[확률적분] 3. 조건부기댓값, 마팅게일
(Ω,F,P)를 고정된 확률공간이라 하자. 1≤p<∞에 대하여 Lp(Ω)를 E(|X|p)<∞인 확률변수 X들의 공간이라고 하면, 이 공간은 다음의 노름을 갖는 바나흐공간이다.‖특히 L^{2}(\Omega)는 힐베르트공간이고, 여기서는 노름이 \|X\|_{1}=E(|X|)인 L^{1}(\Omega)공간에 대해 다룰 것이고, 가끔 \sigma-체 \mathcal{F}를 강조하기 위해 L^{1}(X,\,\mathcal{F})로 나타낼 것이다.
\mathcal{G}를 \mathcal{F}의 부분 \sigma-체, X\in L^{1}(\Omega)라 하고, \mathcal{G}에서의 실함수 \mu를 다음과 같이 정의하자.\mu(A)=\int_{A}{X(\omega)dP(\omega)},\,A\in\mathcal{G}이때 모든 A\in\mathcal{G}에 대하여 \displaystyle|\mu(A)|\leq\int_{A}{|X|dP}\leq\int_{\Omega}{|X|dP}=E(|X|)이고 \mu는 다음의 세 조건들을 만족한다.
(a) \mu(\phi)=0
(b) 서로소인 A_{n}\in\mathcal{G}\,(n\in\mathbb{N})들에 대해 \displaystyle\mu\left(\bigcup_{n=1}^{\infty}{A_{n}}\right)=\sum_{n=1}^{\infty}{\mu(A_{n})}
(c) P(A)=0이고 A\in\mathcal{G}이면, \mu(A)=0이다.
조건 (a), (b)를 만족하는 함수 \mu:\mathcal{G}\,\rightarrow\,\mathbb{R}을 (\Omega,\,\mathcal{G})에서의 부호측도(signed measure)라고 한다. 부호측도 \mu가 P에 대해 절대연속(absolutely continuous)이라는 것은 조건 (c)가 성립하는 것이다. 그러므로 앞에서 정의된 함수 \mu는 (\Omega,\,\mathcal{G})에서 부호측도이고, P에 대해 절대연속이다.
부호측도 \mu에 라돈-니코딤 정리를 적용하면 \mathcal{G}- 가측함수 Y를 얻고 E(|Y|)<\infty이며 다음이 성립한다.\mu(A)=\int_{A}{Y(\omega)dP(\omega)},\,\forall A\in\mathcal{G}\tilde{Y}를 또다른 이러한 확률변수라 하자. 즉 \mathcal{G}-가측이고 E(|\tilde{Y}|)<\infty이며 다음이 성립한다.\mu(A)=\int_{A}{\tilde{Y}(\omega)dP(\omega)},\,\forall A\in\mathcal{G}그러면 모든 A\in\mathcal{G}에 대하여 \displaystyle\int_{A}{(Y-\tilde{Y})dP}=0이고 이것은 Y=\tilde{Y}\,a.s.를 뜻한다.
앞의 결과들은 조건부기댓값이 존재하고 유일함을 보여준다.
X\in L^{1}(\Omega,\,\mathcal{F}), \mathcal{G}를 \mathcal{F}의 부분 \sigma-체 라고 하자. \mathcal{G}에서의 X의 조건부기댓값(conditional expectation)은 다음의 조건들을 만족하는 유일한 확률변수 Y로 정의된다.
(1) Y는 \mathcal{G}-가측이다.
(2) 모든 A\in\mathcal{G}에 대하여 \displaystyle\int_{A}{XdP}=\int_{A}{YdP}이다.
\mathcal{G}에서의 X의 조건부기댓값을 E(X|\mathcal{G})로 나타낸다. 주의할 점은 \mathcal{G}-가측성인 조건 (1)은 중대한 필수조건이다. 만약 조건 (1)이 없다면 조건 (2)를 만족하는 Y=X를 선택할 수 있으나 앞의 정의가 의미없게 된다(지수함수의 밑이 1인 경우와 비슷하다). 조건부기댓값 E(X|\mathcal{G})는 주어진 정보 \mathcal{G}에서 X의 최선의 추측을 나타낸다.
