Zagadnienia

5. Martyngały z czasem dyskretnym

Do tej pory, dysponując ciągiem zmiennych losowych, nie wiązaliśmy z ich indeksami żadnej interpretacji. W wielu naturalnych sytuacjach można je interpretować jako współrzędną czasową. W konkretnych przypadkach często Xn opisuje zachowanie układu w chwili n. Tak więc indeks odpowiada za czas.

Załóżmy, że T jest ,,zbiorem czasów”: to znaczy, jest równy 0, 1, 2,⁢…, {1, 2,…,}, …,-2,-1, 0 lub m,⁢m+1,⁢…,⁢n.

Definicja 5.1

Załóżmy, że Ω,F,P jest przestrzenią probabilistyczną, T - jak wyżej. Filtracją nazywamy rodzinę Ftt∈T, gdzie dla każdego t, Ft jest σ-ciałem zawartym w F oraz Ft⊆Fs jeśli s≤t.

Intuicja: σ-ciało Ft opisuje wszystko co się może zdarzyć do chwili t.

Definicja 5.2

Załóżmy, że Ω,F,P jest przestrzenią probabilistyczną wyposażoną w filtrację Ftt∈T. Funkcję τ:Ω→T∪+∞ nazywamy momentem zatrzymania, jeśli dla każdego t∈T mamy {τ=t}∈Fn.

Intuicyjnie, moment zatrzymania jest ,,sensowną” reguła stopowania: taką, iż decyzję, czy się zatrzymywać, podejmujemy na podstawie zdarzeń z przeszłości i teraźniejszości. Spójrzmy na następujący

Przykład: Rzucamy 10 razy monetą. Niech Xn=1, jeśli w n-tym rzucie wypadł orzeł, i Xn=0 w przeciwnym przypadku. Wprowadźmy σ-ciała Fn=σ⁢X1,⁢X2,⁢…,⁢Xn, n=1, 2,⁢…, 10 (jest to tzw. naturalna filtracja względem ciągu Xn) Rozważmy dwie strategie: τ - wycofujemy się, gdy wypadnie orzeł po raz pierwszy, σ - wycofujemy się, gdy orzeł wypada po raz ostatni (jeśli wypadają same reszki, przyjmujemy τ=σ=10). Intuicja podpowiada, iż τ jest sensowną regułą zatrzymania - decyzję o tym, czy się wycofać, czy nie, podejmujemy na podstawie informacji, które dopłynęły do nas do danej chwili. Strategia σ nie jest sensowna: skąd mamy wiedzieć - nie znając przyszłości - czy orzeł, który właśnie wypadł, jest ostatni? Formalny dowód tego, że σ nie jest momentem zatrzymania, pozostawiamy jako ćwiczenie.

Uwaga:

Warunek definiujący moment stopu można zapisać równoważnie w następujący sposób. Funkcja τ:Ω→T∪+∞ jest momentem zatrzymania wtedy i tylko wtedy, gdy dla każdego t∈T, {τ≤t}∈Ft.

Dowód

⇒ Mamy

{τ≤t}=⋃k=1t{τ=k}∈Ft,

gdyż dla każdego k≤t, {τ=k}∈Fk⊆Ft.

⇐ Mamy {τ=t}={τ≤t}∖{τ≤t-1} i oba zdarzenia należą do Ft.

∎

Przykłady:

1) τ≡n jest momentem zatrzymania względem każdej filtracji:

{τ=k}=∅jeśli ⁢n≠k,Ωjeśli ⁢n=k.

2) Załóżmy, że Ω,F,P jest przestrzenią probabilistyczną wyposażoną w filtrację Fnn∈T. Załóżmy, że Xnn∈T jest rodziną zmiennych losowych (procesem stochastycznym) o tej własności, że dla każdego n, zmienna Xn jest mierzalna względem Fn (mówimy, że proces stochastyczny Xn jest adaptowany do filtracji Fn). Dalej, niech B∈B⁢R oraz

τB⁢ω=inf⁡n∈T:Xn⁢ω∈B,

przy czym przyjmijmy konwencję inf⁡∅=+∞. Funkcja τB to moment pierwszego dojścia procesu Xn do zbioru B. Wówczas τB jest momentem zatrzymania: dla każdego n,

{τB=n}={Xn∈B oraz Xk∉B dla k<n}={Xn∈B}∩⋂k<n{Xk∈Bc}∈Fn.

Analogiczny fakt zachodzi, gdy zmienne Xn przyjmują wartości w Rd, albo ogólniej, w przestrzeni metrycznej E.

