logo

劣マルチンゲール収束定理の証明 📂確率論

劣マルチンゲール収束定理の証明

概要

確率空間 (Ω,F,P)( \Omega , \mathcal{F} , P)サブマルチンゲール {(Xn,Fn)}\left\{ ( X_{n} , \mathcal{F}_{n} ) \right\} が与えられたとする。

supnNEXn+<\displaystyle \sup_{n \in \mathbb{N}} E X_{n}^{+} < \infty とすると、XnX_{n} はある 確率変数 X:ΩRX_{\infty}: \Omega \to \mathbb{R}ほとんど確実に 収束する EX<EX+<E X_{\infty} < E X_{\infty}^{+} < \infty

証明

戦略:リミットスープリームとリミットインフィニマムの特性を使用する。 X:=lim supnNXnX:=lim infnNXn X^{\ast}:= \limsup_{n \in \mathbb{N}} X_{n} \\ X_{\ast}:= \liminf_{n \in \mathbb{N}} X_{n} だとすると、 (X>X)=a<ba,bQ(X>b>a>X) \left( X^{\ast} > X_{\ast} \right) = \bigcup_{a < b \\ a, b \in \mathbb{Q}} \left( X^{\ast} > b > a > X_{\ast} \right) ここで、a,bQa,b \in \mathbb{Q} だから (X>X)(X^{\ast} > X_{\ast})PP可算に分割することができる。すると、XX^{\ast}XX_{\ast} の間のすべての有理数 aabb に対して、P(X>b>a>X)=0P \left( X^{\ast} >b >a> X_{\ast} \right) = 0 ならば P(X>X)=0P \left( X^{\ast} > X_{\ast} \right) = 0 となり、これは XnX_{n}ほとんど確実に XX_{\infty} に収束することを意味する。


パート1. P(X>b>a>X)P(β(a,b)=)P \left( X^{\ast} > b > a > X_{\ast} \right) \le P \left( \beta_{\infty} (a,b) = \infty \right)

二つの有理数 a,bQa, b \in \mathbb{Q} が作る閉区間 [a,b][a,b]アップクロッシングの回数を βN(a,b)\beta_{N} (a,b) とし、その極限を β(a,b):=limNβN(a,b)\displaystyle \beta_{\infty} (a,b):= \lim_{N \to \infty} \beta_{N} (a,b) とする。X>b>a>XX^{\ast} > b > a > X_{\ast} ならば、XnX_{n} が無限に多くの nNn \in \mathbb{N} に対し、aa 以下にも、bb 以上にも行ったという意味になる。したがって、β(a,b)=\beta_{\infty} (a,b) = \infty であり、命題としては X>b>a>X    β(a,b)= X^{\ast} > b > a > X_{\ast} \implies \beta_{\infty} (a,b) = \infty 集合表現に変えると、 (X>b>a>X)(β(a,b)=) \left( X^{\ast} > b > a > X_{\ast} \right) \subset \left( \beta_{\infty} (a,b) = \infty \right) 確率 PP を取ると、 P(X>b>a>X)P(β(a,b)=) P \left( X^{\ast} > b > a > X_{\ast} \right) \le P \left( \beta_{\infty} (a,b) = \infty \right)


パート2. P(β(a,b)<)=1P \left( \beta_{\infty} (a,b) < \infty \right) = 1

P(X=)0    E(X)= P \left( |X| = \infty \right) \ne 0 \implies E \left( |X| \right) = \infty であるから、対偶によりほとんど確実に Eβ(a,b)<    β(a,b)< E \beta_{\infty} (a,b) < \infty \implies \beta_{\infty} (a,b) < \infty

アップクロッシングの期待値上限: EβN(a,b)EXN++aba\displaystyle E \beta_{N} (a,b) \le {{ E X_{N}^{+} + |a| } \over { b-a }}

単調収束定理: 関数値が非負の可測関数数列 {fn}\left\{ f_{n} \right\}fnff_{n} \nearrow f を満たすとする。すると、 limnEfndm=Efdm \lim_{n \to \infty} \int_{E} f_{n} dm = \int_{E} f dm

