книги / Флуктуации в динамических системах под действием малых случайных возмущений
..pdf§ 2] СЛУЧАЙНЫЕ ПРОЦЕССЫ. ОБЩИЕ СВОЙСТВА 31
са. Для всех процессов, которые мы рассматриваем в этой книге, существуют непрерывные, или во всяком случае непрерывные справа с вероятностью 1 варианты. Такой непрерывный справа процесс своими конечномерными распределениями определяется уже, по существу, одно значно. Мы всегда будем рассматривать непрерывные или непрерывные справа модификации, не оговаривая этого
особо. |
каждым случайным |
процессом £<, t е |
Г, можно |
С |
|||
связать а-алгебры ЗГ<t = |
^"<*=a{£s, $<£} и ^ > *= # "| 4= |
||
= а |
{£s, s ^ £ } , являющиеся наименьшими |
а-алгебра- |
ми, относительно которых измеримы случайные величины
£s((o) |
при s ^ |
t и |
t соответственно. |
Ясно, |
что при |
h < |
f2 имеется |
включение |
В |
дальней- |
шем часто рассматриваются условные математические
ожидания |
M O iU F y , |
которые |
мы будем |
иногда |
|
обозначать |
M(r)||s, s ^ t); через |
М(г)|£*) |
обозначается |
||
условное |
математическое |
ожидание относительно |
а-ал |
||
гебры, порожденной случайной величиной |
Аналогич |
ные обозначения употребляются и для. условных вероят
ностей. |
семейство а-алгебр |
Пусть имеется неубывающее |
|
J?t- JftxЕ Л Ч при 0 < tt < t2; h, |
t2 e T. Через j f обоз |
начим наименьшую а-алгебру, содержащую все а-алгебры Jfx при t ^ 0. Случайная величина т(со), принимающая неотрицательные значения и значение + оо, называется марковским моментом или случайной величиной, не за висящей от будущего относительно семейства а-алгебр Jft, если {со : т(со) при любом t е Т. Важным при мером марковского момента служит первый момент дости
жения |
непрерывным с вероятностью |
1 процессом £* в |
|||||
Rr |
некоторого замкнутого множества. |
Роль а-алгебр j f t |
|||||
здесь |
играет |
неубывающее |
семейство |
а-алгебр |
|||
= |
o(£e, s < |
t). |
|
множеств |
A Q yT, для |
||
|
Обозначим |
совокупность |
|||||
которых А П |
(т ^ t) е Jft при |
всех t е |
Г. Легко про |
||||
верить, |
что |
— а-алгебра, |
и |
случайная величина т |
^измерима относительно этой а-алгебры. Если процесс непрерывен справа, то значение £х этого процесса в мар
ковский относительно а-алгебр Jft = |
момент т |
тоже |
|
измеримо относительно |
= ^ < х. Доказательства |
этих |
32 |
СЛУЧАЙНЫЕ ВОЗМУЩЕНИЯ |
ГГЛ. 1 |
утверждений |
и ряд других свойств марковских моментов |
|
можно найти |
в книге В е н т ц е л я [1]. |
|
Описание случайного процесса с помощью конечно мерных распределений весьма громоздко и используется обычно только в вопросах, связанных с основаниями тео рии. Содержательные результаты получаются для отдель ных классов случайных процессов. Остановимся на основ ных классах процессов, которые встречаются в книге.