Definicja 5.3

Załóżmy, że Ω,F,P jest przestrzenią probabilistyczną wyposażoną w filtrację Ftt∈T i niech τ będzie momentem zatrzymania. Definiujemy

⁢Fτ⁢=A∈F:A∩τ=n∈Fn⁢ dla wszystkich ⁢n⁢⁢=A∈F:A∩τ≤n∈Fn⁢ dla wszystkich ⁢n.

Intuicyjnie, Fτ opisuje wszystkie zdarzenia, które mogą zajść do momentu τ.

Uwagi:

1) Fτ jest σ-ciałem,

2) jeśli τ≡n, to Fτ=Fn.

Własności:

1) Jeśli τ1, τ2 są momentami zatrzymania, to τ1∧τ2=min⁡τ1,τ2 oraz τ1∨τ2=max⁡τ1,τ2 też są momentami zatrzymania. Istotnie,

{τ1∧τ2≤n}={τ1≤n}∪{τ2≤n}∈Fn,
{τ∨τ2≤n}={τ1≤n}∩{τ2≤n}∈Fn.

2) Jeśli τ1, τ2 są takimi momentami zatrzymania, że τ1≤τ2, to Fτ1⊆Fτ2. Istotnie, jeśli A∈Fτ1, to dla każdego n,

A∩τ2≤n=A∩τ1≤n∩τ2≤n,

i dwa ostatnie przecinane zbiory należą do Fn.

3) Moment zatrzymania τ jest mierzalny względem Fτ. Istotnie,

{τ≤a}∩{τ=n}=∅jeśli ⁢a<n,τ=njeśli ⁢a≥n∈Fn.

4) Załóżmy, że Xtt∈T jest adaptowany do danej filtracji, a τ jest momentem zatrzymania względem tej filtracji spełniającym warunek τ<∞ (jest to tzw. skończony moment stopu. Wówczas zmienna Xτ jest mierzalna względem Fτ. Istotnie,

{Xτ≤a}∩{τ=n}={Xn≤a}∩{τ=n}∈Fn,

jako że oba przecinane zdarzenia należą do Fn.

Przechodzimy do definicji głównych pojęć niniejszego rozdziału.

Definicja 5.4

Załóżmy, że Ω,F,P jest przestrzenią probabilistyczną wyposażoną w filtrację Ftt∈T. Załóżmy, że Xtt∈T jest adaptowanym ciągiem całkowalnych zmiennych losowych. Mówimy, że Xt,Ftt∈T jest

a) martyngałem, jeśli dla wszystkich s,⁢t∈T, s≤t zachodzi E(Xt|Fs)=Xs.

b) nadmartyngałem, jeśli dla wszystkich s,⁢t∈T, s≤t zachodzi E(Xt|Fs)≤Xs.

c) podmartyngałem, jeśli dla wszystkich s,⁢t∈T, s≤t zachodzi E(Xt|Fs)≥Xs.

Jeśli filtracja jest ustalona, to mówimy po prostu, że Xtt∈T jest martyngałem (nad-, pod-), jeśli zachodzą powyższe warunki.

Uwagi:

a) Xt jest martyngałem, wtedy i tylko wtedy, gdy dla dowolnych s,⁢t∈T, s<t, oraz A∈Fs zachodzi

∫AXt⁢d⁢P=∫AXs⁢d⁢P.

Analogicznie dla nad- i podmartyngałów.

b) U nas T=0, 1, 2,⁢…, 1, 2,⁢…, m,⁢m+1,⁢…,⁢n, …,-2,-1, 0.

c) Xt jest martyngałem wtedy i tylko wtedy, gdy jest nad- i podmartyngałem.

d) Xt jest podmartyngałem wtedy i tylko wtedy, gdy -Xt jest nadmartyngałem.

e) Jeśli Xt, Yt są martyngałami względem tej samej filtracji i a,⁢b∈R, to a⁢Xt+b⁢Yt też jest martyngałem. Analogiczny fakt zachodzi dla nad- i podmartyngałów, o ile a,⁢b>0.

f) Jeśli zbiór T jest taki jak w b), to Xtt∈T jest martyngałem wtedy i tylko wtedy, gdy dla wszystkich n∈T takich, że n+1∈T, zachodzi E(Xn+1|Fn)=Xn (analogiczny fakt zachodzi dla nad- i podmartyngałów).

Dowód:

⇒ oczywiste (szczególny przypadek).

