卢正新《随机过程》第五章 布朗运动与鞅-全
《随机过程》第5章-布朗运动

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
定
������
义
������������ ������1, ⋯ , ������������; ������1, ⋯ , ������������ = ������ ������������ − ������������−1; ������������ − ������������−1
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

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.

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

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

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 )
《随机过程》第3章-泊松过程

中南民族大学经济学院
43
.随机过程》第3章-泊松过程
2 非齐次Poisson过程
中南民族大学经济学院
44
.随机过程》第3章-泊松过程
随机过程
第三章 泊松过程
1 齐次Poisson过程 2 非齐次Poisson过程 3 复合Poisson过程 4 年龄与剩余寿命 5 更新过程
中南民族大学经济学院
37
.随机过程》第3章-泊松过程
2 非齐次Poisson过程
中南民族大学经济学院
38
.随机过程》第3章-泊松过程
2 非齐次Poisson过程
中南民族大学经济学院
39
.随机过程》第3章-泊松过程
证明:
2 非齐次Poisson过程
中南民族大学经济学院
40
.随机过程》第3章-泊松过程
22
.随机过程》第3章-泊松过程
证明:
1 齐次Poisson过程
中南民族大学经济学院
23
.随机过程》第3章-泊松过程
1 齐次Poisson过程
中南民族大学经济学院
24
.随机过程》第3章-泊松过程
1 齐次Poisson过程
中南民族大学经济学院
25
.随机过程》第3章-泊松过程
证明:
1 齐次Poisson过程
1 齐次Poisson过程
中南民族大学经济学院
9
.随机过程》第3章-泊松过程
证明:
1 齐次Poisson过程
中南民族大学经济学院
10
.随机过程》第3章-泊松过程
证明:
1 齐次Poisson过程
中南民族大学经济学院
11
.随机过程》第3章-泊松过程
随机过程第5章 Brown运动与Ito积分

泛应用于金融工程、物理学、通讯等许多领域。
事实上,在介绍连续时间随机过程遍历性时已
经接触到随机积分,如 X T
=
1 2T
∫−TT
X (t)dt
.
定义5.3 设X={X(t), t∈T}是一随机过程, 若对每个
t∈T,都有
E[ X 2(t)] < ∞,
则称{X(t), t∈T}为二阶矩过程.
由Schwarz不等式可得,二阶矩过程X的均值 函数mX(t)和自协方差函数RX(s,t)都存在. 因此,二 阶矩过程是一个很大的过程类。事实上,宽平稳 过程、Gauss过程、Brown运动都是二阶矩过程。
π |a| t
推论5.1 P{τ a < ∞} = 1.
推论5.2 E[τ a ] = ∞ .
∫ 定理5.2
P{max 0≤s≤t
Bs
≥ a} =
2 +∞ e− y2 2dy, a ≥ 0.
π |a| t
证明:对于任意的a ≥ 0 ,则
0m≤as≤xt Bs ≥ a ≅ {τ a ≤ t}.
§5.2 Brown运动性质
容易证明:Brown运动具有下面性质 性质1 Brown运动的轨道是时间t的连续函数. 性质2 Brown运动是独立增量过程. 定义5.2 设X={Xt, t ≥ 0}是一个可积的随机过
程. 如果对任意的t>s≥0均有E[Xt|Fs]=Xs, 则 称X是一个鞅;如果E[Xt|Fs] ≥ Xs, 则称X是 一个下鞅;E[Xt|Fs] ≤ Xs, 则称X是一个上鞅.
5.3.2 关于Brown运动的积分
设{Wt, -∞<t<∞}是方差参数为σ2的Brown运 动,a和b为两个有限数,f(t)是[a,b]上的连续可
随机过程课件-c5

