Loading [MathJax]/jax/output/HTML-CSS/jax.js

반응형

3-2 브라운 운동과정에 대한 확률적분(1)



(Ω,B,P)를 확률공간, X를 이 확률공간에서의 확률변수,L2(Ω)={X|Xrandom variable,E(X2)<}위와 같이 정의된 L2(Ω)에서의 내적 X,YX,Y=E(XY),X,YL2(Ω)로 정의하면 L2(Ω)는 힐베르트 공간이고 L2(Ω)의 원소는 Pa.e.에서 같은 확률변수들의 동치류이다.

를 내적과 관련된 힐베르트 노름이라고 하면 다음의 성질들이 성립한다.E(X2)=X,X=X2E(X)=X,1Cov(X,Y)=XE(X),YE(Y)Var(X)=XE(X)2여기서 XY의 공분산은 다음과 같이 정의한다.Cov(X,Y)=E((XE(X))(YE(Y)))[a,b]에서 정의되는 계단함수들의 집합을 S([a,b])라 하자. 그러면 S([a,b])L2([a,b])의 조밀 선형부분공간이다. 


여기서 확률적분을 다음과 같이 정의하려고 한다.  

먼저 S([a,b])에서 L2(Ω)로의 거리보존 선형변환으로서 확률적분을 정의하고, 이 정의를 L2([a,b])로 확장한다. 이와 같은 변환은 존재한다(Introductory Functional Analysis with Applications-Kreyszig, Wiley 책 참고).


정의 3.7 B(t,ω), (t,ω)[a,b]×Ω를 브라운 운동과정, a.e.ωΩ에 대해 B(a,)를 상수라 하자 fS([a,b])일 때f(x)=nk=1ckχJk(x)로 정의하자. 여기서 ckR, Jk=[tk,tk+1], at1<t2<<tn+1b이다. 

브라운 운동과정 B에 대한 함수 f의 확률적분 I(f)는 다음과 같이 정의되는 확률변수이다.I(f)(ω)=nk=1ck{B(tk+1,ω)B(tk,ω)},ωΩI(f)는 모든 ωΩ에 대해 정의된다.


정리 3.8 f,gS([a,b]), α,βR일 때, 다음의 성질들이 성립한다.

(1) I(f),1=E(I(f))=0 

(2) I(f),I(g)=Cov(I(f),I(g))=f,g 

(3) I(f)2=Var(I(f))=f2 

(4) I(f)N(0,f2) 

(5) I(αf+βg)(ω)=αI(f)(ω)+βI(g)(ω)  

증명: 

(1): 다음의 식으로부터 성립한다.E(I(f))=nk=1ckE(B(tk+1,)B(tk,))=0(2) f=nk=1ckχJk,g=nk=1dkχJk라 하자. 그러면 다음의 식으로부터 성립한다.Cov(I(f),I(g))=I(f)E(I(f)),I(g)E(I(g))=I(f),I(g)=E(I(f)I(g))=E(nk=1ck{B(tk+1,)B(tk,)}nk=1dk{B(tk+1,)B(tk,)})=E(nk=1ckdk{B(tk+1,)B(tk,)}2)+E(jkcjdk{B(tj+1,)B(tj,)}{B(tk+1,)B(tk,)})=nk=1ckdkVar(B(tk+1,)B(tk,))+jkcjdkE({B(tj+1,)B(tj,)}{B(tk+1,)B(tk,)})=nk=1ckdk(tk+1tk)=[a,b]f(t)g(t)dλ(t)=f(t),g(t)(3): (2)에서 f=g인 경우이다.  

(4): {B(t,)|t[a,b]}는 가우스 과정이므로 이 과정에 속하는 확률변수들의 임의의 일차결합의 확률분포는 정규분포이고 따라서 I(f)의 확률분포도 정규분포이다. (1)과 (3)에 의해E(I(f))=0,Var(I(f))=f2이므로 I(f)N(0,f2)이다.   

