Остановленное броуновское движение как пример мартингала
Мартинга́л (также мартинге́йл в теории вероятности) в теории случайных процессов — такой случайный процесс , что наилучшим (среднеквадратичным) предсказанием поведения процесса в будущем является его настоящее состояние.
Последовательность случайных величин
{
X
n
}
n
∈
N
{\displaystyle \{X_{n}\}_{n\in \mathbb {N} }}
называется мартинга́лом с дискре́тным вре́менем , если
E
|
X
n
|
<
∞
,
n
∈
N
{\displaystyle {\mathsf {E}}|X_{n}|<\infty ,\quad n\in \mathbb {N} }
;
E
[
X
n
+
1
∣
X
1
,
…
,
X
n
]
=
X
n
,
n
∈
N
{\displaystyle {\mathsf {E}}[X_{n+1}\mid X_{1},\ldots ,X_{n}]=X_{n},\quad n\in \mathbb {N} }
.
Пусть дана другая последовательность случайных величин
{
Y
n
}
n
∈
N
{\displaystyle \{Y_{n}\}_{n\in \mathbb {N} }}
. Тогда последовательность случайных величин
{
X
n
}
n
∈
N
{\displaystyle \{X_{n}\}_{n\in \mathbb {N} }}
называется мартингалом относительно
{
Y
n
}
{\displaystyle \{Y_{n}\}}
или
{
Y
n
}
{\displaystyle \{Y_{n}\}}
-мартингалом, если
E
|
X
n
|
<
∞
,
n
∈
N
{\displaystyle {\mathsf {E}}|X_{n}|<\infty ,\quad n\in \mathbb {N} }
;
E
[
X
n
+
1
∣
Y
1
,
…
,
Y
n
]
=
X
n
,
n
∈
N
{\displaystyle {\mathsf {E}}[X_{n+1}\mid Y_{1},\ldots ,Y_{n}]=X_{n},\quad n\in \mathbb {N} }
.
Пусть есть вероятностное пространство
(
Ω
,
F
,
P
)
{\displaystyle (\Omega ,{\mathcal {F}},\mathbb {P} )}
с заданной на нём фильтрацией
{
F
t
}
t
∈
T
{\displaystyle \{{\mathcal {F}}_{t}\}_{t\in T}}
, где
T
⊂
R
{\displaystyle T\subset \mathbb {R} }
. Тогда случайный процесс
{
X
t
}
t
∈
T
{\displaystyle \{X_{t}\}_{t\in T}}
называется мартингалом относительно
{
F
t
}
{\displaystyle \{{\mathcal {F}}_{t}\}}
, если
X
t
{\displaystyle X_{t}}
измерима относительно
F
t
{\displaystyle {\mathcal {F}}_{t}}
для любого
t
∈
T
{\displaystyle t\in T}
.
E
|
X
t
|
<
∞
,
t
∈
T
{\displaystyle {\mathsf {E}}|X_{t}|<\infty ,\quad t\in T}
.
E
[
X
t
∣
F
s
]
=
X
s
{\displaystyle {\mathsf {E}}[X_{t}\mid {\mathcal {F}}_{s}]=X_{s}}
почти наверное ,
∀
s
,
t
∈
T
,
s
≤
t
{\displaystyle \quad \forall s,t\in T,\;s\leq t}
.[ 1]
Последний пункт означает, что
∫
A
X
t
d
P
=
∫
A
X
s
d
P
{\displaystyle \int \limits _{A}X_{t}dP=\int \limits _{A}X_{s}dP}
∀
A
∈
F
s
{\displaystyle \forall A\in {\mathcal {F}}_{s}}
.
Если в качестве
{
F
t
}
{\displaystyle \{{\mathcal {F}}_{t}\}}
взята естественная фильтрация
F
t
=
σ
{
X
s
∣
s
≤
t
}
{\displaystyle {\mathcal {F}}_{t}=\sigma \{X_{s}\mid s\leq t\}}
, то
{
X
t
}
{\displaystyle \{X_{t}\}}
называют просто мартингалом.
