logo

m2 空間 📂確率微分方程式

m2 空間

定義 1 2

確率空間 (Ω,F,P)( \Omega , \mathcal{F} , P) が与えられているとする。

  1. F\mathcal{F} のサブシグマフィールドのシーケンス {Ft}t0\left\{ \mathcal{F}_{t} \right\}_{t \ge 0} が以下を満たすとき、フィルトレーションfiltrationと呼ぶ。 s<t,FsFt \forall s < t, \mathcal{F}_{s} \subset \mathcal{F}_{t}
  2. 確率過程 g(t,ω):[0,)×ΩRng(t,\omega) : [0,\infty) \times \Omega \to \mathbb{R}^{n} がすべての t0t \ge 0ωg(t,ω)\omega \mapsto g (t,\omega)Ft\mathcal{F}_{t}-可測であれば Ft\mathcal{F}_{t}-適応Ft\mathcal{F}_t-Adaptedという。
  3. 区間 I:=[a,b]I := [a,b] について、以下の三つの条件を満たす関数たちの集まりを m2=m2[a,b]m^{2} = m^{2} [a,b] と表示する。特にこの II伊藤積分ナチュラルドメインnatural Domainと呼ぶ。
    • (i): B\mathcal{B}[0,)[0, \infty)ボレルシグマフィールドに対して(t,ω)f(t,ω)(t, \omega) \mapsto f(t, \omega)B×F\mathcal{B} \times \mathcal{F}-可測である。
    • (ii): f(t,ω)f (t,\omega)Ft\mathcal{F}_{t}-適応である。
    • (iii): ヒルベルト空間の構造である。つまり、 f22([a,b])=E(abf(t,ω)2dt)< \left\| f \right\|_{2}^{2} \left( [a,b] \right) = E \left( \int_{a}^{b} \left| f(t,\omega) \right|^{2} dt \right) < \infty

  • Ft\mathcal{F}_{t}F\mathcal{F} のサブシグマフィールドであることは、両方が Ω\Omega のシグマフィールドであるが、FtF\mathcal{F}_{t} \subset \mathcal{F} であることを意味する。
  • ffFt\mathcal{F}_{t}-可測関数であることは、すべてのボレルセット BB([0,))B \in \mathcal{B}([0,\infty)) に対して f1(B)Ftf^{-1} (B) \in \mathcal{F}_{t} であるという意味だ。

説明

フィルトレーションが与えられた場合、確率過程 ffFt\mathcal{F}_{t}-可測であることは、時点 tt までの歴史や情報を持っているとも見なすことができる。フィルトレーションは、時間とともに情報が増えるという概念と一致する、より大きなサブシグマフィールドのシーケンスだ。

m2m^{2} 空間という命名は、条件(iii)で見るように、L2L^{2} 空間から来ているのは自然なことだ。


  1. Øksendal. (2003). Stochastic Differential Equations: An Introduction with Applications: p25. ↩︎

  2. Panik. (2017). Stochastic Differential Equations: An Introduction with Applications in Population Dynamics Modeling: p116. ↩︎