1) Процессы с независимыми приращениями
ОПР: Процесс x(t) называется процессом с независимыми приращениями, если для
" возрастающих моментов времени СВ приращения:
- являются нез.
Примеры: пуассоновский и броуновский процессы
2) Марковские процессы
ОПР: s-алгеброй прошлого к моменту времени t называется s-алгебра: =:
где x(s), s Î [0,T] - процесс
ОПР: s-алгебра настоящего - s-алгебра, порожденная СВ x(t): s(x(t)) =:
ОПР: s-алгебра будущего - s-алгебра: =:
ОПР: СП x(t) называется марковским, если для " настоящего момента времени t и
" множеств А Î и В Î : - условная независимость
прошлого от будущего (при условии настоящего)
3) Мартингалы
Свойства условного мат.ожидания (отн-но s-алгебры А): , x - А-изм., СÎА
1) линейность:
2) пусть x не зависит от А (" измеримая отн-но А – СВ h - не зависит от x):
3) пусть x, h - СВ и x измеримо отн-но А: Þ при h º 1
4) есть две s-алгебры M Ì A Ì F, (M - более бедная): E {x½M } = E { E {x½A}½M }
(W,F, Р), - возрастающий поток s-алгебр, в любой момент времени s < t, s, t Î T:
|
|
ОПР: x(t), t Î T называется мартингалом, если
(1) конечность моментов + согласованность: " t , процесс x(t) - измерим
(2) " s < t, где s, t Î T п.н. (с вер-тью 1) – усредняя значение процесса в будущем отн-но некоторой s-алгебры прошлого, получаем значение процесса в прошлом.
ОПР: x(t), t Î T называется субмартингалом, если
(1) конечность моментов + согласованность
(2) " s < t, где s, t Î T п.н. (с вероятностью 1)
ОПР: x(t), t Î T называется супермартингалом, если
(1) конечность моментов + согласованность
(2) " s < t, где s, t Î T п.н. (с вероятностью 1)
Примеры: - мартингал – сумма н.о.р. СВ с 0-ым м/о,
- субмартингал – квадрат суммы н.о.р. СВ с 0-ым м/о
4) Гауссовские случайные процессы
ОПР: процесс x(t), t Î T называется гауссовским, если все его КМР есть гауссовские, т.е.
случайный вектор , - гауссовские
УТВ: процесс называется гауссовским, если линейные комбинации любых его наборов есть одномерные гауссовские величины.
УТВ: гауссовские величины выдерживают предельный переход: интеграл от гауссовского процесса – есть гауссовский процесс.
5) Стационарные случайные процессы
ОПР: процесс x(t), t Î T – стационарный в узком смысле, если его КМР не зависят от сдвига параметра, не выходящего за пределы параметрического множества, т.е:
и " t: + t Î T ® - не зависят от t.
Характеристики СП:
(1) независимость от сдвига (МО не зависит от времени): - const
(2) функция ковариаций зависит только отразности: R(s, t) = R(t - s)
ОПР: процесс x(t), t Î T – стационарный в широком смысле, если
(1) " t Î T - конечны дисперсии
(2) выполнены (1) и (2) выше (см. характеристики СП)
|
|