概率论与数理统计 (Spring 2023)/OST and applications: Difference between revisions
Line 19: | Line 19: | ||
{{Theorem|可选停时定理 (Optional Stopping Theorem, OST)| | {{Theorem|可选停时定理 (Optional Stopping Theorem, OST)| | ||
: | :一个关于某随机过程 <math>\{X_n:n\ge 0\}</math> 的鞅 <math>\{Y_n:n\ge 0\}</math> 在关于 <math>\{X_n:n\ge 0\}</math> 的停时 <math>T</math>,满足: | ||
::<math>\mathbb{E}[Y_T]=\mathbb{E}[Y_0]</math>, | ::<math>\mathbb{E}[Y_T]=\mathbb{E}[Y_0]</math>, | ||
:如果满足如下任何条件之一: | :如果满足如下任何条件之一: | ||
Line 34: | Line 34: | ||
==可选停时定理的证明== | ==可选停时定理的证明== | ||
=可选停时定理的应用= | =可选停时定理的应用= |
Revision as of 14:17, 3 June 2023
可选停时定理
可选停时定理 (Optional Stopping Theorem, OST),有事也被称为鞅停时定理 (Martingale Stopping Theorem)、可选抽样定理 (Optional Sampling Theorem) 等,是约瑟夫·杜布 (Joseph Doob) 发现的关于鞅的停时的刻画定理。
首先定义鞅 (martingale)。这是一类由公平赌博定义的随机过程。
定义 - 令 [math]\displaystyle{ \{X_n:n\ge 0\} }[/math] 和 [math]\displaystyle{ \{Y_n:n\ge 0\} }[/math] 为离散时间随机过程(即随机变量序列)。若对于任意 [math]\displaystyle{ n\ge 0 }[/math] 都满足
- [math]\displaystyle{ \mathbb{E}[|Y_n|]\lt \infty }[/math]
- [math]\displaystyle{ \mathbb{E}\left[\,Y_{n+1}\mid X_0,X_1,\ldots,X_{n}\,\right]=Y_{n} }[/math],
- 则称随机过程 [math]\displaystyle{ \{Y_n:n\ge 0\} }[/math] 是关于 [math]\displaystyle{ \{X_n:n\ge 0\} }[/math] 的鞅 (martingale)。
- 令 [math]\displaystyle{ \{X_n:n\ge 0\} }[/math] 和 [math]\displaystyle{ \{Y_n:n\ge 0\} }[/math] 为离散时间随机过程(即随机变量序列)。若对于任意 [math]\displaystyle{ n\ge 0 }[/math] 都满足
停时 (stopping time) 的概念如下定义。
定义 - 非负整数值随机变量 [math]\displaystyle{ T }[/math] 是一个关于离散时间随机过程 [math]\displaystyle{ \{X_n:n\ge 0\} }[/math] 的停时 (stopping time),若对于任意 [math]\displaystyle{ n\ge 0 }[/math],事件 [math]\displaystyle{ T=n }[/math] 发生与否都取决于 [math]\displaystyle{ X_0,X_1,\ldots,X_n }[/math] 的取值。
更加严格地讲,随机过程 [math]\displaystyle{ \{X_n:n\ge 0\} }[/math] 可以唯一确定一个 [math]\displaystyle{ \sigma }[/math]域流 (filtration of [math]\displaystyle{ \sigma }[/math]-fields) [math]\displaystyle{ \Sigma_0\subseteq \Sigma_0 \subseteq \cdots }[/math],使得对于任意 [math]\displaystyle{ n\ge 0 }[/math],[math]\displaystyle{ \sigma }[/math]域 [math]\displaystyle{ \Sigma_{n+1} }[/math] 都是 [math]\displaystyle{ \Sigma_{n} }[/math] 的一个细化,且 [math]\displaystyle{ \Sigma_n }[/math] 是令随机向量 [math]\displaystyle{ (X_0,X_1,\ldots,X_n) }[/math] [math]\displaystyle{ \Sigma_n }[/math]-可测的最小 [math]\displaystyle{ \sigma }[/math]代数。则[math]\displaystyle{ T }[/math] 是一个关于 [math]\displaystyle{ \{X_n:n\ge 0\} }[/math] 的一个合法的停时,当且仅当对于任意 [math]\displaystyle{ n\ge 0 }[/math],都有事件 [math]\displaystyle{ \{T=n\}\in\Sigma_n }[/math],即 [math]\displaystyle{ T=n }[/math] 的发生与否,可以被 [math]\displaystyle{ X_0,X_1,\ldots,X_n }[/math] 的随机取值所确定。
可选停时定理 (Optional Stopping Theorem, OST) - 一个关于某随机过程 [math]\displaystyle{ \{X_n:n\ge 0\} }[/math] 的鞅 [math]\displaystyle{ \{Y_n:n\ge 0\} }[/math] 在关于 [math]\displaystyle{ \{X_n:n\ge 0\} }[/math] 的停时 [math]\displaystyle{ T }[/math],满足:
- [math]\displaystyle{ \mathbb{E}[Y_T]=\mathbb{E}[Y_0] }[/math],
- 如果满足如下任何条件之一:
- (有限时间) 存在有穷的 [math]\displaystyle{ n }[/math] 使得 [math]\displaystyle{ T\lt n }[/math] 几乎必然 (a.s.) 发生。
- (有限值域) [math]\displaystyle{ T\lt \infty }[/math] 几乎必然发生,且存在有穷的 [math]\displaystyle{ c }[/math] 使得对于所有 [math]\displaystyle{ t\le T }[/math] 都有 [math]\displaystyle{ |Y_t|\lt c }[/math] 几乎必然发生。
- (有穷期望时间 + 有限差) [math]\displaystyle{ \mathbb{E}[T]\lt \infty }[/math],且存在有穷的 [math]\displaystyle{ c }[/math] 使得对于所有 [math]\displaystyle{ t\ge 0 }[/math] 都有 [math]\displaystyle{ \mathbb{E}[|Y_{t+1}-Y_t|\mid X_0,X_1,\ldots,X_t]\lt c }[/math] 几乎必然发生。
- (一般条件) 同时满足以下三个条件:
- [math]\displaystyle{ T\lt \infty }[/math] 几乎必然发生;
- [math]\displaystyle{ \mathbb{E}[|Y_T|]\lt \infty }[/math];
- [math]\displaystyle{ \lim_{n\to\infty}\mathbb{E}\left[Y_n\cdot I[T\gt n]\right]=0 }[/math]。
- 一个关于某随机过程 [math]\displaystyle{ \{X_n:n\ge 0\} }[/math] 的鞅 [math]\displaystyle{ \{Y_n:n\ge 0\} }[/math] 在关于 [math]\displaystyle{ \{X_n:n\ge 0\} }[/math] 的停时 [math]\displaystyle{ T }[/math],满足:
前三个条件都更强:它们中任何一个都可以推出最后一个一般条件。这使得最后一个一般条件的可选停时定理是最普世的。然而,在具体的问题场景下,往往前三个充分条件更容易保证。