卢正新《随机过程》第五章 布朗运动与鞅-全

合集下载

《随机过程》第5章-布朗运动

《随机过程》第5章-布朗运动
LOGO
随机过程
第五章 布朗运动
1 布朗运动的基本概念 2 布朗运动的首中时及最大值 3 布朗运动的应用
1 基本概念
• 最初由英国生物学家布朗(Brown)于1827年提出这种物理现 背 象; 景
• 1905年爱因斯坦首次对这一现象的物理规律给出数学描述;
定 • 1918年维纳(Wiener)运用数学理论严格描述这种无规则运 义 动,并用随机过程理论和概率理论建立了数学模型。因此
中南民族大学经济学院
3
《随机过程》第5章-布朗运动
1 基本概念
例:设布朗运动������ ������ ~������(0, ������2������),求其均值、方差、协方差及相关函数。
背 解: 景 由布朗运动定义可得:
������������(������) = ������ ������ ������ = 0, ������������(������)2 = ������������������ ������ ������ = ������2������
性 质
= ������ ������ ������1 − ������(0) ������ ������2 − ������ ������1 + ������ ������2(������1) = ������ ������ ������1 − ������(0) ������ ������ ������2 − ������ ������1 + ������ ������ ������1 − ������������(������1) 2 = ������2������1

������

������������ ������1, ⋯ , ������������; ������1, ⋯ , ������������ = ������ ������������ − ������������−1; ������������ − ������������−1

107518-概率统计随机过程课件-第五章(第三,四节 )

107518-概率统计随机过程课件-第五章(第三,四节 )

第三节 常用随机变量的数学期望和方差数学期望和方差的定义及计算公式 (一)离散型随机变量的数学期望和方差}{iiix X P x EX ==∑,}{)()]([iiix X P x g X g E ==∑,}{)(2iiix X P EX x DX =-=∑,222)()(EX EX EX X E DX -=-=,},{),()],([jiijjiy Y x X P y x g Y X g E ===∑∑,(二) 连续型随机变量的数学期望和方差⎰+∞∞-=dx x xf EX )(,⎰+∞∞-=dx x f x g X g E )()()]([,⎰⎰+∞∞-+∞∞-=dxdy y x f y x g Y X g E ),(),()],([, ⎰+∞∞-=dx x xf EX X)(⎰⎰+∞∞-+∞∞-=dxdy y x xf ),(, ⎰+∞∞-=dy y yf EY Y)(⎰⎰+∞∞-+∞∞-=dxdy y x yf ),(222)()(EX EX EX X E DX -=-=,⎰+∞∞--=dx x f EX x DX )()(2,nnnR ndxdx dx x x x f x x x g X X X g E n⋅⋅⋅⋅⋅⋅⋅⋅⋅=⋅⋅⋅⎰21212121),,,(),,,()],,,([ .(三) 数学期望和方差的性质 b EX k b X k E ini iini i+=+∑∑==11)(,若X 与Y 相互独立,则EY EX XY E ⋅=)(,DY b DX a c bY aX D 22)(+=++,若nX X X ,,,21⋅⋅⋅相互独立,则nnEX EX EX X X X E ⋅⋅⋅⋅=⋅⋅⋅2121)(,ini iin i iDX k b X k D ∑∑===+121)( ,例1 设X 服从(0—1)分布:求EX ,DX .解 p p p EX =-⨯+⨯=)1(01,p p p EX =-⨯+⨯=)1(01222, )1()(222p p p p EX EX DX -=-=-=.例2 设X 服从二项分布),(p n B , 即 kn kknp p C k X P --==)1(}{ ,n k ,,1,0⋅⋅⋅= 求EX ,DX .解 (由于直接比较繁杂,采用分解的方法)若nX X X ,,,21⋅⋅⋅相互独立, 同服从(0—1)分布,p X P p X P ii-====1}0{,}1{, n i ,,1⋅⋅⋅=,则 ),(~1p n B X X ni i∑==,p EX i=, )1(p p DX i -=.np p X E X E EX ni in i n i i====∑∑∑===111)(,∑∑====ni in i i DX X D DX 11)()1()1(1p np p p ni -=-=∑= .例 3 设X 服从泊分布)(λ∏,即!}{k e k X P kλλ-== ,⋅⋅⋅=,2,1,0k求EX ,DX .解 ∑∑∞+=∞+=----=⋅=011)!1(!k k k kk ek e k EX λλλλλλλλλ=⋅=-e e ,∑∑∞+=∞+=---=⋅=0122)!1(!k k kkk ke k e k EX λλλλ∑+∞=--+-=1)!1(]1)1[(k kk k e λλ222)!2(λλλ∑∞+=---=k k k e λλλ∑∞+=---+11)!1(k k k eλλλλλλλλ+=⋅+⋅=--22e e e e , 于是λλλλ=-+=-=2222)()(EX EX DX 。

