Добавил:
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:

книги из ГПНТБ / Липцер Р.Ш. Статистика случайных процессов. Нелинейная фильтрация и смежные вопросы

.pdf
Скачиваний:
19
Добавлен:
27.10.2023
Размер:
20.66 Mб
Скачать

§ Ч

ОСНОВНЫЕ ПОНЯТИЯ ТЕОРИИ ВЕРОЯТНОСТЕЙ

 

 

27

заменить

на

условное математическое ожидание

М( - | ^),

где

^ — ст-подалгебра

ЗГ

основного вероятностного

пространства

(Q, Т , Р).

 

 

 

 

Ч е б ы ш е в а .

Если

М | £ | < о о ,

то

для

Н е р а в е н с т в о

всякого а > О

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

P { l g | > a } < ^ i .

 

 

 

 

 

7.

Лемма

Бореля — Кантелли

служит

основным средством

при исследовании свойств, выполняющихся «с вероятностью

1».

Пусть

А 1,

А2,

. . . — последовательность

 

множеств

из

SF.

Множество А* называется верхним

пределом

последовательно­

сти множеств Л|,

Аъ ... и обозначается А* =

lim„sup Ап, если А*

с о с т о и т из всех

тех

точек со, каждая из которых принадлежит

бесконечно многим Ап. Отправляясь от этого определения, не­ трудно показать, что

ООоо

иV

П=1ГП—П

Часто также пишут

А* = {Ап

б. ч.}.

Множество Л,

называется

нижним пределом последователь­

ности

множеств

Аи

А2, • ■.

и обозначается At — limrt inf Ап,

если

Л, состоит из точек со,

каждая из которых принадлежит

всем Ап, за исключением, самое большее, конечного их числа.

Всоответствии с этим определением

оооо

Л^ и f l А™-

п=-1 ш= п

Л е м м а

Б о р е л я — К а н т е л л и . Если

2 Р ( ^ « ) < ° ° >

то

 

 

ОО

 

П=1

 

 

 

 

 

 

 

 

Р(Л*) = 0. Если

же 2

Р(Л„) = °° и множества Аь Л2, ...

не-

зависимы (т.

е.

гс=1

Р(Л<6)

для любых

Р (А 1{,

. . . , Лг&) = Р(Л*1) ...

различных іи . .. , ik),

то Р (Л ’) = 1 .

 

£(со), опре­

8. Гауссовские системы. Случайная величина £ =

деленная на

вероятностном пространстве(Q, 3F, Р),

называется

гауссовской (или нормальной), если ее характеристическая функция

 

(J2

 

<р(0 = Ме'^ = е П 2 1,

(1.13)

где — о о < т < о о , а2<оо .

В невырожденном

случае (сг2 > 0)

у функции распределения

 

 

^Ч(*) =

Р{ю: | (©)<*}

(1.14)

28

 

 

 

 

 

НЕОБХОДИМЫЕ СВЕДЕНИЯ

 

 

 

 

 

[ГЛ. I

существует плотность

 

 

 

 

 

 

 

 

 

 

 

 

 

 

fl (х) =

----

- e~<JC~lra)a''2gZ,

 

— о о < х < о о .

 

 

(1.15)

 

 

 

 

 

у 2.Тіа

 

 

 

 

 

 

 

 

 

 

 

 

В вырожденном

случае (а2 =

0), очевидно,

Р {| = т } = 1 .

 

Параметры

т и о2 нормального распределения,

задаваемого

характеристической

функцией

(1.13),

имеют

простой

смысл:

т =

М|,

о2 = 0 1 ,

где D £ = M ( g — Mg)2— дисперсия

случайной

величины |.

 

 

то

Mg2rt =

(2«— l)!!a2".

 

 

 

 

 

 

 

Если

т — О,

 

 

 

 

 

запись *)

В

дальнейшем

 

часто

будет

 

использоваться

g~jV(/n, о2), означающая,

что |

является

гауссовской

величи­

ной с параметрами т и а2.