\mathcal{G}=\{\emptyset,\,\Omega\}, X\in L^{1}(\Omega), Y=E(X|\mathcal{G})라 하자. Y가 \mathcal{G}-가측이므로 Y는 상수이어야 한다. 즉 Y=c라 하자. 그러면 조건부기댓값의 정의의 조건 (2)에서 A=\Omega라고 하면\int_{\Omega}{XdP}=\int_{\Omega}{YdP}=c이어야 하고 따라서 c=E(X)이고 E(X|\mathcal{G})=E(X)이다. 이 결론은 직관적으로 분명한데 \sigma-체 \mathcal{G}=\{\phi,\,\Omega\}에는 정보가 없기 때문에 X의 최선의 추측은 그 기댓값이다.
\displaystyle\Omega=\bigcup_{n=1}^{\infty}{A_{n}}을 서로소인 합집합이고 P(A_{n})>0, \mathcal{G}=\sigma\{A_{1},\,A_{2},\,...\} 즉 A_{n}들로 생성되는 \sigma-체, X\in L^{1}(\Omega), Y=E(X|\mathcal{G})라 하자. Y는 \mathcal{G}-가측이므로 상수이어야 하고, 이를 A_{n}에서 c_{n}이라 하자. 조건부기댓값의 정의의 조건 (2)에서 A=A_{n}이라고 하면 c_{n}이 상수이므로 \displaystyle c_{n}P(A_{n})=\int_{A_{n}}{XdP}이고 따라서 E(X|\mathcal{G})는 다음과 같다.E(X|\mathcal{G})=\sum_{n=1}^{\infty}{\left(\frac{1}{P(A_{n})}\int_{A_{n}}{XdP}\right)\mathbb{1}_{A_{i}}}여기서 \mathbb{1}_{A_{i}}는 A_{n}의 특성함수이다.
Z를 이산확률변수로 값 a_{1},\,a_{2},\,...를 갖는다고 하자. \sigma(Z)를 Z에 의해 생성되는 \sigma-체라고 하면\sigma(Z)=\sigma(A_{1},\,A_{2},\,...)\,(A_{n}=\{\omega\,|\,Z(\omega)=a_{n}\})이고 X\in L^{1}(\Omega)라고 하자. 그러면 앞에서처럼 다음과 같이 나타낼 수 있고,E(X|\sigma(z))\sum_{n=1}^{\infty}{\left(\frac{1}{P(A_{n})}\int_{A_{n}}{XdP}\right)\mathbb{1}_{A_{n}}}이 것을 E(X|\sigma(Z))=\theta(Z)로 나타낼 수 있으며 \theta는 다음과 같이 정의되는 함수이다.\theta(x)=\begin{cases}\displaystyle\frac{1}{P(Z=a_{n})}\int_{\{\omega\,|\,Z(\omega)=a_{n}\}}{XdP}&\,(x=a_{n})\\0&\,(x\notin\{a_{1},\,a_{2},\,...\})\end{cases}조건부기댓값 E(X|\mathcal{G})는 확률변수이고, E(X)는 실수이다.
다음은 조건부기댓값의 성질들이다.
(1) E(E(X|\mathcal{G}))=E(X)
(2) X가 \mathcal{G}-가측이면, E(X|\mathcal{G})=X이다.
(3) X와 \mathcal{G}가 독립이면, E(X|\mathcal{G})=E(X)이다.
(4) Y가 \mathcal{G}-가측이고 E(|XY|)<\infty이면, E(XY|\mathcal{G})=YE(X|\mathcal{G})이다.
(5) \mathcal{H}가 \mathcal{G}의 부분 \sigma-체 이면, E(X|\mathcal{H})=E(E(X|\mathcal{G})|\mathcal{H})이다.
증명:
(1): 정의에 의해 다음으로부터 성립한다.E(E(X|\mathcal{G}))=\int_{\Omega}{E(X|\mathcal{G})dP}=\int_{\Omega}{XdP}=E(X)(2): X를 \mathcal{G}-가측이라 하자. X와 E(X|\mathcal{G})가 \mathcal{G}-가측이고, 모든 G\in\mathcal{G}에 대해 다음이 성립하면,\int_{G}{E(X|\mathcal{G})dP}=\int_{G}{XdP}이 두 피적분함수들은 a.s 같고, 따라서 E(X|\mathcal{G})=X이다.
(3): X를 \mathcal{G}와 독립이라고 하자. 임의의 G\in\mathcal{G}에 대하여 \mathbb{1}_{G}와 X는 서로 독립인 확률변수이고\int_{G}{XdP}=E(X\mathbb{1}_{G})=E(X)E(\mathbb{1}_{G})=\int_{G}{E(X)dP}이므로 E(X|\mathcal{G})=E(X)이고 이때 E(X)는 상수이다.