卢正新《随机过程》第五章 布朗运动与鞅-全

卢正新《随机过程》第五章 布朗运动与鞅-全
一般情况下,有 x t 此时:
lim
t 0
DX
(t)
lim (x)2
t 0
t t
lim
t 0
2t
t t
2t
3
X(t)为独立同分布的随机变量之和,由中心极限定理,可得: 1)X(t)~N(0, σ2t);
随机游动的值在不相重叠的时间区段内相互独立,得 2)X(t)是独立增量过程;
在任一时间区间随机游动的值仅与时长有关,得 3)X(t)是平稳增量过程
4)B(t0 s) B(t0 ), 0 s t0, t0 0
9
1)B(t ) B( ),t 0, 0;
证:B(t)为正态过程,则B(t ) B( )为正态过程,且 B(0 ) B( )=0
对t 0,E B(t ) B( ) 0
对s,t 0,有
E B(t ) B( )B(s ) B( )
布朗运动的轨道
从时刻0到时刻T对布朗运动的一次观察称为布朗运动在区间[0,T]上的一条轨 道或路径。
轨道的基本性质
1)是t的连续函数; 2)在任何点都不可微
定理:固定t 0,设0 t0 t0 L tn, = m1kaxn(tk -tk1),则有
n
lim
0 k 1
B(tk ) B(tk1) 2 t
B(t1) B(s1)与B(t2 ) B(s2 )独立,即B(t)为正交增量过程; 故B(t)为布朗运动。
推论:设{B(t),t≥0} 为布朗运动,则:
1)B(t ) B( ),t 0, 0;
2)
1
B(t ), t
0,
0;
3)tB(1t ),t 0,其中tB(1t ) t0 0;
概率密度函数为:

第4章 鞅与Brown运动.

第4章 鞅与Brown运动.
16
4.2.1 随机游动与Brown 运动
考虑在一直线上的简单的对称的随机游动.设质点 每经过Δt时间,随机地以概率p=1/2向右移动Δx>0, 以概率q=1/2向左移动Δx,且每次移动相互独立,记
1 第 i次 质 点 向 右 移 动 Xi 1 第 i次 质 点 向 左 移 动
19
(2) s t, Bt Bs ~ N 0, t s 2
x 2 t s
18
于是 s t, Bt Bs ~ N 0, t s 2 不失一般性,设


1
这就得到了由直线上的简单的对称的随机游动极限来 描述的质点在直线上作不规则运动的数学描述 : 随机过程 Bt , t 0,满足 (1)具有独立增量性; (3) Bt 关于t是连续函数. 将以上描述推广到n维空间
5
4.1.2 鞅的性质
定理 4.1.1 设 Mt 为 下鞅 (或鞅). 则 E(Mt)是t的非降函 数。 (或常数) 定理 4.1.2 设 Xt,Yt 为 Ft -下鞅 (或鞅). 则 i) a≥0,b≥0, aXt +bYt 是 Ft -下鞅 (或鞅).
ii){ Xt ∨Yt} 是 Ft -下鞅.
N N τ : {0,1,…,N}为 Fn n 停时. 求证: 0 N
X n , n 0,1, 2,...N是 Fn n 0 鞅.
X ( k 1) k

证: X k , k k 0 是 鞅,
N
k X k 1 X k 1 k k X k 1 X k X k

d 2S …
ud n 1S d nS
求期权在0时刻 的价值V0.