⇐ Załóżmy, że m,⁢n∈T, m>n. Wówczas Fn⊆Fm-1, a więc na mocy własności warunkowej wartości oczekiwanej,

E(Xm|Fn)=E(E(Xm|Fm-1)|Fn)=E(Xm-1|Fn),

i dalej przez indukcję.

∎

Przykłady:

1) Załóżmy, że ξ1,⁢ξ2,⁢… są niezależnymi, całkowalnymi zmiennymi losowymi o średniej 0. Niech Xn=ξ1+ξ2+…+ξn i Fn=σ⁢X1,X2,⁢…,Xn, n=1, 2,⁢…. Wówczas Xn,Fnn=1∞ jest martyngałem:

E(Xn+1|Fn)=E(Xn+ξn+1|Fn)=E(Xn|Fn)+E(ξn+1|Fn)=Xn+Eξn+1=Xn.

2) Załóżmy, że X jest całkowalną zmienną losową, Ftt∈T jest filtracją i niech Xt=E(X|Ft) dla t∈T. Wówczas Xt,Ftt∈T jest martyngałem.

Dowód:

Weźmy s,⁢t∈T, s<t. Mamy, na mocy własności warunkowej wartości oczekiwanej,

E(Xt|Fs)=E(E(X|Ft)|Fs)=E(X|Fs)=Xs.
∎

Martyngał taki jak w przykładzie 2) nazywamy prawostronnie domkniętym. Czasami nazywa się tak martyngał wraz z domknięciem: Xt,FtT∪∞, gdzie X∞,F∞=X,F.

Stwierdzenie 5.1

Załóżmy, że Xt,Ftt∈T jest martyngałem, a f:R→R jest funkcją wypukłą taką, że f⁢Xt jest zmienną całkowalną dla każdego t∈T. Wówczas f⁢Xt,Ftt∈T jest podmartyngałem.

Dowód:

Załóżmy, że s,⁢t∈T, s<t. Wówczas, na mocy nierówności Jensena,

E(f(Xt)|Fs)≥f(E(Xt|Fs))=f(Xs).
∎
Wniosek 5.1

Załóżmy, że Xt,Ftt∈T jest martyngałem. Wówczas

a) Jeśli dla pewnego p≥1 mamy, iż Xt∈Lp dla wszystkich t, to Xtp,Ft jest podmartyngałem.

b) Dla dowolnej liczby rzeczywistej a, proces Xt∨a,Ftt∈T jest podmartyngałem. W szczególności, Xt+, Xt- są podmartyngałami.

Twierdzenie 5.1 (Dooba, ,,optional sampling”)

Załóżmy, że Xn,Fnn≥0 jest nadmartyngałem (odp., martyngałem). Załóżmy, że τ1,⁢τ2 są momentami zatrzymania takimi, że τ1≤τ2 i τ2 jest ograniczony. Wówczas mamy E(Xτ2|Fτ1)≤Xτ1 p.n. (odpowiednio, E(Xτ2|Fτ1)=Xτ1 p.n.).

Dowód:

Załóżmy, że τ2≤n. Zauważmy najpierw, iż Xτ1,⁢Xτ2 są całkowalne, gdyż Xτi≤max⁡X1,X2,…,Xn. Zmienna Xτ1 jest mierzalna względem Fτ1, a zatem wystarczy wykazać, że dla każdego A∈Fτ1,

∫AXτ2⁢d⁢P≤∫AXτ1⁢d⁢P

(odpowiednio, z równością w miejscu nierówności w przypadku martyngałowym).

Załóżmy najpierw, że τ2-τ1≤1. Mamy

⁢∫AXτ1-Xτ2⁢d⁢P⁢=∫A∩τ2>τ1Xτ1-Xτ2⁢d⁢P⁢⁢=∑k=0n∫{τ1=k}∩A∩{τ2>k}Xk-Xk+1≥0⁢

(odpowiednio, =0). Ostatnia nierówność bierze się stąd, iż {τ1=k}∩A∩{τ2>k}∈Fk.

Weźmy teraz dowolne τ1≤τ2≤n. Definiujemy τk=max⁡τ1,min⁡τ2,k. Zmienne τk są momentami zatrzymania, a ponadto

τ1=τ0≤τ1≤…≤τn=τ2

oraz τk+1-τk≤1. Zatem dla każdego A∈Fτ1⊆Fτk,

∫AXτ1=∫AXτ0≥∫AXτ1≥∫AXτ2≥…≥∫AXτn=∫AXτ2

(z równościami w przypadku martyngałowym).

