Лекция № 1. ПОНЯТИЕ СЛУЧАЙНОГО ПРОЦЕССА
Пусть задано ( Ω, А, Р ) – вероятностное пространство.
Случайная величина ξ = ξ (ω) : Ω → R, для которой выполнено : для борелевского множества В В,
В – борелевская - алгебра (сигма-алгебра с интервалами) в R , выполнено ξ– 1(В) = {ω : () В А.
Таким образом, () - измеримая или (А, В) измеримая функция.
Измеримость заключается в том, что множество ξ– 1(В) имеет меру.
Определение1. Случайным процессом называется семейство случайных величин
ξ ( t ) = ξ (ω, t), t , Ω ( Т – время), заданных на одном и том же вероятностном пространстве (Ω, А, Р).
Конструкции:
-
Т может быть конечно. Т = {0, 1, 2 …, n, тогда случайные процессы {ξ 0, ξ 1 …, ξ n - система случайных величин.
-
Т = {0, 1, 2 … - счетное; случайный процесс {ξ n , n ≥ 0 - последовательность случайных величин (дискретная случайная величина).
-
Т = 0, ) – непрерывный случайный процесс с непрерывным временем.
Лекция № 2.
х |
|
|
|
|
|
|
|||||
|
|||||
|
|||||
|
t (диск.)
Рис. 1. Траектория процесса выпуска автомобилей
х |
|
|
|
|
t (диск.)
Рис. 2. Траектория курса акций на фондовой бирже
Случайный процесс представляет собой семейство случайных величин ξ ( t )= ξ(ω, t ),
t (время), (элементарный исход). Для фиксированного t ξ(ω, t ) – случайная величина.
Для фиксированного структура ξ(ω, t), t является функцией, которая называется траекторией (реализацией) случайного процесса.
Рассмотрим второй подход к определению случайного процесса, который состоит в построении измеримого отображения ξ : Ω → Х (множество возможных траекторий процесса).
Это аналогия с понятием случайной величины.
Этот процесс называется непосредственно заданным случайным процессом.
Пусть ( , А, Р ) – вероятностное пространство.
Построим выборочное вероятностное пространство или пространство траекторий процесса.
-
Пусть Х = { х ( t ), t - множество всех возможных функций заданных на Т со значением в Х. В роли Х может выступать конечное множество, счетное или нечто более сложное, непрерывное.
-
Построим - алгебру подмножеств множества Х, при этом подразумеваем, что в Х - алгебра уже есть.
Пусть С = Сt1, …, tn (В1 …, Вn) = { х ( ) Х : х ( t1 ) В1, …, х ( t n), t Вn
функция целиком
-
Х
B1
B2
Bn
.
t1 t2 tn T
Множество функций, проходящих через эти ворота, называются цилиндрическим.
Цилиндрическое множество в Х.
В1, …, Вn В – - алгебра подмножеств в Х.
(если Х = R, то В – борелевская)
Заметим, что конечное пересечение и объединение множеств цилиндрического характера образуют сигма – алгебру ( - алгебру). Алгебра цилиндрических множеств .
Нужно построить эту -алгебру . Рассмотрим все - алгебры, содержащие . Рассмотрим пересечение всех - алгебр. Это пересечение является - алгеброй, оно является наименьшей - алгеброй, содержащей . И называется - алгеброй, порожденной цилиндрическими множествами.
( ) = F
Итак, имеем пару ( Х, F), которая образует измеримое пространство.
Можно строго определить измеримое отображение.
Определение 2. (фундаментальное) Случайным процессом называется измеримое отображение ξ : Ω → Х, т.е. для В F : ξ– 1(В) А, ξ– 1(В) – прообраз
-
к определению выборочного вероятностного пространства.
Т.к. мера задана по А, то зададим вероятностную меру на F :
Рξ (В) = Р ( ξ– 1(В) )
Эта мера называется индуцируемой ( мера Р индуцирует (порождает) меру Рξ ).
Итак, построено три объекта ( Х, F, Рξ ), которые составляют вероятностное пространство, его называют выборочное пространство или пространство траекторий. Можно также себе представить, что реализация случайных процессов – это реализация случайного эсперимента на ( Х, F, Рξ ).
Пусть В = С = Сt1, …, tn (В1 …, Вn) (цилиндрическое). Тогда из определения следует
Рξ (В) = Рξ (Сt1, …, tn (В1 …, Вn) ) = Р ( ξ– 1 (Сt1, …, tn (В1 …, Вn) ) ) = Р (ω : () Сt1, …, tn (В1 …, Вn) ) = Р (ω : (, t1) В1 …, (, tn) Вn) – определена.