随机过程_课件---第五章

随机过程_课件---第五章

随机过程_课件---第五章第五章离散参数Markov 链5.1 Markov 链的基本概念1、Markov 链和转移概率矩阵定义5-1考虑只取有限个或可数个值的随机过程{},0,1,2,n X n = 。

把过程所取可能值得全体称为它的状态空间,记之为E ,通常假设{}0,1,2,E= 。

若n X i =就说“过程在时刻n 处于状态i ”,假设每当过程处于状态i ,则在下一个时刻将处于状态j 的概率是固定的ij p ,即对任意时刻n1(|)n n ij P X j X i p +===若对任意状态011,,,(,n 0)n i i i i j -≥ 及任意的有11111001(|,,,,)(|)n n n n n n n P X j X i X i X i X i P X j X i +--+======== 这样的随机过程称为Markov 链。

称矩阵00010201011121012j j i i i ij p p p p p p p p P p p p p ??=是一步转移概率矩阵,简称为转移矩阵。

由ij p 的定义可知,这是一种带有平稳转移概率的Markov 链,也称作时间齐次Markov 链或简称时齐次Markov 链。

且具有,0ij p ≥ , 01ij j p ∞==∑2、例题例5-1(直线上的随机游动)考虑在直线上整数点上运动的粒子,当它处于位置j 时,向右转移到j+1的概率为p ,而向左移动到j-1的概率为q=p-1,又设时刻0时粒子处在原点,即00X =。

于是粒子在时刻n 所处的位置{}n X 就是一个Markov 链,且具有转移概率,1,10,jk p k j p q k j =+??==-其他当12p q ==时,称为简单对称随机游动。

例5-6(排队模型)考虑顾客到服务台排队等候服务,在每个服务周期中只要服务台前有顾客在等待,就要对排队在队前的一位顾客提供服务,若服务台前无顾客时就不实施服务。

随机过程课件PPT资料(正式版)

随机过程课件PPT资料(正式版)
应怎样分才合理呢➢?」
☞随机事件:样本空间的子集,常记为 A ,B ,…它是满足某些条件的样本点所组成的集合.
排队和服务系统 ◙A∩勤B 奋⇔、A刻B :苦A、与合➢B作的、积探事索件;; 更新过程 为从事科学研究打下坚实的基础;
☞抽取的是精装中➢文版数学书 ⇒
➢ 时间序列分析
➢ 鞅过程
绪论
《随机过程》基础
概率(或然率或几率) ——随机事件出现的可能 性的量度;
概率论其起源与博弈、 、天气预报等问题有 关
⊕16世纪意大利学者开始研究掷骰子等赌博 中的一些问题;
⊕17世纪中叶,「现有两个赌徒相约赌若干 局,谁先赢S局就算赢了,当赌徒A赢K局(K<S), 而赌徒B赢L局(L<S)时,赌博中止,赌资应怎 样分才合理呢?」
随机过程课件
《随机过程》
➢ 教材: ◙ 张卓奎,陈慧婵,随机过程.西安电子科技大 学.2003.
➢ 主要参考文献: ◙ 胡奇英编著,随机过程.西安电子科技大学.1998. ◙ 周荫清 ,随机过程习题集. 清华大学出版社, 2004. ◙ 林元纟金烈 ,应用随机过程. 清华大学出版社, 2002.
……
➢ 随机过程理论在社会科学中例如在社会统计, 学、经 济、金融工程、管理中也得到极其广泛的应用。
➢ 为从事科学研究打下坚实的基础;
绪论
教学目标
➢ 充分理解、熟练掌握教材的内容 ◙ 熟练掌握基本的数学概念和定理;
◙ 熟练掌握随机过程研究对象的数学描述;
Hale Waihona Puke ➢ 通过学习和练习,具备一定的分析、解决本专业具体 问题的能力;
☞拉普拉斯曾说:“生活中最重要的问题,其中 绝大多数在实质上只是概率的问题”。
☞概率论是研究随机现象数量规律的数学分支。 在实际中,人们往往还需要研究在时间推进中某 一特定随机现象的演变情况,描述这种演变的就 是概率论中的随机过程。