∎
Twierdzenie 5.2 (Dooba o zbieżności p.n. nadmartyngałów)

Załóżmy, że proces Xn,Fnn=0,1,2,… jest nadmartyngałem takim, że supn⁡E⁢Xn-<∞. Wówczas ciąg Xn jest zbieżny p.n. do pewnej zmiennej losowej całkowalnej.

Wniosek 5.2

a) Każdy nieujemny nadmartyngał Xn,Fn (tzn. spełniający Xn≥0 p.n. dla wszystkich n) jest zbieżny p.n.

b) Jeśli Xn,Fnn=0,1,2,… jest podmartyngałem spełniającym supn⁡E⁢Xn+<∞, to Xn jest zbieżny p.n.

c) Jeśli Xn,Fnn=0,1,2,… jest nadmartyngałem, to warunek supn⁡E⁢Xn-<∞ jest równoważny warunkowi supn⁡E⁢Xn<∞ (tzn. ograniczoności ciągu Xn w L1).

Dowód wniosku:

a) jest oczywiste, b) wynika wprost z twierdzenia Dooba poprzez przejście do procesu -Xn,Fn, który jest nadmartyngałem. Zajmijmy się dowodem c). Implikacja ⇐ jest oczywista. ⇒ Mamy Xn=Xn++Xn-=Xn+2⁢Xn-, skąd

E⁢Xn=E⁢Xn+2⁢E⁢Xn-≤E⁢X0+2⁢supn⁡E⁢Xn-<∞.
∎

W dowodzie twierdzenia o zbieżności będziemy używać następujących obiektów. Załóżmy, że xnn=1,2,… jest ciągiem liczbowym i niech a<b to ustalone liczby rzeczywiste. Określmy

⁢τ0⁢=inf⁡n:xn<a,⁢τ1⁢=inf⁡n>τ0:xn>b,⁢⁢…⁢⁢τ2⁢k⁢=inf⁡n>τ2⁢k-1:xn<a,⁢τ2⁢k+1⁢=inf⁡n>τ2⁢k:xn>b,⁢⁢…⁢

Liczba τ2⁢k-1 to moment k-tego przejścia w górę ciągu xn przez przedział a,b. Niech teraz

Uab=sup⁡k:τ2⁢k-1<∞jeśli ⁢τ1<∞,0jeśli ⁢τ1=∞

będzie liczbą przejść w górę ciągu xn przez przedział a,b.

Lemat 5.1

Ciąg liczbowy xn jest zbieżny (być może do ±∞) wtedy i tylko wtedy, gdy dla wszystkich a,⁢b∈Q, a<b, mamy Uab<∞.

Dowód:

⇒ Przypuśćmy wbrew tezie, że xn jest zbieżny oraz że istnieją a,⁢b∈Q takie, że a<b oraz Uab=∞. Wówczas znajdziemy nieskończony podciąg zawierający tylko wyrazy mniejsze od a oraz nieskończony podciąg zawierającego wyrazy tylko większe od b. Sprzeczność.

⇐ Załóżmy, że lim inf⁡xn<lim sup⁡xn. Wówczas istnieją a,⁢b∈Q takie, że lim inf⁡xn<a<b<lim sup⁡xn; mamy wówczas Uab=∞.

∎
Lemat 5.2 (nierówność Dooba dla przejść w górę)

Załóżmy, że Xn,Fnn=0m jest nadmartyngałem. Wówczas dla dowolnych a<b,

E⁢Uab≤1b-a⁢E⁢Xm-a-.
Dowód:

Załóżmy, że τj jest ciągiem momentów przejść ciągu Xn przez przedział a,b, i niech Uab będzie łączną liczbą przejść. Widzimy, że τj jest ciągiem momentów zatrzymania (względem filtracji Fn) oraz że Uab jest zmienną losową. Połóżmy τ~j=τj∧m i wprowadźmy zmienne Yk=Xτ~2⁢k+1-Xτ~2⁢k, k=1, 2,⁢…. Z definicji widzimy, iż jeśli 0≤k≤Uab⁢ω-1, to Yk⁢ω>b-a. Ponadto, jeśli k=Uab⁢ω, to

Yk⁢ω=Xm-Xτ~2⁢k=0jeśli ⁢τ2⁢k=∞,≥Xm-ajeśli ⁢τ2⁢k<∞≥-Xm-a-.

Wreszcie, jeśli k>Uab⁢ω, to Yk⁢ω=0. Sumując stronami powyższe związki dostajemy

∑k=0mXτ~2⁢k+1-Xτ~2⁢k≥b-a⁢Uab-Xm-a-,

a zatem, biorąc wartość oczekiwaną,

∑k=0mE⁢Xτ~2⁢k+1-Xτ~2⁢k≥b-a⁢E⁢Uab-E⁢Xm-a-.