Гауссовские процессы. Натешим, что г-мерная случай ная величина Е = (I1, . . ., £г) называется гауссовской,
если |
ее |
характеристическая |
функция fr(z) = |
М exp {i(z, |
||||||
£)}, |
z ее Rr, |
имеет вид fr(z) |
= |
exp |
{i(z, |
т) — (Rz, |
z)/2}, |
|||
где |
z = |
(zlt |
. . |
zr) <= Rrt |
(z, |
1) = |
г |
, |
m = |
|
2 |
zklk, |
|||||||||
= (m1, |
. . ., |
mr) — вектор |
|
|
|
i |
ожиданий: |
|||
математических |
||||||||||
mk = |
M£fe; |
R = |
(JRli) — матрица |
ковариаций: |
Rli = |
|||||
== M(£* — m1)(£/ |
— mi). Случайный |
процесс |
£t, ( G Tf |
называется гауссовским, если все конечномерные распре деления этого процесса гауссовские. Так как гауссовское распределение определяется своим математическим ожи данием и матрицей ковариаций, то все конечномерные рас
пределения |
гауссовского |
процесса |
£* полностью опре |
|||||||||
деляются двумя функциями: m(t) = |
|
|
и |
корреляцион |
||||||||
ной функцией R(s, |
t) = |
M(ES — m(s))(£t — |
Обычно |
|||||||||
мы |
будем |
рассматривать |
гауссовские |
процессы |
при |
|||||||
t е |
Т = |
[О, |
Т0] |
и |
будем |
предполагать |
|
непрерывность |
||||
функций m(t), R(s, t) при s, |
t e [О, Г01. При этих предпо |
|||||||||||
ложениях |
процесс |
непрерывен в среднем квадратичес- |
||||||||||
|
|
|
|
|
Т0 |
|
|
|
|
|
|
|
ком и можно считать, чтоj |£s | ds < |
сю |
при почти всех |
со. |
|||||||||
Если вместе |
с |
|
o' |
|
|
|
предположить, что |
|||||
непрерывностью m(t) |
функция R{s, t) обладает некоторой гладкостью, например,
если |
R(s, |
t) имеет |
вторую |
смешанную производную при |
s = |
t, то существует непрерывная модификация процес |
|||
са |
Это |
значит, |
что на |
том же вероятностном прост |
ранстве, на котором определен |
процесс |
со), существует |
|||||
случайный |
процесс |
£t (со) |
такой, |
что |
Р [%t (со) = |
||
= Et(co)} = |
1 при |
t е |
[0, Г0], |
и |
при почти |
всех со е й |
|
функции It |
(со) |
непрерывны |
на |
отрезке |
[04 Г01 (см. |
Г и х м а н2 С к о р о х о д [1 ]).
§ 2] |
|
СЛУЧАЙНЫЕ ПРОЦЕССЫ. ОБЩИЕ СВОЙСТВА |
33 |
|||
С процессом |
^ Ю, |
Г0] можно связать интеграль |
||||
|
|
|
но |
|
|
|
ный |
оператор А |
: (Лф)*= J R(sy t) сps ds, |
который |
на- |
||
|
|
|
о |
|
|
|
зывают |
корреляционным |
оператором. |
Если функция |
|||
R{s, |
t) |
непрерывна, то Л — симметричный вполне непре |
рывный оператор в гильбертовом пространстве Lfotr0] функций на [0, Г0]со значениями в Я 1; норма в этом про странстве, как и обычно, задается равенством ||<р||=*
|
/Г* |
\ i/2 |
|
|
|
*= ( 5 1ч>« I2 dsJ |
• |
|
|
||
|
Мы будем рассматривать также многомерные гауссов |
||||
ские |
процессы |
g* = (gt\.. |
gt). В этом случае |
m(t) = |
|
= |
Mg* — векторно-значная |
функция; Я($, t) = (R ci(s, t)), |
|||
где |
Rci(s, t) = |
M (£ — ml (s))(|i — mi{t))-, i, ) = 1 , |
2,. . . |
. . .,г. Корреляционный оператор действует в пространстве функций со значениями в Я г.
Марковские процессы — это, грубо говоря, такие слу чайные процессы, поведение которых после какого-то фиксированного момента времени t, при условии, что
задано поведение процесса |
до |
момента t (включитель |
|
но), такое же, как если бы |
процесс |
начинался в мо |
|
мент времени t в точке X t. Эту |
фразу |
можно превратить |
в точное определение, причем даже не одним способом; это требует некоторой техники, что связано с тем, что при этом нужно предусмотреть возможность «выпустить» про цесс из каждой точки пространства, в котором он проис ходит.