 

 

£„), состоящий из случайных

Случайный

вектор g =

(g(, . . . ,

величин

| ь . .. ,

 

£п, называется гауссовским (или нормальным),

если

его характеристическая

функция

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

П

 

 

Ф (і) =

M e * »,

 

* = ( * „ . . . ,

U

 

t, е= /?»

(С I) =

2

 

^ / .

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

/= I

 

задается

формулой

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Ф (t) — ei

 

2

(t, т)——Ш.

 

 

 

(1.16)

где т = (ти . . . ,

/я„), I m f | <

оо, (Rt, t) =

2 Пь АО и Я =

||rfe/|| —

неотрицательно

 

 

 

 

 

 

 

 

 

а, /

 

 

 

 

 

 

определенная симметрическая матрица:

 

 

 

 

 

2

/

 

 

5=^ 6,

t j ( =R,

 

гfcj

 

Гу^.

 

 

 

 

 

 

 

ft,

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

В невырожденном случае (когда матрица Д* положительно

определенная

и,

следовательно,

| / ? | = d e t # > 0 )

у

функции

распределения /^(х,, ... ,

х„) =

Р{ю:

g ,< x ,,

. . . ,

g„ < х„} век­

тора

g =

(g(,

 

 

%п) существует плотность

 

 

 

 

 

 

 

 

, хп) ■

 

 

(1/2

•ехр

 

 

>,аИ(х{т {)(х,- — nij)

,

(1.17)

 

 

(2я)ге/2

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

где Л =

|[аг/ [| — матрица,

обратная

к R

=

R~l),

\ А \ =

del А.

Пользуясь введенными выше обозначениями,

плотность

fl(xb

. .. , хп)

можно

невырожденном

случае)

переписать

*) Заметим, что обычно пишут

g~jV (m,

а).

Нам удобно,

однако, ис

пользовать

запись

 

 

 

о2).

 

 

 

 

 

 

 

 

 

 

 

 

§ 21

 

СЛУЧАЙНЫЕ ПРОЦЕССЫ. ОСНОВНЫЕ ПОНЯТИЯ

 

29

в таком виде *):

 

 

 

 

 

 

 

fl(x u

 

хп) =

 

е х р { - 1 ( Л ( х - m), (л: — m))J,

где %= (л:1,

 

 

хп), т — {ти . . . ,

тп).

 

 

 

Как и в одномерном случае (п — 1), вектор m = (mh . . . , тп)

и матрица

/? =

||гг/||

допускают

простую

и наглядную

интер­

претацию:

 

 

 

 

 

 

 

 

 

т г =

М|г>

гі; =

соѵ(|ь i/)=M (gi — m,-)(|у — m,).

(1.18)

Иначе

говоря, m

есть вектор

средних

значений,

а

Д есть

матрица

ковариаций

вектора £ =

(£,, . . . ,

£„).

— неко­

Система

случайных

величин

£ = {£а, а е %}, где

торое конечное

или

бесконечное множество, называется гаус­

совской, если

любая

линейная комбинация

 

 

1А і +

’ •'

+

Ч А л ’

“<е 91’ S е RX'

г — 1, 2.........п

является гауссовской случайной величиной. Иногда удобно пользоваться иным, но эквивалентным данному, определением гауссовской системы. Согласно этому определению система

случайных

величин ^ = {ga, аеЗ І}

называется

 

гауссовской,

если

для

любого п и любых а,, . . . ,

ап е

 

91

случайный

вектор

 

, . . . ,

 

%а ^ является гауссовским.

 

 

 

 

 

 

 

 

 

 

 

§ 2. Случайные процессы. Основные понятия

 

 

 

1. Определения. Свойства измеримости. Пусть {Q,

Р)

вероятностное

пространство

и

Г =

[0, оо).