(4): 적당한 E\in\mathcal{G}에 대해 Y=\mathbb{1}_{G}라고 하자. 그러면 임의의 G\in\mathcal{G}에 대해\int_{G}{\mathbb{1}_{E}E(X|\mathcal{G})dP}=\int_{E\cap G}{E(X|\mathcal{G})dP}=\int_{E\cap G}{XdP}=\int_{G}{\mathbb{1}_{E}XdP}이므로 \mathbb{1}_{E}E(X|\mathcal{G})는 이 조건을 만족하고 따라서 Y=\mathbb{1}_{E}\,(E\in\mathcal{G})일 때 E(XY|\mathcal{G})=YE(X|\mathcal{G})가 성립한다. 일반적인 경우, Y=Y^{+}-Y^{-}\,(Y^{+},\,Y^{-}\geq0)이고, Y^{+}와 Y^{-}를 계단함수열의 극한으로 정의할 수 있으므로 이 성질은 일반적인 경우에 대해서도 성립한다.
(5): 모든 G\in\mathcal{G}에 대하여 \displaystyle\int_{G}{E(X|\mathcal{G})dP}=\int_{G}{XdP}이고 모든 H\in\mathcal{H}\subset\mathcal{G}에 대하여 \displaystyle\int_{H}{E(X|\mathcal{H})dP}=\int_{H}{XdP}이므로 H\in\mathcal{H}에 대해 \displaystyle\int_{H}{E(X|\mathcal{G})dP}=\int_{H}{E(X|\mathcal{H})dP}이다. 따라서 E(X|\mathcal{H})는 \mathcal{H}에서의 E(X|\mathcal{G})의 조건부기댓값이고 E(X|\mathcal{H})=E(E(X|\mathcal{G})|\mathcal{H})이다.
조건부기댓값은 적분으로 정의되고, 적분의 성질로부터 다음의 성질들이 성립한다.
(6) X,\,Y\in L^{1}(\Omega)이고 X\leq Y이면, E(X|\mathcal{G})\leq E(Y|\mathcal{G})이다.
(7) |E(X|\mathcal{G})|\leq E(|X|\,|\mathcal{G})
(8) 모든 a,\,b\in\mathbb{R}와 X,\,Y\in L^{1}(\Omega)이면, E(aX+bY|\mathcal{G})=aE(X|\mathcal{G})+bE(Y|\mathcal{G})이다.
* 성질 (7)과 (8)로부터 조건부기댓값 E(\cdot|\mathcal{G})는 L^{1}(\Omega,\,\mathcal{F})에서 L^{1}(\Omega,\,\mathcal{G})로의 유계 선형연산자임을 알 수 있다.
(9) (조건부 파투의 보조정리) X_{n}(\geq0)\in L^{1}(\Omega)\,(n\in\mathbb{N}), \displaystyle\lim_{n\,\rightarrow\,\infty}{X_{n}}\in L^{1}(\Omega)라 하자. 그러면 다음의 부등식이 성립한다.E\left(\lim_{n\,\rightarrow\,\infty}{\inf X_{n}}\mid\,\mathcal{G}\right)\leq\lim_{n\,\rightarrow\,\infty}{\inf E(X_{n}|\mathcal{G})}(10) (조건부 단조수렴정리) 0\leq X_{1}\leq X_{2}\leq\cdots\leq X_{n}\leq\cdots, \displaystyle X=\lim_{n\,\rightarrow\,\infty}{X_{n}}\in L^{1}(\Omega)라 하자. 그러면 다음이 성립한다.E(X|\mathcal{G})=\lim_{n\,\rightarrow\,\infty}{E(X_{n}|\mathcal{G})}(11) (조건부 르베그 지배수렴정리) |X_{n}|\leq Y, Y\in L^{1}(\Omega), \displaystyle X=\lim_{n\,\rightarrow\,\infty}{X_{n}}이 a.s. 존재한다고 하자. 그러면 다음이 성립한다.E(X|\mathcal{G})=\lim_{n\,\rightarrow\,\infty}{E(X_{n}|\mathcal{G})}(12) (조건부 젠센 부등식) X\in L^{1}(\Omega), \phi를 \mathbb{R}상의 볼록함수(x,\,y\in\mathbb{R}와 0\leq\lambda\leq1에 대해 \phi(\lambda x+(1-\lambda)y)\leq\lambda\phi(x)+(1-\lambda)\phi(y)), \phi(X)\in L^{1}(\Omega)라고 하자. 그러면 다음의 부등식이 성립한다.\phi(E(X|\mathcal{G}))\leq E(\phi(X)|\mathcal{G})f\in L^{2}([a,\,b])라 하고 다음의 확률과정을 고려하자.M_{t}=\int_{a}^{t}{f(s)dB(s)}\,a\leq t\leq bM_{t}는 마팅게일임을 보일 것이고, T를 실수 구간 또는 양의 정수들의 집합이라고 하겠다.
