Processing math: 37%

반응형

1-9 콜모고로프 정리



T=[a,b]에서 정의된 모든 실함수들의 집합을 RT로 나타내자. nN이라 하고 at1<<tnb, j=1,...,n에 대해 αjβj일 때 I를 다음과 같은 집합(RT에서의 구간)들의 집합족이라 하자.I={fRT|αj<f(tj)βj,j=1,...,n}그러면 I는 반대수가 된다. FI에 의해 생성되는 σ대수라 하자. 즉 F=σ(I). (Ω,A,P)가 확률공간일 때 확률과정 x:T×ΩR를 사용해 함수공간 R에 측도를 도입하려고 한다. 집합함수 μI에서 다음과 같이 정의한다.μ(I)=P({ωΩ|αj<x(tj,ω)βj,j=1,...,n})=P({ωΩ|x(,ω)I})x(t1,),...,x(tn,)(Ω,A,P)에서 확률변수이므로 μ(I)는 잘 정의된다. 확률측도 P가 가산가법적이므로 μ도 가산가법적이다. 

카라테오도리 확장방법을 이용해 μF=σ(I)에서의 확률측도로 확장한다. 즉 확률과정 x로부터 함수공간 RT에서의 σ대수 F에 확률측도 μ를 도입했다.

역으로 (RT,F)에서 정의된 확률측도 μ를 가지고 확률과정 x를 다음과 같이 만들 수 있다. 

(Ω,A,P)=(RT,F,μ)로 놓고 x:T×RTRx(t,f)=f(t)로 정의하면, 모든 tT에 대해 x(t,)는 확률변수이므로 x는 확률과정이다.

(RT,F,μ)를 가지고 위에서처럼 확률과정 x를 얻고, 이 확률과정 x를 이용해 (RT,F)에 확률측도를 도입하면, 이 측도공간은 (RT,F,μ)와 일치한다. 반면에 확률과정 x:T×ΩR를 가지고 확률측도공간 (RT,F,μ)를 얻고, 이 확률측도 μ를 가지고 확률과정 x0를 얻는다면, x0x와 관계가 되지만 일치하지 않는다. 실제로 ΩT에서 정의되는 함수들의 공간이나 RT보다 훨씬 작다(예: Ω=C0([a,b])). 

확률과정 x가 주어지고, 따라서 확률측도 μ(RT,F)에 주어졌다고 하자. 주어진 유한수열 t1,...,tn[a,b](ti가 증가하는 순서일 필요는 없다)에 대해 집합함수 μ(t1,...,tn)Rn에서의 구간에 대해 다음과 같이 정의한다.μ(t1,...,tn)((α1,β1]××(αn,βn])=μ({fRT|αj<f(tj)βj,j=1,...,n})그러면 μ는 다음의 두 성질들을 만족한다.

σ{1,...,n}에서의 임의의 치환(permutation)일 때μ(tσ(1),...,tσ(n))((ασ(1),βσ(1)]××(ασ(n),βσ(n)])=μ(t1,...,tn)((α1,β1]××(αn,βn])μ(t1,...,tn,t)((α1,β1]××(αn,βn]×(,])=μ(t1,...,tn)((α1,β1]××(αn,βn])또한 μ(t1,...,tn)Rn의 구간들의 반대수 위에서 가산가법적이므로 μ(t1,...,tn)은 이 구간들에 의해서 생성되는 σ대수 B(Rn)에서의 측도로 확장된다. 이 측도들의 집합을 μ의 유한차원분포(finite dimensional distribution)라고 한다. 

(RT,F,μ)가 주어졌을 때, 유한수열 t1,...,tn[a,b]B(Rn)에서의 확률측도 μ(t1,...,tn)에 대응시키는 대응관계를 얻고, 이 측도는 일관성 조건(위의 두 식 μ(tσ(1),...,tσ(n))μ(t1,...,tn,t))을 만족한다.