随机过程(十四)-布朗运动

随机过程(十四)-布朗运动
2 2 E B ( t ) | Ft


E B(t s ) B (t ) 2 B (t ) E ( B (t s ) B (t ) | Ft ) B (t )2
2
s B(t ) 2
(3)已知B( s) x,B(t s)的条件分布 P{B(t s) y | B( s) x} P{B(t s) B( s) y x} yx 1 u 2 / 2t e du 2 t
已知B( s) x,B(t s)的条件密度记为pt ( x, y ), 1 pt ( x, y ) ~ e 2 t 因此,pt ( x, y )与s无关。
连续Markov过程的转移概率定义为在时刻s处于状态x的 条件下,过程在时刻t的分布函数
P( y, t , x, s) P( X (t ) y | X (s) x)
Brown运动满足马氏性,采用条件期望证明如下 E (euB (t s ) | Ft ) euB (t ) E (eu ( B (t s ) B (t ) | Ft ) euB (t ) E (eu ( B (t s ) B (t ) )(独立增量性) ) e
d
空间齐次性
定义:
Brown的马氏性
P( X t s y | F t ) P( X t s y | X t )
称随机过程{ X t , t 0}是一族定义在(,F ,P)上的 马氏过程,如果对任意s, t 0, 及任意y R, 均有 其中F t ( X u , 0 u t )
1
2、考虑随机向量X=(B(1),B(2),B(3),B(4)),由定 理7.2可知,X是多元正态分布,具有零均值和 协方差矩阵