T에서의 여과(filtration)는 \sigma-체의 증가집합족 \{\mathcal{F}_{t}\,|\,t\in T\}이다. 확률과정 X_{t},\,t\in T가 \{\mathcal{F}_{t}\,|\,t\in T\}에 적합(adapted)하다는 것은 모든 t에 대하여 X_{t}가 \mathcal{F}_{t}-가측인 것이다.
\sigma-체 \mathcal{F}가 완비(complete)라는 것은 A\in\mathcal{F}이고 P(A)=0이면, 임의의 B\subset A에 대해 B\in\mathcal{F}가 성립하는 것이다.
X_{t}가 여과 \{\mathcal{F}_{t}\}에 적합한 확률과정이고 모든 t\in T에 대해 E(|X_{t}|)<\infty라 하자. X_{t}가 \{\mathcal{F}_{t}\}에 대해 마팅게일(martingale)이라는 것은 T에서의 임의의 s\leq t에 대해 다음이 성립하는 것이다.E(X_{t}|\mathcal{F}_{s})=X_{s}\,a.s.여기서의 여과는 구체적으로 정의되지 않았고, \mathcal{F}_{t}=\sigma(X_{s},\,s\leq t)라고 하면 된다.
마팅게일의 개념은 평균이 0인 독립동일분포열 \{X_{n}\}들의 부분합의 열의 일반화이다. S_{n}=X_{1}+\cdots+X_{n}이라 하자. 그러면 \{S_{n}\}은 마팅게일이다.
열마팅게일(submartingale)과 우마팅게일(supermartingale)은 마팅게일의 정의에서 각각 부등호 \geq, \leq로 대체한 것이다. 즉 T상의 임의의 s\leq t에 대해\begin{align*}E(X_{t}|\mathcal{F}_{s})&\geq X_{s}\,a.s.\,(\text{submartingale})\\E(X_{t}|\mathcal{F}_{s})&\leq X_{s}\,a.s.\,(\text{supermartingale})\end{align*}\{X_{n}\}을 유한한 기댓값을 갖는 독립동일분포 확률변수들의 열이라 하고 S_{n}=X_{1}+\cdots+X_{n}이라 하자. 그러면 E(X_{1})\geq0일 때 \{S_{n}\}은 열마팅게일이고, E(X_{1})\leq0일 때 \{S_{n}\}은 우마팅게일이다.
브라운 운동 B(t)는 마팅게일이다. \mathcal{F}_{t}=\sigma(B(s),\,s\leq t)라 하자. 그러면 임의의 s\leq t에 대하여E(B(t)|\mathcal{F}_{s})=E(B(t)-B(s)|\mathcal{F}_{s})+E(B(s)|\mathcal{F}_{s})이고 B(t)-B(s)는 \mathcal{F}_{s}와 독립이므로 E(B(t)-B(s)|\mathcal{F}_{s})=E(B(t)-B(s))이다. 그러나 임의의 t에 대하여 E(B(t))=0이므로 E(B(t)-B(s)|\mathcal{F}_{s})=0이고 반면에 B(s)는 \mathcal{F}_{s}-가측이므로 E(B(s)|\mathcal{F}_{s})=B(s)이다. 따라서 임의의 s\leq t에 대해 E(B(t)|\mathcal{F}_{s})=B(s)이고 이것은 B(t)가 마팅게일임을 입증한다.
f\in L^{2}([a,\,b])라 하자. 그러면 확률과정M_{t}=\int_{a}^{t}{f(s)dB(s)}\,a\leq t\leq b는 \mathcal{F}_{t}=\sigma(B(s),\,s\leq t)에 대해 마팅게일이다.