Семейство Х — (%),

t

Т,

случайных

величин

=

 

называется

(действитель­

ным)

случайным

процессом

с

непрерывным

временем

t s Т.

В том случае, когда временной параметр

/

пробегает множе­

ство ІѴ =

 

{0, 1, ...,}, семейство

Х =

(|Д

if

е

I V , называют

слу­

чайной последовательностью или случайным процессом

с

ди­

скретным

временем.

в е Н функция

времени

^(ю)

( t ^ T

 

При

фиксированном

или t ^

N)

называется

траекторией или реализацией, отвечаю­

щей элементарному исходу ы.

 

X =

 

 

 

 

(где

 

 

 

С каждым

случайным процессом

{%t), t ^

Z

Z

— Т

в случае

непрерывного

времени

и Z = iV

в случае дискретного

времени), естественным образом связываются а-алгебры

ZFS —

=

a{£s, s ^ /} ,

являющиеся

наименьшими

a-алгебрами,

отно­

сительно

которых измеримы случайные величины | s, х

 

Для

условных

 

математических ожиданий

 

 

 

иногда

будем

*) Как и в (1,16), (• ,• ) обозначает скалярное произведение,

30

 

НЕОБХОДИМЫЕ СВЕДЕНИЯ

 

 

[ГЛ. 1

использовать также следующие

обозначения:

М (rj [

 

и

M(rili')-

 

 

 

 

 

 

Для условных вероятностей

Р(Л |£Г|) применяются

анало­

гичные обозначения: Р ( Л ||Я,

и Р ( Л| ^) .

 

 

 

Случайный

процесс X = (%t),

tc=T, называется измеримым,

если для

любых борелевских

множеств В е

38 числовой

пря­

мой R1

 

{(со, t): ^ ( с о ) е й } е Г Х « ( П

 

 

 

 

 

 

 

 

где 3S(T)

есть

а-алгебра борелевских множеств на 7 =

[0,

оо).

Следующая теорема иллюстрирует важность понятия изме­ римости процесса, заданного на полном вероятностном про­

странстве (£2,

Р).

 

Я =

(£*), / е Т, — измери­

Т е о р е м а

1.9 (Фубини). Пусть

мый случайный

процесс.

 

 

 

измери­

1) Почти все траектории этого процесса являются

мыми (по Борелю) функциями от t е

Г.

то mt =

является

2) Если

М\t

существует при всех t е Г ,

измеримой функцией от t e T .

 

Т [0, оо) и

 

3) Если

S измеримое

множество на

 

J

М|

I* |d* < °о,

то Р-п. н.

[ | ^ | ^ < ° ° .

 

S

 

 

 

і

 

 

т. е. почти все траектории ^==|Дсо) интегрируемы на множе­ стве S и

 

 

 

j

J It dt.

 

 

 

 

s

s

 

Пусть

F — (9~t),

t ^ T

, — неубывающее семейство

сг-алгебр,

цесс

X =

s ^ t .

Говорят, что (измеримый) случайный про­

(%t), t ^ T ,

согласован с семейством сг-алгебр F = (&’t),

t ^ T ,

если при каждом t е Т случайные величины

являются

^-измеримыми. Для краткости такие случайные процессы

будут обозначаться X = (%t,iF t), t<=T, и л и

просто X = (\t, 3 rt)

и называться F-согласованными или неупреждающими *).

Случайный процесс Х =

(\и STt), t ^ T ,

называется прогрес­

сивно измеримым, если для

каждого І е Г

 

{(со, s < t): ls (w)e±B}<=9~t X #([0, t]),

где В — борелевские множества на R1, а !М([0,2]) — сг-алгебра борелевских множеств на [0, і].

*) Такие процессы называют также неантисипативными (non-anticipative processes).

