8097134311

8097134311



48


Marek Beska, Całka Stochastyczna, wykład 4

4 Kilka klas procesów

4.1 Procesy rosnące i przestrzenie V, A, Aioc

Jak poprzednio niech (i?, J7, F,P) będzie zupełną bazą stochastyczną.

Definicja 4.1 Proces A o wartościach w [0, +oo] nazywamy rosnącym procesem jeśli dla u> E fź trajektorie    są niemalejące, cad oraz Aq — 0.

Dla rosnącego procesu A istnieje granica Aoo = lim^oo At i oczywiście nie musi ona być skończona.

Niech V+(FP) = V+ oznacza rodzinę rosnących, adaptowanych procesów A takich, że At < +oo dla t > 0 oraz V(FP) = V oznacza przestrzeń wszystkich procesów, które są różnicą dwóch elementów z V tzn. V = V+ — V+.

Lemat 4.2 Wszystkie procesy należące do klasy V+ i klasy V są opcjonalne

Dowód. Jeśli proces A £ V+ to trajektorie posiadają lewostronne granice. Zatem A jest cadlag i z założenia jest adaptowany, a więc jest opcjonalny. Stąd każdy element V jako różnica dwóch elementów procesów opcjonalnych jest opcjonalny.

Określimy teraz wahanie (wariację) procesu X.

Definicja 4.3 Niech t > 0 i niech <5f = {0 = to,t\,...,tn t}, gdzie ti-\ < ti dla i = 1,... ,n, n> 1 będzie podziałem odcinka [0,t]. Dla danego podziału 5t określmy

SSt(X) = j2 \xtl-xtij

i= 1

Wahaniem (wariacją) procesu na przedziale [0, t] nazywamy kres górny sum Sgt (X) po wszystkich możliwych podziałach St przedziału [0, t] tj.

Vt(X)=8upS5t(X).

st

Uwaga. Zauważmy, że gdy X jest cad lub cag to dla t > 0 mamy

i=i

Stąd, jeśli X jest adaptowany to V(X) też.

Gdy powyższy kres górny jest nieskończony dla pewnego t > 0 to mówimy, że proces X ma wahanie nieskończone. Proces X ma skończone wahanie jeśli Vt(X) jest skończone dla każdego t > 0. Bezpośrednio z definicji wahania otrzymujemy następujące własności procesów o skończonym wahaniu:



Wyszukiwarka

Podobne podstrony:
62 Marek Beska, Całka Stochastyczna, wykład 4 Wniosek 4.10 Jeśli proces X jest cad martyngałem (lub
57 Marek Beska, Całka Stochastyczna, wykład 4 Rzeczywiście, niech s < t wtedy E[Yt-YsFs) =
58 Marek Beska, Całka Stochastyczna, wykład 4 Dla a G IR mamy {XTi < a} D {Ti = k} = {X* < a}
59 Marek Beska, Całka Stochastyczna, wykład 4 Twierdzenie 4.8 Niech I = [a, b] C [0, oo]. 1.
60 Marek Beska, Całka Stochastyczna, wykład 4 Stosując teraz do prawej strony (4.4) twierdzenie
61 Marek Beska, Całka Stochastyczna, wykład 4 Ponieważ X jest cad, więc { inf Xt < -x = { inf Xt
63 Marek Beska, Całka Stochastyczna, wykład 4 Dowód. Dowód (a) wynika z odpowiedniego twierdzenia dl
64 Marek Beska, Całka Stochastyczna, wykład 4 Dowód, (z) =+ (ii) Niech s,t € I,s < t, A € Es. Pon
65 Marek Beska, Całka Stochastyczna, wykład 4 • Istnieją skończenie całkowalne zmienne losowe Y, Y2
66 Marek Beska, Całka Stochastyczna, wykład 4 Wniosek 4.18 Niech X będzie cad submartyngałem, aT cza
49 Marek Beska, Całka Stochastyczna, wykład 4 (i)    Dla 0 <s<t mamy Va(X) <
67 Marek Beska, Całka Stochastyczna, wykład 4 4.3 Twierdzenia o rozkładzie Definicja 4.22 Mówimy, że
50 Marek Beska, Całka Stochastyczna, wykład 4 gdzie <HX) = X + V(X) 2*{X) = V(X) - X 2 Z (4.1) pr
Marek Beska, Całka Stochastyczna, wykład 4 51 orazUt =    [ X+d<j)(A)a + f X~dip(A
52 Marek Beska, Całka Stochastyczna, wykład 4 Niech więc X = /[si00
Marek Beska, Całka Stochastyczna, wykład 4 53 Proces I{s< } jest cag i adaptowany, A jest prognoz
54 Marek Beska, Całka Stochastyczna, wykład 4 4.2 Martyngały, submartyngały i supermartyngały z czas

więcej podobnych podstron