Пусть дана последовательность случайных величин
{
Y
n
}
n
∈
N
{\displaystyle \{Y_{n}\}_{n\in \mathbb {N} }}
. Тогда последовательность случайных величин
{
X
n
}
n
∈
N
{\displaystyle \{X_{n}\}_{n\in \mathbb {N} }}
называется су́б(су́пер)мартингалом относительно
{
Y
n
}
{\displaystyle \{Y_{n}\}}
, если
E
|
X
n
|
<
∞
,
n
∈
N
;
{\displaystyle {\mathsf {E}}|X_{n}|<\infty ,\quad n\in \mathbb {N} ;}
E
[
X
n
+
1
∣
Y
1
,
…
,
Y
n
]
≥
(
≤
)
X
n
,
n
∈
N
.
{\displaystyle {\mathsf {E}}[X_{n+1}\mid Y_{1},\ldots ,Y_{n}]\geq (\leq )X_{n},\quad n\in \mathbb {N} .}
Случайный процесс
{
X
t
}
t
∈
T
,
T
⊂
R
{\displaystyle \{X_{t}\}_{t\in T},\;T\subset \mathbb {R} }
называется суб(супер)мартингалом относительно
{
F
t
}
{\displaystyle \{{\mathcal {F}}_{t}\}}
, если
X
t
{\displaystyle X_{t}}
измерима относительно
F
t
{\displaystyle {\mathcal {F}}_{t}}
для любого
t
∈
T
{\displaystyle t\in T}
.
E
|
X
t
|
<
∞
,
t
∈
T
{\displaystyle {\mathsf {E}}|X_{t}|<\infty ,\quad t\in T}
.
E
[
X
t
∣
F
s
]
≥
(
≤
)
X
s
,
∀
s
,
t
∈
T
,
s
≤
t
{\displaystyle {\mathsf {E}}[X_{t}\mid {\mathcal {F}}_{s}]\geq (\leq )X_{s},\quad \forall s,t\in T,\;s\leq t}
.
Если в качестве
{
F
t
}
{\displaystyle \{{\mathcal {F}}_{t}\}}
взята естественная фильтрация
F
t
=
σ
{
X
s
∣
s
≤
t
}
{\displaystyle {\mathcal {F}}_{t}=\sigma \{X_{s}\mid s\leq t\}}
, то
{
X
t
}
{\displaystyle \{X_{t}\}}
называют просто суб(супер)мартингалом.
Случайный процесс является мартингалом тогда и только тогда, когда он является одновременно субмартингалом и супермартингалом.
Если
{
X
t
}
{\displaystyle \{X_{t}\}}
— мартингал, то
E
X
t
=
c
o
n
s
t
{\displaystyle {\mathsf {E}}X_{t}=\mathrm {const} }
.
Если
{
X
t
}
{\displaystyle \{X_{t}\}}
— субмартингал, то
{
−
X
t
}
{\displaystyle \{-X_{t}\}}
— супермартингал.
Если
{
X
t
}
{\displaystyle \{X_{t}\}}
является мартингалом, а
f
:
R
→
R
{\displaystyle f:\mathbb {R} \to \mathbb {R} }
— выпуклая функция , то
{
f
(
X
t
)
}
{\displaystyle \{f(X_{t})\}}
— субмартингал. Если
f
{\displaystyle f}
— вогнутая функция , то
{
f
(
X
t
)
}
{\displaystyle \{f(X_{t})\}}
— супермартингал.
Вообще говоря, мартингал не является марковским процессом .
Верно и обратное: марковский процесс не обязан быть мартингалом.
Верна теорема [англ.] о сходимости мартингалов.
Теорема Дуба об остановке приводит условия, гарантирующие, что матожидаемое мартингала в момент остановки равно его начальному ожидаемому значению.
Рассмотрим игру, при которой подбрасывается монета, и при выпадении «орла » игрок выигрывает 1 руб. , а при выпадении «решки » проигрывает 1 руб. Тогда:
если монета уравновешена, то состояние игрока как функция количества игр является мартингалом;
если выпадение «орла» более вероятно, то состояние игрока — субмартингал;
если выпадение «решки» более вероятно, то состояние игрока — супермартингал.
Ссылки на внешние ресурсы
Словари и энциклопедии В библиографических каталогах