§ 2]

Сл учай ны е п р о ц е с с ы , о сн о вн ы е понятия

Зі

Очевидно, что в с я к и й прогрессивно измеримый

случайный

npoüecc

X = (%t,&~t), t ^ T , является измеримым и согласован­

ным с F =

{3~t), t е Г .

 

 

 

 

 

 

Всякий непрерывный справа (или слева) случайный процесс

X —

 

t ^ T ,

является

прогрессивно

измеримым

[126].

Два

случайных процесса

Х = (Іі (ы)),

І е Г , и X ' =

(£' (©')).

/ е Т ,

заданных,

быть может, на разных вероятностных

про­

странствах

(£2, 3F, Р) и

(СУ,

, Р'),

будут называться

слабо

эквивалентными,

если

 

 

 

 

 

 

Р (со:

 

 

Ч . е

4 . } = Р > ':

&

It.

А..

для любых

tu . . . , Іл е Т

и борелевских

множеств Л,.........Ап

числовой прямой

R’.

 

( |<(со)) и X '=

(|'(а>)), t ^ T , задан­

Случайные процессы Х =

ные на одном и том же вероятностном пространстве (£2, Ѳ~, Р),

называются стохастически эквивалентными, если Р (^ ф £,')= 1

для всех t ^ T . Процесс X' = (gj(<ö)), t ^ T , стохастически экви­

валентный X = % (со)), t ^ T , называют модификацией процесса X. Известно, что если процесс Х = (^(со)), t ^ T , измерим и

согласован

F = ( ^ ) , t ^ T ) ,

то у него существует прогрес­

сивно измеримая

модификация

[126].

 

 

 

Пусть £ =

£(<»)

и т) = л (со) — две

случайные величины, опре­

деленные

на

(£2, ЗГ),

причем

 

р является ^«-измеримой,

где

&’t = o(Q.

Тогда

существует

такая борелевская

функция

Y —

= Y (х), X е R \ что ц(со) = Y (|(со)),

Р-п. и. В дальнейшем часто

будет

использоваться

следующее

обобщение

этого факта

(см.

[46], стр. 543).

 

 

 

 

— случайный

процесс, опре­

Пусть

|(со) = (If (со)),

 

 

деленный

на

(£2, £Г), ^ ~ « = а { со: \ t (ш), t ^ Г} и

&т — наимень­

шая ст-алгебра в

пространстве RT всех действительных функ­

ций x = (xt),

0<П ^ T ,

содержащая множества

вида {л:: я* е

g 4|,

... ,

xi/t^ A

nJ, где 0< Н ( ^ 7 ’

и At — борелевские множе­

ства

на числовой

прямой, і =

1, . . . , п, п =

1, 2, ...

 

Если случайная величина г) = г|(со) является ^«.-измеримой,

то найдется такая ^-измеримая

функция

У — Y (х), x ^ R T,

что г] (со) =

У (| (со)), Р-п. и. *).

Более того, существуют не более

чем счетное множество точек Sj, s2, . . . , принадлежащих ин­

тервалу [О, У], и (измеримая) функция

У = У (г), определенная

для z — (z{, z 2, ... ) ^ R ° ° , такие,

что

 

ті(<в) = У (£,_(<»),

. . . )

(Р-п. и).

*) Для случайных величин р, являющихся ^"|-измеримыми, часто будут также использоваться обозначения р = рг (|), р = р(Г, |).

32

НЕОБХОДИМЫЕ СВЕДЕНИЯ

[ГЛ. 1

Следующее предложение будет неоднократно использоваться

в книге. Пусть

X = (£*),

t е Г , — измеримый случайный процесс

на (Q, 2Г,Р) с

МI It I <

оо, / е Г , « пусть F = (3Tt),

t < = T , — се­

мейство неубывающих о-подалгебр SF. Тогда условные мате­ матические ожидания У]( = М (g< \ &~t) могут быть выбраны таким образом, что процесс г| = (тр), t<=T, будет измеримым [126], [52].

