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,Y⟩를⟨X,Y⟩=E(XY),X,Y∈L2(Ω)로 정의하면 L2(Ω)는 힐베르트 공간이고 L2(Ω)의 원소는 P−a.e.에서 같은 확률변수들의 동치류이다.
‖⋅‖를 내적과 관련된 힐베르트 노름이라고 하면 다음의 성질들이 성립한다.E(X2)=⟨X,X⟩=‖X‖2E(X)=⟨X,1⟩Cov(X,Y)=⟨X−E(X),Y−E(Y)⟩Var(X)=‖X−E(X)‖2여기서 X와 Y의 공분산은 다음과 같이 정의한다.Cov(X,Y)=E((X−E(X))(Y−E(Y)))[a,b]에서 정의되는 계단함수들의 집합을 S([a,b])라 하자. 그러면 S([a,b])는 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.ω∈Ω에 대해 B(a,⋅)를 상수라 하자 f∈S([a,b])일 때f(x)=n∑k=1ckχJk(x)로 정의하자. 여기서 ck∈R, Jk=[tk,tk+1], a≤t1<t2<⋯<tn+1≤b이다.
브라운 운동과정 B에 대한 함수 f의 확률적분 I(f)는 다음과 같이 정의되는 확률변수이다.I(f)(ω)=n∑k=1ck{B(tk+1,ω)−B(tk,ω)},ω∈ΩI(f)는 모든 ω∈Ω에 대해 정의된다.
정리 3.8 f,g∈S([a,b]), α,β∈R일 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))=‖f‖2
(4) I(f)∼N(0,‖f‖2)
(5) I(αf+βg)(ω)=αI(f)(ω)+βI(g)(ω)
증명:
(1): 다음의 식으로부터 성립한다.E(I(f))=n∑k=1ckE(B(tk+1,⋅)−B(tk,⋅))=0(2) f=n∑k=1ckχJk,g=n∑k=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(n∑k=1ck{B(tk+1,⋅)−B(tk,⋅)}⋅n∑k=1dk{B(tk+1,⋅)−B(tk,⋅)})=E(n∑k=1ckdk{B(tk+1,⋅)−B(tk,⋅)}2)+E(∑j≠kcjdk{B(tj+1,⋅)−B(tj,⋅)}{B(tk+1,⋅)−B(tk,⋅)})=n∑k=1ckdkVar(B(tk+1,⋅)−B(tk,⋅))+∑j≠kcjdkE({B(tj+1,⋅)−B(tj,⋅)}{B(tk+1,⋅)−B(tk,⋅)})=n∑k=1ckdk(tk+1−tk)=∫[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))=‖f‖2이므로 I(f)∼N(0,‖f‖2)이다.
(5): 다음의 식으로부터 성립한다.I(αf+βg)(ω)=n∑k=1(αck+βdk){B(tk+1,ω)−B(tk,ω)}=αn∑k=1ck{B(tk+1,ω)−B(tk,ω)}+βn∑k=1dk{B(tk+1,ω)−B(tk,ω)}=αI(f)+βI(g)f∈L2([a,b])라 하자. S([a,b])는 L2([a,b])에서 조밀하므로 수열 {fn}⊂S([a,b])가 존재해서 limn→∞‖fn−f‖=0이다. 그러면 정리 3.8의 (5)와 (3)에 의해 다음의 등식이 성립한다.‖I(fn)−I(fm)‖=‖I(fn−fm)‖=‖fn−fm‖따라서 {fn}이 L2([a,b])에서 코시수열이면, {I(fn)}은 L2(Ω)에서 코시수열이다. L2(Ω)는 완비이므로 X∈L2(Ω)가 존재해서 limn→∞‖I(fn)−X‖=0이다. 이 X를 f의 확률적분으로 정의한다.
정의 3.9 앞에서 다룬 X를 브라운운동 B에 대한 f의 확률적분이라 하고 I(f)로 나타낸다. 즉I(f)=limn→∞I(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 limn→∞‖gn−f‖=0이라 하자. 그러면‖I(fn)−I(gn)‖=‖fn−gn‖≤‖fn−f‖+‖f−gn‖이므로 limn→∞‖I(fn)−I(gn)‖=0이다.
보조정리 3.11 L2(Ω)에서 Xn→X, Yn→Y이면, ⟨Xn,Yn⟩→⟨X,Y⟩이다.
증명: 슈바르츠 부등식에 의해‖⟨X,Y⟩‖≤‖X‖⋅‖Y‖‖⟨Xn,Yn⟩−⟨X,Y⟩‖≤‖⟨Xn,Yn−Y⟩‖+‖⟨Xn−X,Y⟩‖≤‖Xn‖‖Yn−Y‖+‖Xn−X‖‖Y‖이고, Xn이 유계이므로 위의 부등식의 우변은 n→∞일 때 0으로 수렴한다.
정리 3.12 f,g∈L2([a,b]), α,β∈R이라 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.ω∈Ω
(6) {I(f)|f∈L2([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⟩=⟨limn→∞I(fn),1⟩=limn→∞⟨I(fn),1⟩=0(2): fn,gn∈S([a,b])이고 L2(Ω)에서 다음과 같이 노름수렴한다고 하자.f=limn→∞fn,g=limn→∞gn그러면 보조정리 3.11과 정리 3.8의 (2)에 의해 다음의 결과를 얻는다.Cov(I(f),I(g))=⟨I(f),I(g)⟩=limn→∞⟨I(fn),I(gn)⟩=limn→∞⟨fn,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)|fn∈S([a,b])}는 가우스과정 {B(t,⋅)|t∈[a,b]}의 확률변수들의 일차결합들의 집합이므로 가우스과정이다. 그러면 {I(f)|f∈L2([a,b])}는 가우스과정 {I(fn)|fn∈S([a,b])}의 확률변수들의 확률수렴극한들의 집합이므로 {I(f)|f∈L2([a,b])}는 가우스과정이다. 따라서 I(f)의 확률분포는 정규분포이다.
(1)과 (3)에 의해 I(f)∼N(0,‖f‖2)이다.
(5): f,g,fn,gn을 (2)에서의 증명과 같다고 하자. 그러면 α,β∈R에 대해 αfn+βgn∈S([a,b])이고‖αfn+βgn‖≤|α|‖fn−f‖+|β|‖gn−g‖→0따라서 다음의 결과를 얻는다(수렴은 노름수렴).I(αf+βg)=limn→∞I(αfn+βgn)=αlimn→∞I(fn)+βlimn→∞I(gn)=αI(f)+βI(g)
참고자료:
위너 적분론, 장건수, 민음사
'확률및통계 > 위너 적분론' 카테고리의 다른 글
3-4 가우스 과정에 대한 확률적분 (0) | 2020.07.15 |
---|---|
3-3 브라운 운동과정에 대한 확률적분(2) (0) | 2020.07.14 |
3-1 강한 극한정리 (0) | 2020.07.12 |
2-7 완비 정규직교집합(2) (0) | 2020.07.11 |
2-6 완비 정규직교집합(1) (0) | 2020.07.10 |