보조정리 1.81 GX의 부분집합들의 대수, μ:G[0,)가 다음의 조건을 만족한다고 하자.

(1) μ(X)=1

(2) μ는 유한가법적이다.

(3) GiG, G1G2, n=1Gn=이면, lim이다.

그러면 \mu\mathcal{G}에서 가산가법적이다. 

증명: 생략


정리 1.82 (콜모고로프의 일관성 정리, Kolomogov's consistency theorem) 임의의 유한수열 t_{1},\,...,\,t_{n}\in[a,\,b]에 대해 \mathcal{B}(\mathbb{R}^{n})에서의 확률측도 \mu(t_{1},\,...,\,t_{n})이 존재해서 위의 일관성 조건에 대한 두 식들을 만족한다고 하자. 그러면 (\mathbb{R}^{T},\,\mathcal{F})에 확률측도 \mu가 존재하고, \mu의 유한차원분포는 가정에서 주어진 \mu(t_{1},\,...,\,t_{n})이다. 

증명: 생략


아인슈타인과 위너에 의해 제시된 유한차원 보렐측도에 대해 콜모고로프의 일관성 정리를 적용해 (\mathbb{R}^{T},\,\mathcal{F})에 가산가법적인 측도 w(a version of Wiener process)를 얻을 수 있다. 이 과정을 설명하자면 다음과 같다.

a<t_{1}<\cdots<t_{n}\leq b일 때, B\in\mathcal{B}(\mathbb{R}^{n})에 대해\mu(t_{1},\,...,\,t_{n})(B)=\int_{B}{W_{n}(\vec{t},\,\vec{u})d\vec{u}}로 정의하면 \mu(t_{1},\,...,\,t_{n})\mathbb{R}^{n}에서의 보렐측도이다. 

t_{1},\,...,\,t_{n}\in(a,\,b]이 유한수열일 때(순서는 불필요하다) \sigma\{1,\,...,\,n\}에서의 치환으로 t_{\sigma(1)}<\cdots<t_{\sigma(n)}이라고 하면\mu(t_{1},\,...,\,t_{n})(B)=\mu(t_{\sigma(1)},\,...,\,t_{\sigma(n)})(\sigma^{*}(B))이고 여기서 \sigma^{*}(B)=\{(v_{1},\,...,\,v_{n})\,|\,(v_{\sigma^{-1}(1)},\,...,\,v_{\sigma^{-1}(n)})\in B\}이다. 어떤 j에 대해 t_{j}=a인 경우, 예를들어 a=t_{1}<t_{2}<\cdots<t_{n}\leq b인 경우는 다음과 같이 정의한다.\mu(t_{1},\,...,\,t_{n})(B)=\delta\times\mu(t_{2},\,...,\,t_{n})(B)여기서 \delta\mathbb{R}에서의 디락 측도(Dirac measure)로 다음과 같이 정의된다.\delta(B_{1})=\begin{cases}1&\,(0\in B_{1})\\0&\,(0\notin B_{1})\end{cases}\mu(t_{1},\,...,\,t_{n})은 일관성 조건에 관한 두 식들을 만족하고 따라서 (\mathbb{R}^{T},\,\mathcal{F})에 측도 w를 도입할 수 있다.     

확률공간 (\mathbb{R}^{T},\,\mathcal{F},\,w)는 위너 보렐 측도공간 (C_{0}([a,\,b]),\,\mathcal{B}(C_{0}([a,\,b])),\,\mathfrak{m})보다 유용하지 않은데 그 이유 중 하나는 공간 \mathbb{R}^{T}가 너무 큰 반면 \sigma-대수 \mathcal{F}는 너무 작다. 이것은 \mathcal{F}의 원소가 아닌 \mathbb{R}^{T}의 부분집합들이 있음을 뜻한다. 예를들면 임의의 한원소 집합 \{x\}, C_{0}([a,\,b])\mathcal{F}의 원소가 아니다. 