随机过程在金融中的应用6鞅和鞅表示ppt课件

随机过程在金融中的应用6鞅和鞅表示ppt课件

这种赌博称为公平赌博。
3
定义2 设{X n} 及{Yn} ,n 0,1,2, ,为两个随机序列,
对任意n 0 ,有
(1) E | X n |
(2) (3)
X n 是Y0, ,Yn 的函数;
E( X n1 | Y0 , ,Yn ) X n
则称{X n} 关于{Yn} 为鞅, 简称 {X n}为鞅
上鞅表示第n+1年的平均赌本不多于第n年的赌本, 即具有上鞅这种性质的赌博是亏本赌博;
下鞅表示第n+1年的平均赌本不少于第n年的赌本, 即具有下鞅这种性质的赌博是盈利赌博。
性质3 {X n}为鞅的充分必要条件是,{X n}既为上鞅
也为下鞅。
性质4
{X n} 上鞅 {X n} 下鞅
{ X n} 下鞅 { X n} 上鞅
(3)并且如果Et [ST ] St ,对于所有t T 有概率 1
即未被观测的未来价值的最好预测是 S t 的最近观测
称过程 St ,t [0, ] 是鞅
首24 页
鞅过程的 鞅是在给定当前信息集时,未来变化完全 基本特征 不可测的随机变量。
例如
设 S t 是一个鞅
首页
则在长度为u 0 的间隔内St 变化的预期:
P(n 1) p P(n 1) q
由 X n 的定义知,n1 与{ X 0 , X 1 ,…,X n }独立
所以
E( X n1 | X n , X n1, , X 0 )
n 1
E(n1 | X n , X n1, , X 0 ) E( X n | X n , X n1, , X 0 )
E(n1) X n p q X n
{ n} { n} (Y0 , ,Yn )
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
min(t , s ) min(t, s)
例:设{B(t),t≥0} 为标准布朗运动,计算P{B(2) ≤ 0}及P{B(t) ≤ 0, t=1,2} 。
解:B(2) ~ N (0, 2) P{B(2) 0} 0.5,则
PB(t) 0,t 1, 2 PB(1) 0, B(2) 0
n
解:1)E | X n | | Yk | ,n 1, 2L k 1
E X n+1 | Yn L Y0 E X n Yn+1 | Yn L Y0
X n E Yn+1 | Yn L Y0 X n E Yn+1 X n
n
2)E | X n | | Yk | ,n 1, 2L k 1
n
f ( y1, y2 L yn )
i 1
2
1 (ti
ti 1 )
exp
2(ti
yi2 ti1)
由随机变量函数的概率密度公式,得:
g(x1, x2 L xn ;t1, t2 L tn ) f ( y1, y2 L yn ) J
1 0
1 1
J 1 1
L
1 0 1 1
J 1
4)B(t0 s) B(t0 ), 0 s t0, t0 0
9
1)B(t ) B( ),t 0, 0;
证:B(t)为正态过程,则B(t ) B( )为正态过程,且 B(0 ) B( )=0
对t 0,E B(t ) B( ) 0
对s,t 0,有
E B(t ) B( )B(s ) B( )
布朗运动的轨道
从时刻0到时刻T对布朗运动的一次观察称为布朗运动在区间[0,T]上的一条轨 道或路径。
轨道的基本性质
1)是t的连续函数; 2)在任何点都不可微
定理:固定t 0,设0 t0 t0 L tn, = m1kaxn(tk -tk1),则有
n
lim
0 k 1
B(tk ) B(tk1) 2 t
概率密度函数为:
g( y1 y2 K
yn
)
f 0
(
x1x2
K
xn )
J
若y1y2 K yn是gi (i 1, 2K n)的值域
xi hi ( y1 y2 K yn )
x1
y1
J K
xn
y1
x1 K y2 KK xn K y2
x1
yn
K
xn
yn
定理:设B(t),t 0为标准布朗运动,令x0 0,t0 0,则 当B(0) 0时,对0 t0 t1 L tn,B(t1), B(t2 ),L B(tn )的
第五章:布朗运动与鞅
❖ 布朗运动的定义与基本性质 ❖ 鞅的定义与例
1
随机游动与布朗运动
考虑在直线上的无限随机游动:质点每经过Δt时间,随机地以概 率p=0.5向右移动Δx>0;以概率q=0.5向左移动Δx,且每次移动相 互独立。令
1,第i次质点向右移动 Xi -1,第i次质点向左移动
则质点在时刻t的位置X(t)可表示为:
E X mk | Ym L Y0 X m 2)EX n E E( X n | Y0 ) EX 0
18
例:独立随机变量之和与积
1)设Y0=0,{Yn, n≥0}是独立的中心化随机变量序列, E|Yn|<∞,定义 X0=0,则Xn =Y1+…+Yn是鞅;
2)设Y0=0,{Yn, n≥0}是随机变量序列, E|Yn|<∞, EYn= μn≠0, n≥1, 定义X0=0,则Xn =Y1Y2…Yn/ μ1 μ2… μn是鞅。
联合概率密度为:
其中
n
g(x1, x2 ,L xn;t1, t2 ,L tn ) p(xi xi1;ti ti1) i 1
1
x2
p(x;t)
2 t
exp
2t
13