В соответствии с этим результатом в дальнейшем (даже если это не оговорено особо) всегда будет предполагаться, что

условные математические ожидания М(£г|£К)),

t e T ,

уже

так

определены, что процесс % = М (£*| # ”*),

І е Т ,

является

изме­

римым.

 

 

Случайный

процесс X =

(g*),

t <= Т,

 

на­

2.

Непрерывность.

 

зывается стохастическим

непрерывным в точке <0е Г ,

если для

любого е > О

P { |t , - i J > e } - * 0 ,

 

s-+ t0.

 

 

 

 

(1.19)

 

 

 

 

 

 

 

Если (1.19) выполнено для всех

l0e S =

T,

то

процесс

X

называют стохастически непрерывным (на множестве S).

 

 

 

Случайный

процесс

X

(%,t), / е

Т,

называется непрерывным

(непрерывным справа, слева) на

S s

Т,

если

почти

все

его

траектории непрерывны (непрерывны справа,

слева)

для

і е

ство

Иначе говоря, должно существовать такое множе­

N <^£Г с Р (іѴ) =

0,

что для всех

 

 

траектории

 

(со),

/ e S ,

суть непрерывные (непрерывные справа,

слева) функции.

Следующая теорема дает условия существования непрерыв­

ной модификации у процесса 2Г =

(|г(со)),

1 е [ а ,

Ь\.

того

чтобы

. Т е о р е м а

1.10 (критерий Колмогорова). Для

случайный процесс

X =

(^t), t <= [а,

b\,

допускал

непрерывную

модификацию

X* =

(g’),

t^ .\a ,b \,

достаточно,

чтобы

нашлись

такие постоянные а > 0 ,

е > 0 и С, что

 

 

 

 

 

 

 

120

 

 

 

MU/+A- &, |а < С |А |1+8

 

 

 

 

 

 

 

 

 

 

 

 

(

.

)

для всех t, 1 +

А е [ а ,

Ь].

(%t), t ^ T ,

называется непрерывным

Случайный

процесс X =

в среднем квадратическом

в точке t0е

 

Т,

если

 

 

 

 

 

 

 

 

 

 

M | | , - È tt|2- 0 ,

s - * t0.

 

 

 

 

(1.21)

Если (1.21) выполнено для всех точек t0е

S £

Т,

то

про­

цесс X будет называться непрерывным

в среднем квадратиче­

ском (на множестве S).

 

 

 

 

 

 

 

 

 

 

 

 

 

3. Некоторые классы процессов. Остановимся на основных

классах случайных

процессов.

 

Говорят,

что

случайный

С т а ц и о н а р н ы е

п р о ц е с с ы .

процесс X = (It (со)),

1 е Г

=

[0, оо),

является стационарным (или

стационарным

в узком

смысле), если

для

любого действитель-

§ 2]

СЛУЧАЙНЫЕ ПРОЦЕССЫ. ОСНОВНЫЕ ПОНЯТИЯ

33

 

 

ного А конечномерные

распределения

не меняются

при сдвиге

на А:

 

 

 

 

 

 

 

 

 

 

 

 

 

Р fі/. е А ' • *• ’

 

 

 

 

:Р {^

 

 

 

-J

^

 

ьп

 

 

'-Л 1

 

 

 

ѵЧ . “

 

 

если только

 

,

 

tn,

/,

+

A,

. . . ,

 

А е Г .

называется

Случайный

процесс

J

= (gf (ш)), / е Г =

[0, оо),

стационарным в широком смысле, если

 

 

 

< °°>

t ^ T

и

М|, =

М ^+д,

M|s| f — М|5+Д| г+Д,

т. е. если первые и вторые

моменты

не меняются при сдвиге.

М а р к о в с к и е

 

п р о ц е с с ы .