다음의 성질은 측도론에서 잘 알려진 결과이다. 


성질 1.83

(1) \mathcal{E}X의 부분집합들의 \sigma-대수이고, X_{0}\subset X라 하자. 그러면\mathcal{E}_{0}=\mathcal{E}\cap X_{0}=\{A\cap X_{0}\,|\,A\in\mathcal{E}\}X_{0}의 부분집합들의 \sigma-대수이다. 

(2) X_{0}\subset X, \mathcal{E}X의 부분집합들의 집합족이고 X\in\mathcal{E}라 하자. 그러면 다음이 성립한다.\sigma(\mathcal{E})\cap X_{0}=\sigma(\mathcal{E}\cap X_{0})=\sigma(\{E\cap X_{0}\,|\,E\in\mathcal{E}\})정리 1.84 (둡의 정리, Doob's theorem) (X,\,\mathcal{E},\,\mu)가 확률공간이고 X_{0}\subset X, \mu^{*}(X_{0})=1(외측도)이라 하자. 그러면 \mathcal{E}\cap X_{0}=\mathcal{E}_{0}\sigma-대수이다. 

\mu_{0}(A\cap X_{0})=\mu(A)로 정의하면, \mu_{0}는 잘 정의되고, (X_{0},\,\mathcal{E}_{0},\,\mu_{0})는 확률공간이다. 

증명:

(1) C\in\mathcal{E}이고 C\subset X-X_{0}이면 \mu(C)=0이고, 그 이유는 다음과 같다.\begin{align*}\mu_{*}(X-X_{0})&=\mu(X)-\mu^{*}(X_{0})=0\\ \mu_{*}(X-X_{0})&=\sup\{\mu(C)\,|\,C\subset X-X_{0},\,C\in\mathcal{E}\}\end{align*}(2) \mu_{0}는 잘 정의된다. A\cap X_{0}=B\cap X_{0}, A,\,B\in\mathcal{E}라 하자. 그러면, A-B\subset X-X_{0}이고 A-B\in\mathcal{E}이므로, (1)에 의해 \mu(A-B)=0이다. 따라서 다음의 등식이 성립한다.\mu(A)=\mu(A\cap B)+\mu(A-B)=\mu(A\cap B)같은 방법으로 \mu(B)=\mu(A\cap B)이므로 \mu(A)=\mu(B)이다. 

(3) \mu_{0}는 가산가법적이다. 이것은 \mu_{0}의 정의와 \mu의 가산가법성, (1)을 이용하여 보일 수 있다.\mu_{0}(X_{0})=\mu_{0}(X\cap X_{0})=\mu(X)=1정리 1.85 w^{*}(C_{0}([a,\,b]))=1

