) . Архивировано из оригинала (PDF) 29 марта 2018 года . Проверено 3 октября 2018 г.
- ^ Вулперт, Роберт Л.; Икштадт, Катя (1998), «Моделирование случайных полей Леви», Практическая непараметрическая и полупараметрическая байесовская статистика , Конспекты лекций по статистике, Спрингер, Нью-Йорк, doi : 10.1007/978-1-4612-1732-9_12, ISBN 978-1-4612-1732-9
- ^ Вулперт, Роберт Л. (2016). «Случайные поля Леви» (PDF) . Департамент статистических наук (Университет Дьюка) .
- ^ Фельдман, Джейкоб (1971). «Разложимые процессы и непрерывные произведения вероятностных пространств». Журнал функционального анализа . 8 (1): 1–51. дои : 10.1016/0022-1236(71)90017-6. ISSN 0022-1236.
- Эпплбаум, Дэвид (декабрь 2004 г.). «Процессы Леви — от вероятности к финансам и квантовым группам» (PDF) . Уведомления Американского математического общества . 51 (11): 1336–1347. ISSN 1088-9477.
- Продолжение, Рама; Танков, Петр (2003). Финансовое моделирование со скачкообразными процессами . ЦРК Пресс. ISBN 978-1584884132..
- Сато, Кен-Ити (2011). Процессы Леви и бесконечно делимые распределения . Издательство Кембриджского университета. ISBN 978-0521553025..
- Киприану, Андреас Э. (2014). Флуктуации процессов Леви с приложениями. Вводные лекции. Второе издание . Спрингер. ISBN 978-3642376313..