1 Procesy Stochastyczne
Transkrypt
1 Procesy Stochastyczne
1 1 PROCESY STOCHASTYCZNE Procesy Stochastyczne 1.1 Procesy gaussowskie Definicja 1.1 Powiemy, że proces X jest procesem gaussowskim, jeżeli jego rozkłady skończenie wymiarowe są gaussowskie. Definicja 1.2 Powiemy, że proces BH = (BH (t) | t ≥ 0) jest fraktalnym (ułamkowym) ruchem Browna, jeżeli 1) E[BH (t)] = 0 2) V ar[BH (t)] = t2H 3) BH ma stacjonarne przyrosty 4) BH jest procesem gaussowskim 5) Cov(BH (t), BH (s)) = 21 (t2H + s2H − |t − s|2H ) Fakt 1.3 Proces BH jest samopodobny, czyli BH (αt) = αH BH (t) dla α ≥ 0. Twierdzenie 1.4 Niech X i Y będą procesami gaussowskimi z ograniczonymi trajektoriami. Niech dodatkowo 1) E[Xt ] = E[Yt ] 2) V ar[Xt ] = V ar[Yt ] 3) E[(Xt − Xs )2 ] ≤ E[(Yt − Ys )2 ] wówczas P sup Xt > x ≤ P sup Yt > x t 1.2 t Procesy Markowa* Definicja 1.5 Powiemy, że proces stochastyczny X jest klasy càdlàg, jeżeli jest trajektorie są prawostronnie ciągłe i mają lewostronne granice. Podobnie, jeżeli proces stochastyczny ma lewostronnie ciągłe trajektorie i prawostronne granice, to powiemy, że jest klasy càglàd. Definicja 1.6 Niech X będzie procesem càdlàg na przestrzeni (Ω, F, F, P ) spełniającej zwyczajne warunki. Powiemy, że X jest procesem Markowa, jeżeli P [B | Ft ] = P [B | Xt ] B ∈ F 0 := σ(Xs | s ≥ t) lub równoważnie P [Xt ∈ A | Fs ] = P [Xt ∈ A | Xs ] Fakt 1.7 Dla A ∈ Ft oraz B ∈ Ft0 P [A ∩ B | Xt ] = P [A | Xt ]P [B | Xt ] 1 1 1.3 PROCESY STOCHASTYCZNE Procesy fellerowskie* 2