⎧1 , i = j lim pij (t ) = ⎨ t →0 ⎩0 , i ≠ j
5 连续时间的马尔可夫链
12
转移速率
5 连续时间的马尔可夫链
13
Q矩阵
若连续时间齐次马尔可夫链具有有限状态空间I={0,1,2,…,n}
λ
λ
26
求其平稳分布。
pij(t)极限存在且与i无关,存在平稳分布
5 连续时间的马尔可夫链
27
或者
此Markov链是不可约的
5 连续时间的马尔可夫链
28
5 连续时间的马尔可夫链
29
5.3 生灭过程
5 连续时间的马尔可夫链
30
Q矩阵
I = {0,1,2,3,...}
⎛ − λ0 ⎜ ⎜ μ1 ⎜ Q=⎜ ⎜ ⎜ ⎜ ⎜ ⎝
⎛ − q00 ⎜ ⎜ q10 Q =⎜ ⎜ ⎜ q ⎝ n0 q01 − q11 qn1 q0 n ⎞ ⎟ q1n ⎟ ⎟ ⎟ − qnn ⎟ ⎠
Q= P′ (0)
利用Q可以推出任意时间间隔的转移概率所满足的方程组,从 而求解转移概率。
5 连续时间的马尔可夫链
14
微分方程
P′(t)=QP(t) 定理5.5 (科尔莫戈罗夫向前方程) 在适当的正则条件下有
5 连续时间的马尔可夫链
22
渐近性质
5 连续时间的马尔可夫链
23
5 连续时间的马尔可夫链
24
回顾
转移概率: pij(s,t)= P{X(s+t)=j|X(s)=i} P(s+t)=P(s)P(t) 转移速率 Q= P′ (0) 科尔莫戈罗夫微分方程 向后方程:P′(t)=QP(t) 向前方程:P′(t)=P(t)Q
随机过程西财讲义

= 6x3 ,0 < x < 1,
当 0 < x < 1 时,pX (x) > 0,有
pY|X ( y | x) =
p(x, y) pX (x)
=
8xy 4x3
=
2y x2
,0
<y
< x,
故当
0
<
x
<
1
时,条件密度函数
pY | X
(y
|
x)
=
⎪⎧ ⎨
2y x2
,
0 < y < x;
⎪⎩0, 其它.
1
随机过程及其经济应用
参考书目: 《随机过程》,李裕奇,国防工业出版社 《随机过程》,张卓奎,西安交通大学出版社 《金融随机分析》,Steven E.Shreve,上海财经大学出版社(翻译)
教学安排: 预备知识——概率论、实变函数 第一章——随机过程基本概念 第二章——泊松过程 第三章——平稳过程 第四章——马尔可夫过程 第五章——鞅 第六章——布朗运动
0
<
x
<
1
时,条件密度函数
pY | X
(
y
|
x)
=
⎪⎧ ⎨
2 x
y
2
,
0 < y < x;
⎪⎩0, 其它.
∫ ∫ 故 0 < y < 1 时, E( X | Y = y) =
+∞
−∞ xp X |Y (x | y)dx =
1
x⋅
2x
dx =
2
y 1− y2
1− y2
⋅ 1 x3 1 3y
= 2(1 − y 3 ) ; 3(1 − y 2 )
《概率论与数理统计》课件-随机过程

目录
• 随机过程基础 • 随机过程的基本类型 • 随机过程的分析与变换 • 随机过程的应用 • 随机过程的计算机模拟 • 随机过程的未来发展与挑战
01
随机过程基础
随机过程的定义与分类
定义
随机过程是由随机变量构成的数 学结构,每个随机变量对应一个 时间点或位置。
分类
根据不同的特性,随机过程可以 分为离散随机过程和连续随机过 程,平稳随机过程和非平稳随机 过程等。
随机过程的统计特性
均值函数
方差函数
自相关函数
谱密度函数
描述随机过程的平均行 为。
描述随机过程的波动程 度。
描述随机过程在不同时 间点的相关性。
描述随机过程的频率特 性。
随机过程的概率模型
01
02
蒙特卡洛方法在金融、物理、工程等领域有广泛应用,如期权定价、核反应堆模拟 等。
离散事件模拟方法
离散事件模拟方法是一种基于 事件驱动的模拟方法,通过模 拟离散事件的发生和影响来逼 近真实系统。
离散事件模拟方法适用于描述 离散状态变化的过程,如交通 流模拟、排队系统模拟等。
离散事件模拟方法的关键在于 事件的时间点和顺序的确定, 以及事件影响的计算。
连续时间模拟方法
连续时间模拟方法是一种基于时间连 续变化的模拟方法,通过模拟时间连 续变化的过程来逼近真实系统。
连续时间模拟方法的关键在于时间步 长的选择和状态变化的计算,需要保 证模拟结果的准确性和稳定性。
连续时间模拟方法适用于描述连续状 态变化的过程,如人口增长模拟、生 态系统模拟等。
06
随机过程的未来发展与挑战
控制系统
利用随机过程理论,分析和设计 控制系统,提高系统的稳定性和
卢正新随机过程-第一章 介绍