证明:令Y1 B(t1),Yi B(ti1) B(ti ),1 i n,则
i
B(ti ) Yk k 1
由布朗运动性质,Y1,Y2 L Yn相互独立,Yi ~N (0, ti ti1),则
E
X n+1 | Yn L Y0
E Xn
Yn +1
n
| Yn L
Y0
X
n
E
Yn +1
n
| Yn L
Y0
X
n
E
Yn +1
n
Xn
a.s.
思路:
n
1)
lim E
0 k 1
B(tk ) B(tk1) 2 t
2)
lim
0
E
n k 1
B(tk )
B(tk 1 )
2
t
2
0
15
鞅的定义与例
博弈问题:博弈者进行一序列博弈(轮盘赌),每次博弈输和赢的概率相同, 每次的下注额自定。问博弈者采用何种下注方式赢面大? 定义:随机过程{Xn,n≥0}称为关于{Yn,n≥0}的下鞅,如果对n≥0, Xn是 {Y0, …,Yn}的函数,EXn<∞,且E[Xn+1| Y0, …,Yn] ≥Xn。 定义:随机过程{Xn,n≥0}称为关于{Yn,n≥0}的上鞅,如果对n≥0, Xn是 {Y0, …,Yn}的函数,EXn<∞,且E[Xn+1| Y0, …,Yn] ≤Xn。 若 {Xn,n≥0}同时是关于{Yn,n≥0}的上鞅和下鞅,则称之为关于Yn的鞅。 鞅描述的是“公平”的博弈,下鞅和上鞅则是“有利”和“无利”的博弈。
X (t) x X1 X 2 L
X
t t
,
其均值和方差为:
[]:向下取整运算
EX i
0,DX i
EX
2 i
1;EX
(t)
0,DX (T )
(x)2
t t
2
Δt和Δx的取值: 使得DX(t)在Δt和Δx趋于零时,极限有意义。 如: Δt = Δx,当Δt->0, DX(t)->0,则X(t)=0,a.s. 若取Δt = Δx3 ,当Δt->0, DX(t)->∞,不合理。
定理:设{Xn,n≥0}是关于{Yn,n≥0}的鞅,则 1)对任意的0<m<n,有E[Xn| Ym, …,Y0] =Xm ; 2)对任意n,EXn=EX0
证: 1)用归纳法,当n - m 1时,即n=m+1时,显然成立。 设n - m k时成立,则
E X mk1 | Ym L Y0 E E X mk1 | Ymk L Y0 | Ym L Y0
4
布朗运动定义1:随机过程{W(t),t≥0},如果满足: 1)W(0)=0; 2)W(t)是独立、平稳增量过程; 3)对任意t>0,W(t)服从正态分布N(0, σ2t)。
则称{W(t),t≥0}为维纳过程,或称为布朗运动(B(t), t≥0 )。 如果σ=1,称为标准布朗运动。 一般布朗运动可用{W(t)/σ,t≥0}变换成标准布朗运动,后面我们 假定都是标准布朗运动。
n
X n =X 0 biYi i 1
则第n 1次博弈后,其平均赌资为:
E
X n1 | Y1 L Yn
E
X
0
n1
bi yi
i 1
| Y1L
Yn
E X n bn1Yn1 | Y1L Yn
E X n | Y1L Yn bn1E Yn1 | Y1L Yn
X n bn1E Yn1 X n
16
博弈问题解答:
解:用Yn , n 1表示每次博弈的输赢,则Yn为独立同分布的随机
变量,P{Yn 1} P{Yn 1} 0.5。Yn 1表示赢,Yn -1为输。 博弈者的下注策略依赖于前面的博弈结果,可用
bn bn (Y1L Yn1),n 2来描述 bn为第n次的赌注,若赢则获利bn,输则输掉bn 设X 0为博弈者的起始赌资,则第n次博弈后的赌资为:
一般情况下,有 x t 此时:
lim
t 0
DX
(t)
lim (x)2
t 0
t t
lim
t 0
2t
t t
2t
3
X(t)为独立同分布的随机变量之和,由中心极限定理,可得: 1)X(t)~N(0, σ2t);
随机游动的值在不相重叠的时间区段内相互独立,得 2)X(t)是独立增量过程;
在任一时间区间随机游动的值仅与时长有关,得 3)X(t)是平稳增量过程
t s min(s, t) t s 即 B(t) B(s) ~ N (0, t s )
而对s1 t1 s2 t2,有
E B(t1) BБайду номын сангаасs1)B(t2 ) B(s2 ) t1 t1 s1 s1 0
即B(t1) B(s1)与B(t2 ) B(s2 ); 由正态过程性质(独立即相关)知:
多维随机变量函数的概率密度:
设X X1, X 2 L X n为n维随机向量,f (x1x2 K xn )为其概率密度,
设Yi gi (x1x2 K xn ) (i 1, 2K n)是X的函数,且存在唯一的反函数
xi hi ( y1 y2 K yn ),如果gi、hi有连续偏导数,则Y Y1,Y2 L Yn的
6
证: 1)充分性 若B(t),t 0是布朗运动,则其为正态过程。
设0 s t,则:
E B(s)B(t) E B(s)B(t) B(s) B(s) E B(s)B(t) B(s) E B(s)B(s) s
2)必要性,当B(t),t 0为正态过程,且 E B(s)B(t) min(s,t),则多s,t 0,有 E B(t) B(s) 0; E B(t) B(s)2 EB2(t) EB2(s) 2E B(t)B(s)
相关文档
最新文档