Lewa strona jest niedodatnia, na mocy twierdzenia Dooba (optional sampling); dostajemy zatem żądaną nierówność.

∎
Dowód twierdzenia o zbieżności nadmartyngałów

Ustalmy a,⁢b∈Q, a<b. Niech Uab⁢m będzie łączną liczbą przejść nadmartyngału Xnn=1m w górę przez przedział a,b. Mamy Uab⁢m↑Uab. Na mocy drugiego z powyższych lematów,

⁢E⁢Uab⁢m⁢≤1b-a⁢E⁢Xm-a-≤1b-a⁢E⁢Xm+a⁢⁢≤1b-a⁢sup⁡E⁢Xm+a<∞.

Zatem, na mocy twierdzenia Lebesgue'a, E⁢Uab<∞, skąd Uab<∞ p.n. Zatem

P∀a,b∈Q,⁢a<bUab<∞=1

i na mocy pierwszego z powyższych lematów, ciąg Xn jest zbieżny p.n. Pozostaje tylko wykazać, że granica jest całkowalna; wynika to natychmiast z lematu Fatou:

E⁢limn⁡Xn=E⁢limn⁡Xn≤lim inf⁡E⁢Xn≤supn⁡E⁢Xn<∞.
∎
Twierdzenie 5.3 (Nierówność maksymalna dla nadmartyngałów)

Załóżmy, że Xn,Fnn=0,1,2,… jest nadmartyngałem. Wówczas dla każdego λ>0,

Psupn⁡Xn≥λ≤K⁢supn⁡E⁢Xnλ,

przy czym można wziąć K=1, jeśli nadmartyngał jest nieujemny (tzn. zmienne losowe X0,⁢X1,⁢… są nieujemne p.n.), niedodatni, bądź jest martyngałem. W przypadku ogólnym nierówność zachodzi z K=3.

Dowód:

Zauważmy, iż wystarczy szacować Psupn⁡Xn>λ, przez proste przejście graniczne. Mamy

P(supn|Xn|>λ)≤P(supnXn>λ)+P(infnXn<-λ).

Zajmiemy się oddzielnie prawdopodobieństwami występującymi po prawej stronie.

a) Niech τ=inf⁡n:Xn>λ. Na mocy twierdzenia Dooba (optional sampling),

EX0≥EXτ∧n=∫{τ≤n}Xτ+∫{τ>n}Xn≥λP(maxk≤nXk>λ)-∫{τ>n}Xn-.

Stąd

λ⁢Pmaxk≤n⁡Xk>λ≤E⁢X0+∫{τ>n}Xn-≤E⁢X0+supn⁡E⁢Xn.

Stąd teza (gdy weźmiemy n→∞) gdy Xn jest nieujemny.

b) Rozważmy moment zatrzymania τ~=inf⁡n:Xn<-λ. Z twierdzenia Dooba,

EXn≤EXτ~∧n=∫{τ~≤n}Xτ~+∫{τ~>n}Xn≤-λP(mink≤nXk<-λ)+∫{mink≤nXk≥-λ}Xn,

skąd

λ⁢Pmink≤n⁡Xk<-λ≤-∫{mink≤nXk<-λ}Xn≤supn⁡E⁢Xn-. (**)

Stąd teza, gdy nadmartyngał jest niedodatni. Ponadto, jeśli Xn jest martyngałem, to stosujemy powyższą nierówność do niedodatniego nadmartyngału -Xn,Fn.

W ogólnym przypadku, wystarczy zsumować dwie końcowe nierówności pochodzące z a) i b), dostać nierówność ze stałą 3.

∎

Jeśli Xn jest podmartyngałem, to stosując (**) dla -Xn dostajemy

Wniosek 5.3

Załóżmy, że Xn,Fnn=0m jest podmartyngałem. Wówczas dla λ>0,

Pmaxn≤m⁡Xn>λ≤1λ⁢∫{maxn≤mXn>λ}Xn.
Twierdzenie 5.4 (Nierówność maksymalna Dooba)

Załóżmy, że Xn,Fnn≥0 jest martyngałem spełniającym warunek Xn∈Lp, n=0, 1, 2,⁢… dla pewnego p>1. Wówczas

supn⁡Xnp≤pp-1⁢supn⁡Xnp.
Dowód:

Niech Yn=maxk≤n⁡Xk, k=0, 1, 2,…. Mamy, stosując poprzedni wniosek do podmartyngału Xk,Fkk=0,1,2,…,n, dostajemy

EYnp=p∫0∞λp-1P(Yn>λ)dλ≤p∫0∞λp-11λ∫{Yn>λ}|Xn|dPdλ=p∫0∞∫Ωλp-21{Yn>λ}|Xn|dPdλ=p∫Ω∫0Ynλp-2|Xn|dλdP=pp-1∫Ω|Xn|Ynp-1dP≤pp-1||Xn||p||Yn||pp-1/p.