Действительный

случайный

процесс X — {\t,3~t),

t ^ T ,

заданный

на

(Q, £Г, Р),

называется

марковским

относительно

неубывающей

системы о-алгебр

F — {SFt), t ^ T ,

если Р-п. н. *)

 

 

 

 

 

 

 

 

Р ( Л П Я І Ы =

РМІ £,) Р( ДІ &)

(1.22)

для любых t ^ T , A ^ 3 T t,

ß e

f |

 

 

 

s ^ f ) .

 

Действительный

 

случайный

процесс

X =

{lt), t ^ T , назы­

вается (просто) марковским, если он

является марковским от­

носительно

системы

ст-алгебр

t =

&"\ =

а {%s, s ^ t ) .

 

Нижеследующие утверждения можно положить в основу различных, но эквивалентных определений марковости про­

цесса

X — {It, 9~t), t < = Т.

 

 

условия

эквивалентны,

 

Т е о р е м а

1.11.

Следующие

 

1) X — (%, &~t),

t ^ T ,

марковский

процесс

относительно

F = (Sr,),

і е Г ;

 

 

и любой ограниченной SF^t

го)-измери­

2)

для

каждого t ^ T

мой случайной

величины г|

 

 

 

 

 

 

 

 

 

 

 

 

 

М (Т1І^)=М (Т1ІЫ (Р-п. и.);

 

(1.23)

3)

для

t ^ s ^ O

и

любой

{измеримой)

функции

f{x)

с sup I f{x) I <

о о

 

 

 

 

 

 

 

 

 

 

*

 

 

 

 

M[f(Zt)\Srs} =

M [ f( W \U

 

(1-24)

Для проверки того, когда

процесс

X = ( l t), t ^ T ,

является

(просто) марковским, полезно следующее утверждение.

{\t),

Т е о р е м а

1.12.

Для того чтобы случайный процесс X =

t е Г,

был

марковским,

необходимо

и достаточно,

чтобы для

каждой

{измеримой) функции

f{x)

с

su p |/(*) | < оо

и любого

набора

0 ^

^

t2^

. . . ^

tn

t

 

 

X

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

h n] =

M[f{lt) \ltn],

 

(1.25)*2

*) В соответствии с предыдущими соглашениями Р ( -| %t) обозначает условную вероятность Р ( .|о ( ^ )) .

2 Р. Ш. Липцер, А. Н. Ширяев

34

НЕОБХОДИМЫЕ СВЕДЕНИЯ

[ГЛ. 1

П р о ц е с с ы

с н е з а в и с и м ы м и

п р и р а щ е н и я м и

являются важным частным случаем марковских процессов.

Говорят, что

процесс X = (£*), / е Г , является процессом

с

не­

зависимыми

приращениями,

если

для

любых

tn> / „ _ ]

> . . .

... >*“, > 0

приращения

•••,

ltn ~ l t n„l

образуют

си­

стему независимых случайных величин.

Процесс с независимыми приращениями называется одно­ родным (по времени), если распределение вероятностей прира­ щений It — зависит лишь от разности t — s. Часто такие процессы еще называют процессами со стационарными неза­

висимыми приращениями.

процесс J = ( |p ZTt),

te^T ,

М а р т и н г а л ы . Случайный

называется мартингалом (относительно системы F — М ,

t<=r),

если М I It I < °о, ( е ? , и

 

 

М ( i t l ^ s ) ^ h ,

(Р-п. н.).

(1.26)

Мартингалам (а также близкому понятию — полумартингалам) будет посвящена значительная часть настоящей книги.

§3. Марковские моменты

1.Определения. Пусть (Q, 5F, Р) — вероятностное простран

ство, Т = [0, о о )

и F = (3Ft),

t ^ T , неубывающая

последова­

тельность сг-подалгебр

s^Lt). Как отмечалось

в § 1, а-алгебра

Ѳ~ предполагается пополненной

по

мере

Р

(SF — ёГр). Далее

всюду будет также предполагаться,

что

и

о-алгебры SFи

t ^ T , пополнены множествами из

имеющими

P-меру нуль.