Замечание
() ( t ) = (, t ) – значение функции в точке t.
Эта вероятность Рξ (В) называется конечномерным распределением случайного процесса. Если этот процесс рассматривать при всех t1, …, tn Т, В1 …, Вn В, то это будет семейство конечномерных распределений данного случайного процесса.
Введем еще одно дополнительное понятие.
Будем обозначать через { Ft1, …, tn (В1 …,Вn ), t1, …, tn Т; В1 …, Вn В , n ≥ 1 = Fт (В) семейство вещественных функций, заданных на В1 …, Вn и зависящих от параметров t1, …, tn.
Лекция № 3
Зададим семейство функций:
Fт (В) = { Ft1, …, tn (В1 …,Вn ), t1, …, tn Т; В1 …, Вn В , n ≥ 1 , зависящих от параметра t и переводящих борелевские множества в R-1.
В – - алгебра (борелевская) в Х.
Определение. Семейство функций Fт (В) называется семейством согласованных вероятностных мер, если оно обладает следующими свойствами:
-
для набора параметров ( t1, …, tn ) наша функция Ft1, …, tn (В1 …, Вn) представляет собой вероятностную меру (совместное распределение).
-
для перестановки ( i1 , i2, …, in ) чисел (1, 2, …n) имеет место следующее равенство:
F i1, t i 2…, t i n (В i 1 , В i 2 …,В i n ) = F t 1, t2…, t n (В1 , В2 …,Вn ).
-
Ft1, t n-1…, t n (В1 , …,В n-1, Х ) = Ft , …, t n -1 (В1 ,…,Вn-1 )
(понижение размерности функций).
Все эти свойства характерны для совместного распределения (конечномерного).
Теорема (Колмогорова)
Для того, чтобы существовал случайный процесс, у которого заданное семейство функций Fт (В) было бы семейством конечномерных распределений необходимо и достаточно, чтобы это семейство являлось бы семейством согласованных вероятностных мер.
Иначе. Если Fт (В) – семейство согласованных вероятностных мер, то найдется такой случайный процесс для которого эти функции являются семейством конечномерных распределений.
В качестве выборочного вероятностного пространства (пространство траекторий) выбирается:
Х = {х ( t ), t Т со значением в Х}–
множество всех функций на Т со значением в Х;
F – - алгебра, порождаемая цилиндрическими множествами;
мера на F: Р (С) = Р (х ( · ) Х : х ( t1 ) В1, …, х ( t n) Bn ) = Ft1, …, tn (В1 …, Вn).
Тогда каждая траектория случайного процесса совпадает с реализацией случайного эксперимента на вероятностном пространстве ( Х, F, Р ), т.е. формально можно записать так: (, t ) = х ( t ).
Замечание к теореме.
-
Теорема Колмогорова представляет собой теорему существования, при этом теорема не утверждает единственность такого процесса. Объективно может существовать несколько случайных процессов, имеющих одно и тоже семейство конечномерных распределений.
Определение. Случайные процессы 1, 2 , имеющие одно и тоже семейство конечномерных распределений называются стахостически эквивалентными.
Иногда также говорят, что эти процессы являются модификациями некоторого одного случайного процесса.
Иначе говоря, для стохастических эквивалентных процессов 1 ( t ), 2 ( t ) справедливо следующее соотношение Р ( 1 ( t ) = 2 ( t ) ) = 1, t Т ( с вероятностью 1, их значения совпадают).
-
Множество функций Х (т.е. множество возможных траекторий) слишком широко для описания процесса. Для более детального анализа процесса, желательно знать более определенные свойства траекторий. Поэтому в теории случайных процессов доказывают результаты о характере траекторий тех или иных классов случайных процессов.
Теорема (А.Н. Колмогорова) о существовании непрерывной модификации случайного процесса.
Предположим, что для всех случайных процессов ( t ) при всех значениях t , t + h Т справедлива следующая оценка:
М | ( t + h) - ( t ) | а ≤ с | h | 1 + b
для некоторых а > 0, b > 0, с < ∞, М – мат. ожидание. Тогда случайный процесс ( t ) имеет непрерывную модификацию, т.е. почти все траектории этого процесса представляют собой непрерывные функции.
Определение. Случайный процесс ( t ) называется стахостически непрерывным, если t Т и h → 0 и для произвольного малого Ε > 0, вероятность
Р = ( | ( t + h ) - ( t ) | > E ) → 0, h → 0.
Иначе говоря : ( t + h ) р ( t ),
т.е. ( t + h ) и ( t ) сходятся по вероятности.
Если ( t + h ) сходятся к ( t ) в среднеквадратичном, то процесс называется стахостически непрерывным в среднеквадратичном.