Dzieląc obustronnie przez Ynpp-1/p (jeśli ta liczba jest zerem, to otrzymana poniżej nierówność także jest prawdziwa) dostajemy

Ynp≤pp-1⁢Xnp≤pp-1⁢supk⁡Xkp

i wystarczy zbiec z n→∞.

∎
Twierdzenie 5.5 (Zbieżność martyngałów w L1)

Załóżmy, że Xn,Fnn≥0 jest martyngałem. następujące warunki są równoważne.

a) rodzina Xn:n=0, 1, 2,⁢… jest jednostajnie całkowalna.

b) Xn jest zbieżny w L1.

c) Istnieje zmienna losowa X∈L1 taka, że Xn=E(X|Fn), n=0, 1, 2,⁢… (czyli martyngał jest prawostronnie domknięty).

Co więcej, jeśli te warunki są spełnione, to Xn jest zbieżny p.n. do

X∞=E(X|σ(⋃nFn)) (*)

i X∞ jest jedyną zmienną losową mierzalną względem σ-ciała σ⁢⋃nFn taką, że Xn=E(X∞|Fn), n=0, 1, 2,⁢….

Wniosek 5.4 (Twierdzenie Levy'ego)

Jeśli X∈L1 oraz Fn jest filtracją, to

E(X|Fn)p.n. i w ⁢L1→E[X|σ(⋃nFn)].
Dowód twierdzenia o zbieżności

a)⇒b) Na mocy jednostajnej całkowalności dostajemy, iż supn⁡E⁢Xn<∞. Zatem na mocy twierdzenia Dooba martyngał Xn jest zbieżny p.n., a zatem także według prawdopodobieństwa. łącząc to z jednostajną całkowalnością dostajemy zbieżność w L1.

b)⇒c) Załóżmy, że Xm→X∞ w L1. Dla ustalonego n i m>n mamy E(Xm|Fn)=Xn. Z drugiej strony, E(Xm|Fn)→E(X∞|Fn) w L1, gdyż operator warunkowej wartości oczekiwanej jest kontrakcją w L1: istotnie,

||E(Xm|Fn)-E(X∞|Fn)||1≤||Xm-X∞||1→0.

Stąd E(X∞|Fn)=Xn.

c)⇒ a) Pozostawiamy jako ćwiczenie.

Pozostaje wykazać drugą część twierdzenia. Wiemy już, że warunki a), b), c) pociągają za sobą, iż Xn=E(X∞|Fn), n=0, 1, 2,⁢… (gdzie X∞ jest granicą, w sensie zbieżności w L1 i p.n., martyngału Xn). Oczywiście X∞ jest mierzalna względem σ⁢⋃nFn. Przypuśćmy teraz, że Y jest całkowalną zmienną losową, mierzalną względem tego σ-ciała, dla której Xn=E(Y|Fn), n=0, 1, 2,⁢…. Zatem E(X∞|Fn)=E(Y|Fn), skąd dla dowolnego n i dowolnego A∈Fn,

∫AX∞⁢d⁢P=∫AY⁢d⁢P.

Klasa ⋃nFn jest π-układem. Klasa tych zbiorów A, dla których zachodzi powyższa równość, jest λ-układem. Z lematu o π-λ układach mamy, iż powy'rsza równo'sć całek zachodzi dla dowolnego A∈σ⁢⋃nFn. Na mocy mierzalności X∞ oraz Y względem tego σ-ciała, mamy, iż X∞=Y p.n.

Wreszcie, pozostaje udowodnić równość (*). Jeśli Xn=E(X|Fn), to

Xn=E[Xn|σ(⋃nFn)]=E[E(X|Fn)|σ(⋃nFn)]=E[E(X|σ(⋃nFn))|Fn].

Na mocy powyższych rozważań o jednoznaczności, dostajemy (*). Dowód jest zakończony.

∎
Wniosek 5.5 (Prawo 0-1 Kołmogorowa)

Załóżmy, że X1, X2, … są niezależnymi zmiennymi losowymi i Fn=σ⁢X1,X2,…,Xn dla n≥1. Wówczas jeśli A∈⋂n=0∞σ⁢Xn+1,Xn+2,…, to P⁢A∈0,1.