Пусть |
(Q, ST) |
и (X, Щ — измеримые |
пространства; |
|
пусть в |
Q |
выделена неубывающая система а-алгебр |
||
Jfx |
t ^ |
Т, |
где Т — либо множество |
неотрицатель |
ных целых чисел {0 , 1 , 2 , . . .}, либо правая полупрямая
[О, |
оо). |
|
|
|
|
|
Будем называть марковским процессом (точнее, од |
||||
нородным |
марковским процессом) |
относительно системы |
|||
а-алгебр |
совокупность следующих |
объектов: |
|||
|
А) случайный процесс X t(co), t е |
Т, |
о) е й, со значе |
||
ниями |
в |
X ; |
|
|
|
х е |
Б) набор вероятностных мер РЛ(Л), определенных при |
||||
X, |
А е Ф". |
|
|
2 А. Д. Вентцель, М. и. Фрейдлия
34 |
|
СЛУЧАЙНЫЕ ВОЗМУЩЕНИЯ |
[ГД. 1 |
||||
При этом требуется, чтобы выполнялись следующие |
|||||||
условия: |
каждом t ^ T |
случайная величина Х*((о) из |
|||||
1) |
при |
||||||
мерима относительно |
а-алгебры |
функция Px{X t е Г} = |
|||||
2 ) при любых |
t е |
Г, |
Г е J |
||||
= P(t, х, |
Г) измерима по х относительно |
сг-алгебры |
|||||
3) |
Р(0, |
*, Х \ { * } ) = |
0; |
X, Г е |
то почти на |
||
4) |
если |
t, и е |
Т, |
t ^ |
и, х ^ |
||
верное по мере |
Рх выполняется |
равенство |
|
||||
|
|
Px{Xut=T\jrt} = P ( u - t , X t, Г). |
Функция P(t, я;, Г) называется переходной функцией марковского процесса.
Если в пространстве X имеется топология и $ — борелевская о-алгебра в X, т. е. a-алгебра, порожденная откры тыми множествами, то можно говорить о различных свой ствах непрерывности марковского процесса. Наиболее слабое из этих свойств — стохастическая непрерывность.
Марковский процесс называется стохастически непре рывным, если его переходная функция обладает следую
щим |
свойством: lim Р (t, х, |
X \ U) = 0 для каждого |
х е |
*10 |
U точки х. Мы будем всегда |
X и любой окрестности |
рассматривать только стохастически непрерывные мар ковские процессы.
Марковский процесс X t рассматривается не на одном вероятностном пространстве, а на целом семействе ве роятностных пространств {Q,^~, Р^.}. Ту же идею процес са, который может быть выпущен из каждой точки х
пространства, |
можно выразить, сделав зависящими от |
||
х |
траектории |
процесса, а вероятности — не зависящими |
|
от |
х. |
Пусть |
{Q, SF’, Р } — вероятностное пространство, |
Jfti |
i s Г, - |
неубывающая система о-алгебр. |
|
|
Марковским семейством (относительно данной системы |
а-алгебр) называется совокупность случайных процессов
X? (со), t е |
Г, х е |
X, для которых выполняются |
усло |
|
вия: |
при |
любых |
I <= Т и х ^ X случайная величина |
|
1) |
||||
Х*(со) |
измерима относительно |
|
||
2) |
Р {X f е Г} = |
Р (t, х, Г) — ^-измеримая |
функ |
ция х\
§ 2] |
СЛУЧАЙНЫЕ ПРОЦЕССЫ. ОБЩИЕ |
СВОЙСТВА |
35 |
|||
3) |
Р(0, |
*, |
Х \ {х }) = 0 ; |
Г G |
то почти |
|
4) |
если |
t, |
и е |
Т1 t ^.и, х е X и |
||
наверное по мере |
Р |
|
|
Р{Х£€=Г| j r t] = P { u - t , X * u г).
Введенные понятия марковского процесса и марковско го семейства являются частными случаями соответствую
щих понятий из книги Д ы н к и н а |
[2]. Каждому мар |
|||||||||
ковскому |
семейству |
X* (со) на |
вероятностном |
прост |
||||||
ранстве |
{Q, |
Р } нетрудно сопоставить марковский про |
||||||||
цесс. Для этого нужно положить |
|
|
|
|
||||||
Q' = |
Q x X , |
Xt (со') = X* (со) |
при |
со' = (со, х)\ |
||||||
|
|
|
р я{ * 4 е Г > = Р 1х ? е г } . |
|
|
|||||
Можно |
доказать |
(см. |
Д ы н к и н |
[2 ]), |
что |
случайный |
||||
процесс |
Х*(со') |
и |
набор вероятностных |
мер |
Рх, |
х е X, |
на Q' образуют марковский процесс. Построенный таким образом марковский процесс (Хи Рх) будем называть
марковским процессом, соответствующим семейству X*. В дальнейшем мы будем использовать как марковские семейства, так и процессы. Если индекс х стоит у траекто
рии X*, то значит, рассматривается марковское семейст во, если индекс у вероятности Рж, то — соответствующий процесс. Математическое ожидание по мере Рх обозна
чается |
м*. |
|
|
|
|
В основном мы будем рассматривать случайные про |
|||||
цессы, |
определяемые дифференциальными уравнениями |
||||
типа X* = Ь(Х*, |
£*(©)), где £*(со) — некоторый |
случайный |
|||
процесс. Решения этого уравнения |
определены для все |
||||
возможных начальных условий Х 0 = х е |
X. Пусть Xf — |
||||
решение, исходящее из точки х : Xf = х. |
При |
определен |
|||
ных |
условиях |
процессы X? (со) |
образуют |
марковское |
семейство относительно неубывающей системы а-алгебр
#■</ = o {ls, s < t). Мы сохраним обозначения Рх п Мл для вероятностей и математических ожиданий, свя
занных с процессом X f и в случае немарковских процес сов. Индекс х будет указывать на начальное условие, при котором решается дифференциальное уравнение.