F 2(y)F ,y yf(u,v)dudv
联合密度 联合密度
边际密度 边际密度
相互独立的随机变量
设X,Y是两个随机变量,若对任意实数x,y有
P ( X x , Y y ) P ( X ( x ) ( Y y ) P ( ) X x ) P ( Y y )
F ( x ) F ( x 1 , , x n ) P ( e : X 1 ( e ) x 1 , , X n ( e ) x n )
为X=(X1,X2,…,Xn)的联合分布函数
25
边际分布
若二维联合分布函数中有一个变元趋于无穷,则其极限函数便是一维 分布函数,对于这种特殊性质,我们称其为边际分布。 对于任意两个随机变量X,Y,其联合分布函数为FXY(x,y),则
1. 0≤P(A) ≤1, A;F
2. P(Ω)=1; 3. 若A1,A2,……..,Ak两两互斥,则
P( Ak) P(Ak)
k1
k1
称P为可测空间(Ω,F)的一个概率测度,简称概率; 称 (Ω,F,P)为一个概率空间;F为事件域,A为事件,P(A) 为事件A的概率。
12
例:U[0,1]—[0,1]区间上的均匀分布: Ω=[0,1] , F=B[0,1]—[0,1]区间上的Borelσ域, U[0,1]的概率P定义 为: A ( a ,b ) B [ 0 ,1 ] , P ( A ) b a 令A为 [0,1]上全体有理数,AC为[0,1]上全体无理数。 1)证明 A B [0,1 ], A C B [0,1 ] 2)证明 P(A)=0, P(AC)=1
P(A)
事件A所包含的样本点个数 样本空间中所含样本 个点 数
几何概率
随机过程西财讲义

(1)若 X 与 Y 相互独立,则 E (X | Y ) = E (X ),E (Y | X ) = E (Y );
(2)设 g( y) 是一个函数,则 E [ g(Y ) | Y ] = g(Y ),E [ g(Y ) X | Y ] = g(Y ) E (X | Y ).
与条件随机变量独立时,条件期望等于无条件的期望;而条件随机变量的函数,相当于常数.
解:设该矿工需要 X 小时到达安全区,X 的分布很复杂,
又设 Y 表示矿工选择的门的编号,Y 的分布很简单,
Y 123 P111
333
因 E (X | Y = 1) = 3,E (X | Y = 2) = 5 + E (X ),E (X | Y = 3) = 7 + E (X ),
∑ 则 E( X ) P{Y = i} = 3× 1 + [5 + E( X )]× 1 + [7 + E( X )]× 1 = 5 + 2 E( X ) ,
计算复杂随机变量的数学期望转化为计算简单随机变量函数的数学期望.
例 一矿工被困在有三个门的矿井里.第一个门通一坑道,沿此坑道走 3 小时可到达安全区;第二个门通
一坑道,沿此坑道走 5 小时又回到原处;第三个门通一坑道,沿此坑道走 7 小时又回到原处.假定此矿工
总是等可能地在三个门中选择一个,试求他平均要用多少时间才能到达安全区.
y
y
当 0 < y < 1 时,pY ( y) > 0,有
p X |Y (x |
y) =
p(x, y) pY ( y)
=
8xy 4( y − y 3 )
= 2x 1− y2
,y < x < 1,
《随机过程》课件 (2)

随机过程在实际应用中的重要 性
随机过程在许多领域中起到重要的作用,例如金融学、通信工程、物理学、 天气预报等。通过建立和分析随机过程模型,我们可以更好地理解和预测复 杂系统中的随机变化。
2 连续时间
随机过程在连续的时间范围内进行观测和分析。这包括连续的时间流逝和可能具有连续 状态值的过程。
随机过程的性质和特征
随机性
随机过程的结果是不确定的,无法预测每个时间点的具体数值。
时序关联
随机过程的值在时间上相互关联,前一时刻的值对后一时刻的值具有一定的影响。
统计稳定
随机过程具有一定的平稳性质,即其统计性质在时间上保持不变。
《随机过程》PPT课件 (2)用随机过程的例子解释概率论基本概念。随机过程的定义
随机过程是指一种随着时间的推移而产生变化的数学模型。它可以描述在不 同时间发生的随机事件,并提供了一种分析和预测的方法。
随机过程的分类
1 离散时间
随机过程在离散时间点上进行观测和分析。这包括离散的时间步长和离散的状态值。
随机过程--鞅