 

 

 

 

 

 

Случайная

величина (т. е.

^-измеримая функция) t = t (),

принимающая значения в 7’ = [0, оо], называется марковским моментом (относительно системы F = {SFt), t<=T), если для ка­ ждого t е Т

{со: т (с о )< /} е н ^ .

(1.27)

Марковские моменты (м. м.) называют

также случайными

величинами, не зависящими от будущего. Если Р{т(со) < оо} = 1,

то м. м.

называется моментом остановки (м. о.).

 

С каждым м. м.

т = т(со)

(относительно системы F — i^t),

te=T) связывается о-алгебра

— совокупность тех множеств

A s

(ю:

т <

оо}, для

которых

А П {т < /} е STt при всех / е Г .

до

Если

под

t понимать совокупность событий, наблюдаемых

момента

времени

t, то @~х

состоит из событий, наблюдае­

мых до случайного момента т.

 

 

Техника оперирования марковскими моментами довольно

существенно

будет использована в настоящей книге.

МАРКОВСКИЕ МОМЕНТЫ

35

1. Свойства марковских моментов. Для

каждого

/ е Г

по­

ложим*)

 

 

 

s’

 

 

 

=

о ( [}&"<,) . ^ o - =

 

 

и

 

=

 

 

 

 

S > t

 

 

 

 

\ s < t

I

 

 

 

 

 

 

 

 

Последовательность

сг-алгебр F — {0~t),

t<=T,

называется

непрерывной

справа, если 8rt — 2T(+ для

всех

t& F .

Заметим,

что семейство F+=(TFі+) всегда непрерывно справа.

t} е

& t и,

Л е м м а

1.1.

Пусть

 

т =

т(<а) — м. м.

Тогда {т <

следовательно, {т =

і) е

 

 

t.

 

 

 

 

 

 

 

 

 

 

 

Д о к а з а т е л ь с т в о

 

следует из того, что

 

 

 

 

 

 

Утверждение, обратное лемме 1.1, вообще говоря, неверно.

Однако справедлива следующая

 

 

t e T ,

непрерывно

Л е м м а

1.2.

Если

семейство F — (&"t),

справа и т =

т(со) — случайная величина со значениями в [0, оо]

такая,

что

 

 

 

 

для всех t ^ T , то т

есть марковский

момент, т. е.

{т«5Д}е£Г,,

І е Г .

{т <

t} е

ëFt, т о { т ^ ^ } е

Д о к а з а т е л ь с т в о .

 

Поскольку

е ^*/+е для любого

е >

0.

Следовательно,

{т ^

е

@~t+ =

9~t.

Л е м м а

1.3. Если хь т2— марковские моменты,

то tj Д т2 =

sm in (x i,T 2),

т,

V т2 === шах(т!; т2) и

Т| +

т2

 

также

являются

марковскими

моментами.

 

 

 

 

 

 

 

 

 

 

 

 

 

Д о к а з а т е л ь с т в о

следует непосредственно из соотношений

{ т , А т 2

<

0 =

( т ,

<

t) U { т 2

<

t},

 

 

 

 

 

 

 

 

 

 

{ т , V т 2 <

/} =

{ т , <

f) П { т 2 <

і),

 

 

 

 

 

 

 

 

 

 

{Т[ + т2 < 0 = {и — 0, т2 = /} U

 

(J

 

 

 

 

 

 

 

 

 

 

 

 

U {И =

t, т2 =

0} U /

[{tj <

а}П{т2 <

Ь}]\ ,

 

 

 

 

 

 

 

 

 

 

a+b < t

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

. а, 6>0

 

 

 

 

 

 

 

 

где а,

b — рациональные

числа.

 

 

 

 

 

 

 

 

мар­

Л е м м а

1.4.