2 *
38 |
СЛУЧАЙНЫЕ ВОЗМУЩЕНИЯ |
(ГЛ. 1 |
Из |
определения марковского процесса |
вытекает, что |
при известном положении процесса в момент t события, определяемые ходом процесса до момента t и после него, независимы. Если зафиксировать положение процесса в случайный момент времени т(со), даже если этот момент является марковским, то, вообще говоря, события, опре деляемые поведением марковского процесса до и после момента т(со), могут оказаться зависимыми. Те марковские процессы, у которых такие события независимы для любо го марковского момента т(со), называются строго марков скими. Точное определение таково (см. Д ы н к и н [2]). Марковский относительно неубывающей системы сг-ал-
гебр Jftпроцесс (Х х, |
Рх) называется строго |
марковским, |
||||
если для любого марковского относительно |
о-алгебр j f t |
|||||
момента т и любых |
О, ж е ! , Г е 1 |
для почти всех |
||||
по мере Рх точек множества |
QT= { с о е £2 : т(со) |
оо} |
||||
выполняется соотношение |
|
|
|
|
||
|
|
Г 1./М |
^ P{t> Хх, |
Г). |
|
|
Условия, обеспечивающие строгую марковость марков |
||||||
ского |
процесса, а также различные свойства |
строго мар |
||||
ковских процессов подробно обсуждаются |
в |
книге Д ы н- |
||||
к и н а |
[2]. Отметим, что все |
марковские |
процессы, |
рас |
сматриваемые в этой книге, являются строго марковскими. Простым и важным примером марковского процес са служит цепь Маркова с конечным числом состояний.
Это марковский процесс, у которого параметр t принимает значения 0 , 1 , 2 , . . ., а фазовое пространство X состоит из конечного числа точек: X = {еъ . . ., еп}. Однородная по времени цепь Маркова, только с такими цепями мы будем встречаться в этой книге, задается квадратной матрицей
Р = (pij)(i, / = |
п) |
вероятностей |
перехода за один |
|
шаг: Ре{ {Х х = ej} = |
pi}. |
Из определения |
марковского |
|
процесса следует, что если вектор-строка |
q(s) |
= (g^s), . . . |
. . . , qn(s)) задает распределение случайной величины Х &(со)
(т. е. |
РЖ{Х , |
= ег} = qt(s)), то |
q(t) |
= q(s)P<-> |
про |
|
t > s . |
Вектор-строка q = (gt, . . |
g„), |
— |
71 |
= 1* |
|
дг > 0 , |
2 g , |
|||||
|
_ |
_ |
|
|
1 |
|
для которой qP = g, называется инвариантным распре делением марковской цепи. Инвариантное распределение существует у каждой цепи с конечным числом состояний.
§ 2] СЛУЧАЙНЫЕ ПРОЦЕССЫ. ОБЩИЕ СВОЙСТВА 37
Если все элементы матрицы Р (или какой-либо ее степе ни) отличны от нуля, то инвариантное распределение g
единственно |
и |
Н тР л {Х,(со) = |
et} = qt |
при любых |
х, et е X. |
|
f->oo |
называемое |
эргодической |
Это |
утверждение, |
теоремой для цепей Маркова, переносится на марковские процессы общего вида.
В последующих параграфах мы вернемся к марков ским процессам, а сейчас упомянем еще о некоторых клас сах процессов.
Говорят, что случайный процесс £t(co), t ^ 0, в фазо вом пространстве (Дг, 38г) является процессом с незави
симыми |
приращениями, если для любых |
tn > tn_x > |
> ••• > |
*i> 0 приращения |,п - |
... |
•••, \t2— hi представляют собой независимые в совокуп ности случайные величины.