증명: \mathcal{G}를 집합 K_{\vec{t}}(B)=\{f\in\mathbb{R}^{T}\,|\,(f(t_{1}),\,...,\,f(t_{n}))\in B\}들의 대수라 하자. 그러면\begin{align*}w(K_{\vec{t}}(B))&=\mu(t_{1},\,...,\,t_{n})(B)=\int_{B}{W_{n}(\vec{t},\,\vec{u})d\vec{u}}\\ K_{\vec{t}}(B)\cap C_{0}([a,\,b])&=\{f\in C_{0}([a,\,b])\,|\,(f(t_{1}),\,...,\,f(t_{n}))\in B\}\end{align*}이고 이 집합은 \mathcal{B}(\mathbb{R}^{n})의 원소이다.\mathfrak{m}(K_{\vec{t}}(B)\cap C_{0}([a,\,b]))=\int_{B}{W_{n}(\vec{t},\,\vec{u})d\vec{u}}따라서 F\in\mathcal{G}이면, F\cap C_{0}([a,\,b])\in\mathcal{B}(C_{0}([a,\,b]))이고 w(F)=\mathfrak{m}(F\cap C_{0}([a,\,b]))이다.w^{*}(C_{0}([a,\,b]))=\inf\left\{\sum_{i=1}^{\infty}{w(F_{i})}\,|\,F_{i}\in\mathcal{G},\,C_{0}([a,\,b])\subset\bigcup_{i=1}^{\infty}{F_{i}}\right\}이므로 \mathfrak{m}의 가산가법성에 의해 다음의 부등식을 얻는다.\begin{align*}1&=\mathfrak{m}(C_{0}([a,\,b]))=\mathfrak{m}\left(C_{0}([a,\,b])\cap\left(\bigcup_{i=1}^{\infty}{F_{i}}\right)\right)\\&=\mathfrak{m}\left(\bigcup_{i=1}^{\infty}{\{C_{0}([a,\,b])\cap F_{i}\}}\right)\\&\leq\sum_{i=1}^{\infty}{\mathfrak{m}(C_{0}([a,\,b])\cap F_{i})}\\&=\sum_{i=1}^{\infty}{w(F_{i})}\end{align*}따라서 w^{*}(C_{0}([a,\,b]))\geq1이다.w^{*}(C_{0}([a,\,b]))\leq w^{*}(\mathbb{R}^{T})=w(\mathbb{R}^{T})=1이므로 w^{*}(C_{0}([a,\,b]))=1이다. 


둡의 정리를 (\mathbb{R}^{T},\,\mathcal{F},\,w)C_{0}([a,\,b])에 적용해서, 확률공간 (C_{0}([a,\,b]),\,C_{0}([a,\,b])\cap\mathcal{F},\,w_{0})를 얻는다.     


정리 1.86 (C_{0}([a,\,b]),\,\mathcal{B}(C_{0}([a,\,b])),\,\mathfrak{m})=(C_{0}([a,\,b]),\,C_{0}([a,\,b])\cap\mathcal{F},\,w_{0})

증명: 생략


정리 1.87(콜모고로프 정리, Kolmogorov's theorem) 각각의 유한수열 t_{1},\,...,\,t_{n}\in[a,\,b]에 대해 \mathcal{B}(\mathbb{R}^{n})에 대해서 \mathcal{B}(\mathbb{R}^{n})에서의 확률측도 \mu(t_{1},\,...,\,t_{n})이 존재해서 \{\mu(t_{1},\,...,\,t_{n})\}이 일관성 조건들을 만족한다고 하고, 또한 \delta,\,\epsilon,\,K>0가 존재해서 모든 t_{1},\,t_{2}\in[a,\,b]에 대해 다음의 부등식이 성립한다고 하자.\int_{\mathbb{R}^{2}}{|v_{2}-v_{1}|^{\delta}d\mu(t_{1},\,t_{2})(v_{1},\,v_{2})}\leq K|t_{2}-t_{1}|^{1+\epsilon}그러면 (C([a,\,b]),\,\mathcal{B}(C([a,\,b])))에 확률측도 \mu가 존재해서 \mu의 유한차원분포는 가정에서 주어진 \mu(t_{1},\,...,\,t_{n})이 된다. 

증명: 생략


아인슈타인과 위너에 의해 제시된 유한차원분포가 콜모고로프 정리의 조건을 만족함을 보이자. 이때 \delta=4, K=3, \epsilon=1이다. 

(1) a<t_{1}<t_{2\leq b}인 경우 \displaystyle\int_{\mathbb{R}^{2}}{|v_{2}-v_{1}|^{4}W_{2}(\vec{t},\,\vec{u})dv_{2}dv_{1}}=3|t_{2}-t_{1}|^{2}

(2) a=t_{1}<t_{2}\leq b인 경우 \displaystyle\int_{\mathbb{R}^{2}}{|v_{2}-v_{1}|^{4}W_{1}(t_{2},\,v_{2})d\delta(v_{1})dv_{2}}=\int_{\mathbb{R}^{2}}{v_{2}^{4}W_{1}(t_{2},\,v_{2})dv_{2}}=3|t_{2}-a|^{2} 