Пусть

т,,

т2, . . . — последовательность

ковских моментов. Тогда sup хп также марковский момент.

Если

к тому же семейство F =

 

 

І е Г ,

непрерывно

справа,

то

inf т„,

lim sup хп

и

lim inf тп

также являются

марковкими

мо-

п

п

 

 

п

 

 

 

 

 

 

 

 

 

 

 

 

 

 

ментами.

 

 

 

 

 

следует из того, что

 

 

 

 

 

 

Д о к а з а т е л ь с т в о

 

 

 

 

 

 

 

{sup хп<

t) = П

 

< t} e= & „

{inf t< t) =

(J {xn

 

 

 

 

n

 

 

 

 

 

 

 

 

n

 

 

 

 

 

 

 

 

*) Наименьшая 0 -алгебра в f

 

иногда обозначается

V r s.

 

2*

36 НЕОБХОДИМЫЕ СВЕДЕНИЯ [ГЛ. 1

и для lim sup!;* = inf su p tm, lim inf т„ == sup

inf x m

rt

 

n

 

п~^\т~5*п

 

CO

CO

OO

/-

J 1

{limsup t„ < =

U

U

П

І Т т < ^ ~ І Г

n

k— \ n= l

m=n

 

 

 

oo

oo

со

r

J л

{lim inf Tn > t} =

(J

Г)

\ J \ X m > tJ r ~k)'

nk—l n=1m=/t

Ле м м а 1.5. Всякий марковский момент т = т (со) (относи­ тельно F — / е Г ) является ЗГх-измеримой случайной ве­

личиной. Если % и а — два

марковских

момента и т(й))^а(ш )

(Р-п. н.), то SF%s

Т а.

 

 

 

 

Д о к а з а т е л ь с т в о . Пусть А — ( т ^ s}. Надо показать, что

Л П {т ^

0 ^

i s T ,

Имеем

 

 

 

< 5} п {т < /} = {т < t А s} s F t л « S T u

 

Следовательно, м. м. т является ^-измеримым.

поскольку

Пусть теперь

A s

{со: о < оо} и У Іе J t . Тогда,

Р { т ^ с г } = 1 и а-алгебры

пополнены,

то с точностью до мно­

жеств

нулевой

вероятности

множество

Л ГҢ о^О

совпадает

с множеством А П {т<П} Л {о=^/},

которое принадлежит &~t. Сле­

довательно,

множество ЛП {а<П }е ^ Д и, значит,

Л е м м а

1.6. Пусть хь х2,

. . . — последовательность мар­

ковских моментов относительно неубывающей непрерывной справа

системы о-алгебр F==(^',),

f е

Г,

и

пусть х — inf т„. Тогда

П

 

 

Согласно лемме 1.4 т является м. м.

Д о к а з а т е л ь с т в о .

Поэтому по лемме 1.5

^

Ts

f ' | ^

Tri.

 

 

 

 

 

 

 

П

 

 

 

 

С другой

стороны,

пусть

Л е |~ )5 г1. . Тогда

 

 

 

 

 

 

П

 

 

 

ЛП{т</} = Л П / и ( т» < 0 )

=

и ( л П{тп < / } ) е ^ .

 

\ п

 

і

 

п

 

 

Отсюда, в силу непрерывности

справа {£Ft — Srt+),

вытекает,

что А е SCj.

1.7. Пусть

х и

а марковские моменты относи­

Л е м м а

тельно F —

t ^ T .

Тогда каждое из событий {т <

а}, {т > а},

{т^ст}, { х ^ о } и {х ~ о }

принадлежит

одновременно

х и @~а.

Д о к а з а т е л ь с т в о .

Для каждого

і е Г

 

{х < о}П< 0= U ({т < г)Г) {г < <У< t))<= Ft,

г < t

где г — рациональные числа. Поэтому { x < o } ^ J F g.

Соседние файлы в папке книги из ГПНТБ