Примером такого процесса |
служит процесс Пуассо |
на — случайный процесс v*, t |
О, принимающий целые |
неотрицательные значения, имеющий независимые при ращения и непрерывные справа с вероятностью единица
траектории, для |
которого |
|
|
||
Р {vf — |
V . = |
/с> = |
[(* — *0 X]4 (t—8)*,. |
||
Л-1 |
* |
||||
0 |
^ s |
< Ц |
к = 0, |
1, .. |
|
где X — некоторый |
положительный |
параметр. |
В следующем параграфе рассматривается еще один процесс с независимыми приращениями, играющий весьма важную роль в теории случайных процессов — винеровский процесс.
С каждым процессом с независимыми приращениями
можно связать марковское семейство X* = х + %t — £о и соответствующий этому семейству марковский процесс. С процессами с независимыми приращениями тесно свя зан еще один класс случайных процессов — мартингалы.
Случайный ’ процесс |
£*, t е |
Г, называется |
мартинга |
||||
лом относительно неубывающего семейства а-алгебр |
|||||||
если при любом t е |
Т случайная величина |
измерима |
|||||
относительно |
а-алгебры |
Jfu М£* <; оо и |
М(£*|Л%) = |
||||
при 5, |
t (= |
Т, s < |
t. |
Если |
М(|*|Л%) < |
ls, |
то про |
цесс |
называется |
супермартингалом. |
|
|
38 |
СЛУЧАЙНЫЕ ВОЗМУЩЕНИЯ |
1ГЛ. t |
Подробное изложение теории мартингалов имеется в |
||
книге Д у б а |
[1]. |
называется |
Случайный |
процесс £*(со), —оо <; t <; оо, |
стационарным (в узком смысле), если при любом натураль
ном г и любых tx, t2, . . |
tr распределение случайной ве |
||||||
личины |
|
&г+л) |
одно и то же при всех |
дей |
|||
ствительных h. Ясно, что если |
для |
стационарного |
про |
||||
цесса |
существует |
М|£*|2, |
то |
MS* = |
т = const, а |
||
корреляционная функция |
R(s, t) |
= M(?s |
— m)(l-t — m) |
фактически зависит только от t — s.
Наконец, напомним понятие слабой сходимости мер, отвечающих семейству случайных процессов. Каждый случайный процесс X t(w) определяет некоторое отображе ние вероятностного пространства {Q, Р} в пространство траекторий. Это отображение индуцирует в пространстве траекторий некоторую вероятностную меру \i. Во многих вероятностных задачах случайные процессы рассматривают ся с точностью до распределений в пространстве траекто рий, которые эти процессы индуцируют. В связи с этим важную роль играют те виды сходимости случайных процес сов, которые означают сходимость в том или ином смысле распределений в пространстве траекторий. Пусть для
определенности Xf» t е [0 , 71], |
е > 0,— семейство слу |
чайных процессов, траектории |
которых с вероятностью |
1 суть непрерывные функции на [О, Т] со значениями в Rr. Обозначим, как обычно, Сот (й г) пространство все возможных таких непрерывных функций с топологией
равномерной сходимости. Пусть |л8 — семейство мер |
в |
|
Сот (Яг), соответствующих процессам Х\. |
Говорят, что |
|
меры ц8 на Сот(#г) слабо сходятся при г |
0 к мере |
ц, |
если для любого непрерывного ограниченного функцио
нала f(x) на |
С0т(Яг) |
|
|
|
lim f / (я) (dx) = |
J / ( x ) n (dx). |
|
В статье |
П р о х о р о в а [1] |
(см. также Г и х м а н и |
|
С к о р о х о д |
[1 ]) изучены условия компактности се |
||
мейства |
мер, |
соответствующих случайным процессам, |
в топологии слабой сходимости. Если семейство мер р,8 слабо компактно и конечномерные распределения соот
§ 3] |
СТОХАСТИЧЕСКИЙ ИНТЕГРАЛ |
39 |
ветствующих случайных процессов Х\ сходятся к рас пределениям некоторого процесса X t, то меры р,8 слабо сходятся к мере р, соответствующей процессу Х г.