(5): 다음의 식으로부터 성립한다.I(αf+βg)(ω)=nk=1(αck+βdk){B(tk+1,ω)B(tk,ω)}=αnk=1ck{B(tk+1,ω)B(tk,ω)}+βnk=1dk{B(tk+1,ω)B(tk,ω)}=αI(f)+βI(g)fL2([a,b])라 하자. S([a,b])L2([a,b])에서 조밀하므로 수열 {fn}S([a,b])가 존재해서 limnfnf=0이다. 그러면 정리 3.8의 (5)와 (3)에 의해 다음의 등식이 성립한다.I(fn)I(fm)=I(fnfm)=fnfm따라서 {fn}L2([a,b])에서 코시수열이면, {I(fn)}L2(Ω)에서 코시수열이다. L2(Ω)는 완비이므로 XL2(Ω)가 존재해서 limnI(fn)X=0이다. 이 Xf의 확률적분으로 정의한다.


정의 3.9 앞에서 다룬 X를 브라운운동 B에 대한 f의 확률적분이라 하고 I(f)로 나타낸다. 즉I(f)=limnI(fn),I(f)L2(Ω)위의 정의에서 수렴은 L2(Ω)노름수렴이다.


정리 3.10 I(f)는 수열 {fn}과는 독립적이다. 따라서 I(f)는 잘 정의된다. 

증명: {gn}S([a,b])이고 limngnf=0이라 하자. 그러면I(fn)I(gn)=fngnfnf+fgn이므로 limnI(fn)I(gn)=0이다.


보조정리 3.11 L2(Ω)에서 XnX, YnY이면, Xn,YnX,Y이다.     

증명: 슈바르츠 부등식에 의해X,YXYXn,YnX,YXn,YnY+XnX,YXnYnY+XnXY이고, Xn이 유계이므로 위의 부등식의 우변은 n일 때 0으로 수렴한다.  


정리 3.12 f,gL2([a,b]), α,βR이라 하자. 그러면 정리 3.8의 (1), (2), (3), (4)가 성립한다. 또한 다음의 두 성질들도 성립한다.

(5) I(αf+βg)(ω)=αI(f)(ω)+βI(g)(ω)a.e.ωΩ

(6) {I(f)|fL2([a,b])}는 가우스 과정이다. 

증명: 

(1): 보조정리 3.11과 정리 3.8의 (1)에 의해 다음의 결과를 얻는다.E(I(f))=I(f),1=limnI(fn),1=limnI(fn),1=0(2): fn,gnS([a,b])이고 L2(Ω)에서 다음과 같이 노름수렴한다고 하자.f=limnfn,g=limngn그러면 보조정리 3.11과 정리 3.8의 (2)에 의해 다음의 결과를 얻는다.Cov(I(f),I(g))=I(f),I(g)=limnI(fn),I(gn)=limnfn,gn=f,g(3): (2)에서 f=g인 경우이다. 

(4), (6): L2(Ω)에서 I(fn)I(f)(노름수렴)이므로 I(fn)I(f)는 확률수렴이다. {I(fn)|fnS([a,b])}는 가우스과정 {B(t,)|t[a,b]}의 확률변수들의 일차결합들의 집합이므로 가우스과정이다. 그러면 {I(f)|fL2([a,b])}는 가우스과정 {I(fn)|fnS([a,b])}의 확률변수들의 확률수렴극한들의 집합이므로 {I(f)|fL2([a,b])}는 가우스과정이다. 따라서 I(f)의 확률분포는 정규분포이다.

(1)과 (3)에 의해 I(f)N(0,f2)이다. 

(5): f,g,fn,gn을 (2)에서의 증명과 같다고 하자. 그러면 α,βR에 대해 αfn+βgnS([a,b])이고αfn+βgn|α|fnf+|β|gng0따라서 다음의 결과를 얻는다(수렴은 노름수렴).I(αf+βg)=limnI(αfn+βgn)=αlimnI(fn)+βlimnI(gn)=αI(f)+βI(g)

참고자료:

위너 적분론, 장건수, 민음사 

반응형
Posted by skywalker222