Dowód

Oczywiście 1A jest mierzalne względem σ-ciała σ⁢⋃n=1∞Fn. Zatem na mocy twierdzenia Levy'ego,

E(1A|Fn)p.n. i w ⁢L1→E[1A|σ(⋃n=1∞Fn)]=1A.

Ale z drugiej strony 1A jest niezależne od Fn, bo A∈σ⁢Xn+1,Xn+2,…, a to σ-ciało jest niezależne od Fn. Stąd

E(1A|Fn)=E1A=P(A)→1A,

a zatem P⁢A=0 lub 1.

∎

Zajmiemy się teraz zbieżnością w Lp dla p>1.

Twierdzenie 5.6

Załóżmy, że Xn,Fnn=0,1,2,… jest martyngałem i p>1. Następujące warunki są równoważne.

a) sup⁡E⁢Xnp<∞.

b) Rodzina Xnpn jest jednostajnie całkowalna.

c) Martyngał Xn jest zbieżny w Lp.

d) Istnieje X∈Lp taka, że Xn=E(X|Fn).

Jeśli te warunki są spełnione, to Xn jest zbieżny p.n. do zmiennej losowej X∞=E(X|σ(⋃nFn)).

a)⇒b) Wiemy, że E⁢sup⁡Xnp≤pp-1p⁢supn⁡E⁢Xnp<∞, czyli sup⁡Xnp∈L1, skąd dostajemy b) (istnienie majoranty całkowalnej).

b)⇒c) Mamy, iż

supn⁡E⁢Xn≤supn⁡E⁢Xnp1/p<∞,

a zatem na mocy twierdzenia Dooba o zbieżności nadmartyngałów, Xn jest zbieżny p.n.. Dokładając jednostajną całkowalność dostajemy c).

c)⇒d) Mamy Xn→X∞ w Lp. Przy ustalonym n oraz m>n, E(Xm|Fn)=Xn. Ponieważ E(⋅|Fn) jest kontrakcją w Lp, więc E(X∞|Fn)=Xn.

d)⇒a) Mamy

E|Xn|p=E|E(X|Fn)|p≤E(E(|X|p|Fn))=E|X|p<∞.
∎

5.1. Zadania

1. Załóżmy, że Fn jest filtracją, a Xn jest ciągiem zmiennych losowych adaptowanych do tej filtracji. Niech B będzie podzbiorem borelowskim R.

a) Udowodnić, że τ1=inf⁡n:Xn+n∈B jest momentem zatrzymania.

b) Udowodnić, że dla dowolnego momentu zatrzymania τ, zmienna τ2=inf⁡n>τ:Xn∈B też jest momentem zatrzymania.

2. Dany jest ciąg Xnn=110 niezależnych zmiennych losowych o rozkładzie PXn=-1=PXn=1=1/2. Niech

τ=inf⁡n>1:Xn>Xn-1,⁢σ=sup⁡n≥1:Xn>Xn-1

(przyjmujemy inf⁡∅=sup⁡∅=∞). Czy τ, σ są momentami zatrzymania?

3. Zmienne τ, σ są momentami zatrzymania względem filtracji Fnn=0,1,2,…. Czy zmienne τ2, τ+1, τ+σ, τ-1, τ∧2⁢σ są momentami zatrzymania?

4. Dany jest ciąg ξn niezależnych zmiennych losowych o tym samym rozkładzie Pξn=-1=Pξn=1=1/2. Niech X0=0 i Xn=ξ1+ξ2+…+ξn dla n≥1. Niech Fn będzie naturalną filtracją generowaną przez ciąg Xn.

a) Udowodnić,że Xn oraz Xn2-n są martyngałami.

b) Wyznaczyć taką wartość parametru a, by ciąg an⁢cos⁡Xn był martyngałem.

c) Udowodnić, że dla λ>0, ciąg exp⁡λ⁢Xn-λ2⁢n/2 jest nadmartyngałem.

5. Załóżmy, że Xnn=0∞ jest ciągiem niezależnych zmiennych loswych o tym samym rozkładzie o średniej 0. Niech Z0=0, Zn=X0⁢X1+X1⁢X2+…+Xn-1⁢Xn dla n≥1. Udowodnić, że ciąg Zn jest martyngałem.

6. Dany jest ciąg Xn adaptowany do filtracji Fn. Udowodnić, że ciąg Xn jest martyngałem wtedy i tylko wtedy gdy dla każdego ograniczonego momentu zatrzymania τ zachodzi równość E⁢Xτ=E⁢X0.