§ 3. Вииеровский процесс. Стохастический интеграл
Винеровским процессом называется гауссовский слу
чайный процесс |
wt, |
i e |
[0 , оо), |
со значениями |
в |
Я1, |
|||
обладающий следующими |
свойствами: |
|
|
||||||
1) Мwt = 0 |
при |
t ^ |
0 ; |
|
|
|
|||
2 ) Мwswt = |
min |
(s, |
t); |
|
|
|
по |
||
3) при |
почти |
всех со траектории iz^(co) непрерывны |
|||||||
t е [0 , оо). |
|
(см., |
например, |
Г и х м а н и |
С к о- |
||||
Доказывается |
|||||||||
р о х о д |
[1 ]), что процесс с такими свойствами существу |
||||||||
ет на подходящем вероятностном пространстве |
|
Р}. |
Из гауссовости процесса wt следует, что для произвольных моментов времени tn > £;I_A > . . . > tL^ 0 случайные величины wtn— win_ v wtn_ { — u>*n_ 2, . .. , wh — wh имеют
совместное |
гауссовское распределение, а из свойства |
||
2 ) вытекает |
некоррелированность |
этих |
приращений: |
М(м: м+1 — |
— wtj) = 0 для |
г, / = |
1, 2 , . . ., и; |
i ф /. Отсюда заключаем, что приращения винеровского процесса независимы. Отметим, что приращение процес са за время от s до t, s <С t, гшеет гауссовское распределе
ние, |
М(wt — ws) = |
— w8)2 = t — s. Вычисля |
|
ется, |
что |
— ws \= |
У 2n—^t — s). |
Напомним некоторые свойства винеровского процесса. Почти все траектории винеровского процесса имеют своим верхним пределом + о о п нижним пределом —-оо. Отсюда, в частности, следует, что с вероятностью 1 винеровские траектории бесконечно много раз проходят через нуль, причем множество {t : wt{со) = 0 } при почти всех со не ограниченно. По определению реализации винеровского процесса непрерывны, но они с вероятностью 1 нигде не дифференцируемы и имеют бесконечную вариацию на каждом интервале времени. Доказывается, что винеров ские траектории с вероятностью 1 удовлетворяют условию Гельдера с любым показателем а <С 1/2 и не удовлетворя ют — с показателем ос ^ 1/2 . Отметим еще следующее
40 |
СЛУЧАЙНЫЕ ВОЗМУЩЕНИЯ |
1ГЛ. 1 |
полезное равенство:
Р{ sup w$> а} = 2Р {w г > а). о<s<T
На каждый случайный процесс |t(co), |
t е Г, со зна |
чениями в измеримом пространстве (X, |
можно смотреть |
как на отображение пространства (Q, &~) в пространство функций на множестве Т со значениями в X. В частности,
винеровский процесс wt{со), t е [0, |
Т] определяет отобра |
жение Q в пространство Cor {R1) |
непрерывных функций |
на [0, Т] с числовыми значениями, обращающихся в нуль
при t = 0 . Это отображение задает в Сот {R1) вероятност ную меру р,^, которая называется винеровской. Носите
лем винеровской меры является все пространство Сот (Я1). Это значит, что как угодно малая (в равномерной норме)
окрестность |
каждой функции ср е Сот (Rх) имеет поло |
|
жительную |
винеровскую меру. |
|
Совокупность г независимых винеровских процессов |
||
w\ (со), |
и;? (со),... * wrt(co) называется r-мерным винеров- |
|
ским |
процессом. |
|
Важная роль винеровского процесса в теории случай |
ных процессов в значительной степени объясняется тем, что многие классы случайных процессов с непрерывными траекториями допускают удобное представление через винеровский процесс. Это представление дается с помощью
стохастического интеграла. |
Напомним |
конструкцию и |
|
свойства стохастического |
интеграла. |
|
{Q ,^ , Р}, |
Пусть имеется вероятностное пространство |
|||
неубывающее семейство о-алгебр,/^*» |
0 , |
и |
|
винеровский процесс wt на этом пространстве. |
Предполо |
||
жим, что a-алгебры j f t таковы* что |
|
при любом |
^0 и при 0 ^ s ^ t:
M{wt — w8\jf8) = |
0 ; М (И — ^5 |2|уГ5) = |
t — s. |
Так будет, во всяком |
случае, если Jft — |
0, измери |
Говорят, что случайный процесс /(£, со), t ^ |
мый по паре (£, со), не зависит от будущего (относительно заданного семейства о-алгебр jft), если при любом t > 0 случайная величина f(tx со) измерима относительно а-ал-