4 实际上 F = (F n ) n∈Z+ 可以作更为广泛的理解,它也可以是无限维向量,如果仅仅解释为价格或者收益就
和法马(Fama E.)定义的弱的市场效率的基础相吻合,这也是我们这里的定义。这样假定时,我们说滤波是 由价格过程产生的。 5 这里的描述来主要自于 Dothan(1990)和 Rebonato(1998)。
并且由于可以借助现代数值计算技术,它还提供了更为强大的运算能力,而这对于实际工 作又是至关重要的。
在本章中,我们首先在离散时间下,使用在概率基础一章中接触到的分割、条件数学 期望等概念来严格地给出鞅的定义。然后澄清一些性技术要求并给出连续时间鞅的概念。 介绍一些常见的鞅的例子。在讨论了鞅的两个重要子类之后,
价格
uu [2]
u[1]
0
du,ud [0]
d[-1] dd [-2]
t0
t1
t2
时间
图 10-1 二项树模拟股票价格运动
u 代表股票价格经历了一次上升; d 则代表一次下降,两个时刻过后股票价格会出 现 4 种情况,那么样本空间就是:
Ω = {{uu},{ud},{du},{dd}}
我们任意构造几种集合,例如:
鞅在 20 世纪 70 年代末期被引入金融经济学用来描述资产的价格运动过程, 最早出现在 Pliska&Kreps 相对于上一章随机微积分而言,由于较多地借助测度论,鞅显得更加抽象,但是令人 惊奇的是,它的引入不仅使得微观金融理论分析(例如期权定价)变得更加简洁和优雅;
第十章 随机过程 II:鞅
2
10.1.1 离散时间 简单的说,一个随机变量的时间序列没有表现出任何的趋势性(trend),就可以称之为鞅; 而如果它一直趋向上升,则称之为下鞅(submartingale);反之如果该过程总是在减少,则称 之为上鞅(supermartingale)。实际上鞅是一种用条件数学期望定义的随机运动形式,或者说 是具有某种可以用条件数学期望来进行特征描述的随机过程。 我们循序渐进地分成 4 个步骤来正式定义鞅: 1)首先,描述概率空间。存在一概率空间{Ω, F , P} ,要求σ-代数 F 是 P-完备的,即对 于任何 A ∈ F 且 P(A) = 0 ,对一切 N ⊂ A 都有 N ∈ F 成立2。接下来,
应用随机过程7布朗运动

}
lim
t
P{Tx
t} 1
,但是
ETx 0 P{Tx t}dt
2 x t e y2 2dydt
2 0 0
2
e y2 2dy
x2 y2
dt
2x2
1 e y2 2dy
2 0
0
2 0 y2
2x2e1 2 1 1 dy
则称此过程为空间齐次的。 注:
布朗运动过程具有空间齐次性。
例7.1.1 设 B(t), t 0 是 标 准 布 朗 运 动 , 计 算 P{B(2) 0} , P{B(t) 0, t 0,1,2} 。
2010-7-30
理学院 施三支
7.2 高斯过程
定义7.2.1
有限维分布均为多元正态分布的随机过程称为高斯过程。
2 arccos a 。
b
定理7.5.3 设{B y (t),t 0}是布朗运动,则
P{B y (t)在(a,b)中没有零点} 2 arcsin a 。
b
2010-7-30
理学院 施三支
7.6 布朗运动的几种变化
一、布朗桥
定义7.6.1 设 B(t), t 0 是一个布朗运动,令 B*(t) B(t) tB(1) , 0 t 1
0
3
2010-7-30
理学院 施三支
7.3 布朗运动的鞅性质
定理7.3.1 设 B(t) 是布朗运动,则 (1) B(t) 是鞅; (2) (B(t))2 t 是鞅;; (3) 对任何实数 u, exp{uB(t) u 2 t} 是鞅。
2
2010-7-30
- 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、"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、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)。
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)