7. Dany jest martyngał Xn,Fnn=0,1,2,… oraz moment zatrzymania τ. Udowodnić, że Xτ∧n,Fn też jest martyngałem.

8. Egzaminator przygotował m zestawów pytań. Studenci kolejno losują kartki z pytaniami, przy czym zestaw raz wyciągnięty nie wraca do ponownego losowania. tudent nauczył się odpowiedzi na k zestawów k≤m. Obserwując przebieg egzaminu chce przystąpić do niego w takim momencie, żeby zmaksymalizować szanse zdania. Czy istnieje strategia optymalna?

9. Gramy w orła i reszkę symetryczną monetą. Przed n-tą grą, opierając się ewentualnie na wynikach poprzednich gier, sami ustalamy stawkę w n-tej grze: wybieramy Vn, 1≤Vn≤a, i jeśli wypadnie orzeł dostajemy Vn zł, jeśli reszka - płacimy Vn zł. Niech Sn oznacza łączną wygraną po n grach. Udowodnić, że Snn jest martyngałem (względem naturalnej filtracji).

10. Mamy 10 zł w monetach 1 zł, a potrzebujemy pilnie 20 zł. Jedynym sposobem zdobycia tych pieniędzy jest gra w 3 karty z szulerem (który wygrywa z prawdopodobieństwem 2/3). Szuler gotów jest grać z nami wiele razy o dowolne stawki, jakie jesteśmy w stanie założyć (przyjmijmy dla uproszczenia, że stawka nie przekracza 10 zł). Udowodnić, że niezależnie od wyboru strategii nasze szanse na uzyskanie brakujących 10 zł nie przekraczają 1/3.

11. (Tożsamość Walda). Dany jest ciąg Xn całkowalnych zmiennych losowych o tym samym rozkładzie, adaptowany do filtracji Fnn=1,2,…, taki, że zmienna Xn+1 jest niezależna od Fn. Udowodnić, że dla dowolnego momentu zatrzymania τ takiego, że E⁢τ<∞, zachodzi wzór

E⁢X1+X2+…+Xτ=E⁢X1⋅E⁢τ.

12. Załóżmy, że X1,⁢X2,⁢… są niezależnymi zmiennymi losowymi o średniej 0, spełniającymi warunek ∑n=1∞Var⁢Xn<∞. Udowodnić, że szereg ∑n=1∞Xn jest zbieżny p.n.

W zadaniach 13 - 17 poniżej rozpatrujemy ciąg X1, X2, … niezależnych zmiennych losowych o rozkładzie PXn=1=p=1-PXn=-1, i oznaczamy S0=0, Sn=X1+X2+…+Xn dla n≥1. Dla a,⁢b∈Z, a,⁢b>0, niech τa=inf⁡n:Sn=a oraz τa,b=inf⁡n:Sn∈-a,b.

13. Załóżmy, że p=1/2 i niech τ=τa,b. Korzystając z teorii martyngałów obliczyć PSτ=-a, PSτ=b oraz E⁢τ.

14. Rozwiązać zadanie 13 przy założeniu 1/2<p<1.

15. Udowodnić, że E⁢τa=∞.

16. Załóżmy, że p=1/2 oraz τ jest całkowalnym momentem zatrzymania. Udowodnić, że E⁢Sτ=0 oraz E⁢Sτ2=E⁢τ.

17. Zbadać zbieżność p.n. oraz w Lp nadmartyngału exp⁡Sn-n/2n=0∞ (por. zadanie 4 c)).

18. Zmienne X1, X2, …, są niezależne i mają ten sam rozkład skoncentrowany na liczbach nieujemnych, różny od δ1, o średniej 1. Udowodnić, że ciąg X1⁢X2⁢…⁢Xn jest zbieżny p.n., ale nie jest zbieżny w L1.

19. W pojemniku znajduje się pewna liczba cząstek, z których każda w chwili n z równym prawdopodobieństwem albo dzieli się na dwie, albo ginie. W chwili 0 liczba cząstek wynosi 1. Udowodnić, że z prawdopodobieństwem 1 po pewnym czasie wszystkie cząstki zginą, tzn. w pojemniku nie będzie ani jednej cząstki.

Treść automatycznie generowana z plików źródłowych LaTeXa za pomocą oprogramowania wykorzystującego LaTeXML.

Projekt współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego.

Projekt współfinansowany przez Ministerstwo Nauki i Szkolnictwa Wyższego i przez Uniwersytet Warszawski.