증명: M_{t}의 조건부기댓값을 정의하기 위해 모든 t\in[a,\,b]에 대해 E(|M_{t}|)<\infty임을 보여야 한다.E(|M_{t}|^{2})=\int_{a}^{t}{|f(s)|^{2}ds}\leq\int_{a}^{b}{|f(s)|^{2}ds}이므로 E(|M_{t}|)\leq\sqrt{E(|M_{t}|^{2})}<\infty이다. 다음으로 모든 s\leq t에 대하여 E(M_{t}|\mathcal{F}_{s})=M_{s}가 성립함을 보여야 한다.M_{t}=M_{s}+\int_{s}^{t}{f(u)dB(u)}이고 M_{s}는 \mathcal{F}_{s}-마팅게일이다. 따라서E(M_{t}|\mathcal{F}_{s})=M_{s}+E\left(\int_{s}^{t}{f(u)dB(u)}|\,\mathcal{F}_{s}\right)이고 따라서 임의의 s\leq t에 대해 다음이 성립함을 보이면 된다.E\left(\int_{s}^{t}{f(u)dB(u)}|\mathcal{F}_{s}\right)=0f를 계단함수 \displaystyle f=\sum_{i=1}^{n}{a_{i}\mathbb{1}_{[t_{i-1},\,t_{i})}}\,(t_{0}=s,\,t_{n}=t)라 하자. 이 경우\int_{s}^{t}{f(u)dB(u)}=\sum_{i=1}^{n}{a_{i}\{B(t_{i})-B(t_{i-1})\}}B(t_{i})-B(t_{i-1})\,(i=1,\,...,\,n)들은 모두 \sigma-체 \mathcal{F}_{s}와 독립이고 따라서 모든 i에 대해 E(B(t_{i})-B(t_{i-1})|\mathcal{F}_{s})=0이므로 f가 계단함수일 때 성립한다.
다음으로 f\in L^{2}([a,\,b])라 하자. L^{2}([a,\,b])에서 f로 수렴하는 계단함수열 \{f_{n}\}을 고르자. 그러면 조건부 젠센 부등식에서 \phi(x)=x^{2}라 하면 다음의 부등식을 얻고|E(X|\mathcal{F})|\leq E(X^{2}|\mathcal{F})이 부등식은 다음을 뜻한다.\left|E\left(\int_{s}^{t}{\{f_{n}(u)-f(u)\}dB(u)}\right)|\mathcal{F}_{s}\right|\leq E\left(\left(\int_{s}^{t}{\{f_{n}(u)-f(u)\}dB(u)}\right)^{2}|\mathcal{F}_{s}\right)다음으로 조건부기댓값의 성질 E(E(X|\mathcal{F}))=E(X)을 이용하면 n\,\rightarrow\,\infty일 때 다음이 성립한다.\begin{align*}E\left(\left|E\left(\int_{s}^{t}{\{f_{n}(u)-f(u)\}dB(u)}|\mathcal{F}_{s}\right)\right|^{2}\right)&\leq\int_{s}^{t}{\{f_{n}(u)-f(u)\}^{2}du}\\&\leq\int_{a}^{b}{\{f_{n}(u)-f(u)\}^{2}du}\\&\,\rightarrow\,0\end{align*}따라서 확률변수열 \displaystyle E\left(\int_{s}^{t}{f_{n}(u)dB(u)}|\mathcal{F}_{s}\right)은 L^{2}(\Omega)에서 \displaystyle E\left(\int_{s}^{t}{f(u)dB(u)}|\mathcal{F}_{s}\right)로 수렴한다. L^{2}(\Omega)에서 수렴하면 확률수렴하고, 거의 확실히 수렴하는 부분수열이 존재함을 뜻한다. 따라서 부분수열을 선택함으로써 확률 1로 다음이 성립한다고 할 수 있다.\lim_{n\,\rightarrow\,\infty}{E\left(\int_{s}^{t}{f_{n}(u)dB(u)}|\mathcal{F}_{s}\right)}=E\left(\int_{s}^{t}{f(u)dB(u)}|\mathcal{F}_{s}\right)f_{n}이 계단함수이므로 \displaystyle E\left(\int_{s}^{t}{f_{n}(u)dB(u)}|\mathcal{F}_{s}\right)=0이고 따라서 모든 f\in L^{2}([a,\,b])에 대해 다음이 성립한다.E\left(\int_{s}^{t}{f(u)dB(u)}|\mathcal{F}_{s}\right)=0
참고자료:
Introduction to Stochastic Integration, Hui-Hsiung Kuo, Springer
Measure, Integral and Probability, Capinski, Kopp, Springer
'확률및통계 > 기초 확률적분' 카테고리의 다른 글
[확률적분] 6. 몇 가지 확률적분의 예, 둡의 열마팅게일 부등식 (0) | 2020.05.25 |
---|---|
[확률적분] 5. 확률적분 (0) | 2020.05.21 |
[확률적분] 4.확률적분의 배경, 브라운운동의 여과 (0) | 2020.05.20 |
[확률적분] 2. 브라운 운동, 위너적분 (0) | 2020.05.18 |
[확률적분] 1. 적분과 랜덤워크 (0) | 2020.05.17 |