前提により、 EβN(a,b)EXN++abasupNNEXN++aba< E \beta_{N} (a,b) \le {{ E X_{N}^{+} + |a| } \over { b-a }} \le {{ \sup_{N \in \mathbb{N}} E X_{N}^{+} + |a| } \over { b-a }} < \infty βN(a,b)\beta_{N} (a,b) の定義により、βN(a,b)β(a,b)\beta_{N} (a,b) \nearrow \beta_{\infty} (a,b) であるから、単調収束定理により、 >limNEβN(a,b)=ElimNβN(a,b)=Eβ(a,b) \begin{align*} \infty &>& \lim_{N \to \infty} E \beta_{N} (a,b) \\ =& E \lim_{N \to \infty} \beta_{N} (a,b) \\ =& E \beta_{\infty} (a,b) \end{align*} 結論として、Eβ(a,b)<E \beta_{\infty} (a,b) < \infty であるから、ほとんど確実に β(a,b)<\beta_{\infty} (a,b) < \infty、すなわち P(β(a,b)<)=1P \left( \beta_{\infty} (a,b) < \infty \right) = 1 が成立する。


パート3. P(X=X)=1\displaystyle P \left( X^{\ast} = X_{\ast} \right) = 1

パート1〜2に従って、X>b>a>XX^{\ast} > b > a > X_{\ast} の全ての a,bQa, b \in \mathbb{Q} に対して、 P(X>b>a>X)P(β(a,b)=)=0 P \left( X^{\ast} > b > a > X_{\ast} \right) \le P \left( \beta_{\infty} (a,b) = \infty \right) = 0 確率 PP測度であるから、 P(X>X)=P[a<ba,bQ(X>b>a>X)]=a<ba,bQP(X>b>a>X)a<ba,bQ0=0 \begin{align*} P \left( X^{\ast} > X_{\ast} \right) =& P \left[ \bigcup_{a < b \\ a, b \in \mathbb{Q}} \left( X^{\ast} > b > a > X_{\ast} \right) \right] \\ =& \sum_{a < b \\ a, b \in \mathbb{Q}} P \left( X^{\ast} > b > a > X_{\ast} \right) \\ \le & \sum_{a < b \\ a, b \in \mathbb{Q}} 0 \\ =& 0 \end{align*} 結論として、P(XX)=1P \left( X^{\ast} \le X_{\ast} \right) = 1 であるから、XnX_{n} の極限 XX_{\infty} はほとんど確実に存在する。


パート4. EX<E X_{\infty} < \infty

絶対値の分解によって、 Xn=Xn++Xn=2Xn+Xn |X_{n}| = X_{n}^{+} + X_{n}^{-} = 2 X_{n}^{+} - X_{n} {(Xn,Fn)}\left\{ ( X_{n} , \mathcal{F}_{n} ) \right\} はサブマルチンゲールであるから、EXnEX1E X_{n} \ge E X_{1} したがって、 EXn=2EXn+EXn2EXn+EX1 E |X_{n}| = 2 E X_{n}^{+} - E X_{n} \le 2 E X_{n}^{+} - E X_{1} 前提で supnNEXn+<\displaystyle \sup_{n \in \mathbb{N}} E X_{n}^{+} < \infty であったから、 supnNEXn2supnNEXn+EX1< \sup_{n \in \mathbb{N}} E | X_{n} | \le 2 \sup_{n \in \mathbb{N}} E X_{n}^{+} - E X_{1} < \infty

ファトゥの補題: 関数値が非負の可測関数数列 {fn}\left\{ f_{n} \right\} に対して、E(lim infnfn)dmlim infnEfndm\displaystyle \int_{E} \left( \liminf_{n \to \infty} f_{n} \right) dm \le \liminf_{n \to \infty} \int_{E} f_{n} dm

supnNEXn<\sup_{n \in \mathbb{N}} E | X_{n} | < \infty であり、ファトゥの補題により、 >supnNEXnlim infnEXn=lim infnΩXndP=Ωlim infnXndP=ΩXdP=EX \begin{align*} \infty &>& \sup_{n \in \mathbb{N}} E | X_{n} | \\ \ge& \liminf_{n \to \infty} E | X_{n} | \\ =& \liminf_{n \to \infty} \int_{\Omega} | X_{n} | d P \\ =& \int_{\Omega} \liminf_{n \to \infty} | X_{n} | d P \\ =& \int_{\Omega} | X_{\infty} | d P \\ =& E |X_{\infty}| \end{align*} したがって、EXE | X_{\infty} | も存在する。

特に、証明過程のパート4.で、Xn<0X_{n} < 0 ならば、Xn=Xn+XnX_{n} = X_{n}^{+} - X_{n}^{-} から Xn+=0X_{n}^{+} = 0 へ、つまり、条件 supnNEXn+<\displaystyle \sup_{n \in \mathbb{N}} E X_{n}^{+} < \infty さえ不要になることがわかる。