위의 사실과 콜모고로프 정리에 의해 (C([a,\,b]),\,\mathcal{B}(C([a,\,b])))에 확률측도 \mathfrak{m}을 도입할 수 있다. 다음의 식으로부터 \mathfrak{m}C_{0}([a,\,b])에 집중되어 있음을 알 수 있다.\mathfrak{m}(C_{0}([a,\,b]))=\mathfrak{m}(\{x\in C([a,\,b])\,|\,x(a)=0\})=\int_{\{0\}}{d\delta(v)}=1다음의 예는 콜모고로프 정리를 만족하지 못하는 유한차원분포(보렐측도)이다. 


a\leq t\leq b, B\in\mathcal{B}(\mathbb{R})일 때\mu(t)(B)=\int_{B}{\frac{1}{\sqrt{2\pi}}e^{-\frac{1}{2}s^{2}}ds}로 정의하자. t_{i}\in[a,\,b],\,i=1,\,...,\,n\mu(t_{1},\,...,\,t_{n})(B)=(\mu(t_{1})\times\cdots\times\mu(t_{n}))(B),\,B\in\mathcal{B}(\mathbb{R})로 정의하면 \mu(t_{1},\,...,\,t_{n})은 두 일관성 조건을 만족하고 따라서 콜모고로프의 일관성 정리로부터 (\mathbb{R}^{T},\,\mathcal{F})에서의 측도 \mu가 결정된다.

C([a,\,b])에서의 구간 I에 대해 \mu는 다음의 식을 만족한다.\mu(I)=\mu(t_{1},\,...,\,t_{n})((\alpha_{1},\,\beta_{1}]\times\cdots\times(\alpha_{n},\,\beta_{n}])그러나 \mu\mathcal{B}(C([a,\,b]))에서 가산가법적이지 않다. 가산가법적이라고 가정하고, I=\{x\in C([a,\,b])\,|\,x(b)>0\}로 놓고, b로 수렴하는 증가수열 \{t_{j}\}를 선택하자.J_{n}=\{x\in C([a,\,b])\,|\,x(t_{j})>0,\,j=1,\,...,\,n\}라고 하면\begin{align*}\mu(J_{n})&=\mu(t_{n},\,...,\,t_{2n})((0,\,\infty]\times\cdots\times(0,\,\infty])\\&=\left\{\int_{0}^{\infty}{\frac{1}{\sqrt{2\pi}}e^{-\frac{1}{2}s^{2}}ds}\right\}^{n+1}\\&=\frac{1}{2^{n+1}}\end{align*}이므로\begin{align*}\sum_{n=2}^{\infty}{\mu(J_{n})}&=\frac{1}{4}\\ \mu\left(\bigcup_{n=2}^{\infty}{J_{n}}\right)&\leq\sum_{n=2}^{\infty}{\mu(J_{n})}=\frac{1}{4}<\frac{1}{2}=\mu(I)\end{align*}x는 연속함수이므로 \displaystyle I\subset\bigcup_{n=2}^{\infty}{J_{n}}이고 \displaystyle\mu(I)\leq\mu\left(\bigcup_{n=2}^{\infty}{J_{n}}\right)이고 앞의 결과와 모순이다.


참고자료:

The Feynman Integral and Feynman's Operational Calculus, Johnson, Lapidus, Oxford

위너 적분론, 장건수, 민음사   

반응형

'확률및통계 > 위너 적분론' 카테고리의 다른 글

2-2. 카메룬-마틴 변환정리(2)  (0) 2020.07.06
2-1. 카메룬-마틴 변환정리(1)  (0) 2020.07.04
1-8 척도불변 가측함수  (0) 2020.07.02
1-7 회전변환  (0) 2020.07.01
1-6 척도불변 가측집합(2)  (0) 2020.06.30
Posted by skywalker222