logo

확률과정론에서의 정지 시간 📂확률론

확률과정론에서의 정지 시간

정의

확률 공간 (Ω,F,P)( \Omega , \mathcal{F} , P) 이 주어져 있다고 하자. 필트레이션 {Fn}\left\{ \mathcal{F}_{n} \right\} 에 대해 00 보다 크거나 같은 정수 값을 갖는 확률 변수 τ\tau 가 모든 n∈N0n \in \mathbb{N}_{0} 에 대해 (τ=n)∈Fn(\tau = n) \in \mathcal{F}_{n} 을 만족하면 τ\tau 를 정지 시간stopping Time이라고 한다.

  • 보렐 셋 B∈B(R)B \in \mathcal{B}(\mathbb{R}) 에 대해 (τ∈B)=τ−1(B)(\tau \in B) = \tau^{-1} (B) 로써, (τ=n)(\tau = n) 은 τ−1({n})\tau^{-1} ( \left\{ n \right\} ) 과 같다.

예시

정지 시간의 직관적인 개념은 관심 있는 사건이 일어나는―관찰되는 순간을 말한다. 가령 τ=8\tau = 8 이라는 것은 정보 F8\mathcal{F}_{8} 를 알고 있으면서 관심 있는 사건이 n=8n=8 에 일어난 것을 말한다. 언뜻 정지 시간의 조건은 너무 쉬워보이기도 한다. 하지만 모든 n∈N0n \in \mathbb{N}_{0} 에 대해 만족해야한다는 것이 난점이 된다.

Y1,Y2,⋯∼iidB(1,p)Y_{1}, Y_{2} , \cdots \overset{iid}{\sim} B(1,p) 라고 하자. 다시 말해, 각각의 YnY_{n} 이 확률 pp 의 베르누이 분포를 따른다고 하고, Y5Y_{5} 까지의 결과가 다음과 같다고 하자. Y1Y2Y3Y4Y500101 \begin{matrix} Y_{1} & Y_{2} & Y_{3} & Y_{4} & Y_{5} \\ 0 & 0 & 1 & 0 & 1 \end{matrix}

(1) 정지 시간이 아닌 경우: τ\tau 를 τ:=max⁡{k:Yk=0}\tau:= \max \left\{ k: Y_{k} = 0 \right\} 라 두면 위의 경우에는 다음과 같이 τ\tau 가 계산 된다. Y1Y2Y3Y4Y500101τ=1τ=2τ=2τ=4τ=5 \begin{matrix} Y_{1} & Y_{2} & Y_{3} & Y_{4} & Y_{5} \\ 0 & 0 & 1 & 0 & 1 \\ \tau = 1 & \tau = 2 & \tau = 2 & \tau = 4 & \tau = 5 \end{matrix} 여기서 τ\tau 는 {Yk}1≤k<n\left\{ Y_{k} \right\}_{1 \le k < n} 이 어떻게 되든 다음을 만족해야 정지 시간이 될 수 있다. (τ=n)=(Yn=0,Yn+1=1,⋯ ) (\tau = n ) = \left( Y_{n} = 0 , Y_{n+1} = 1 , \cdots \right) 이는 정확하게 Yn=0Y_{n} = 0 이고 그 이후로는 반드시 11 이어야한다는 건데, 어떤 n∈Nn \in \mathbb{N} 이든 간에 아직 시행도 하지 않고 결과를 알 수는 없다. 따라서 τ\tau 는 정지 시간이 될 수 없다.

(2) 정지 시간이 되는 경우: τ\tau 를 τ:=min⁡{k:Yk=1}\tau:= \min \left\{ k: Y_{k} = 1 \right\} 라 두면 위의 경우에는 다음과 같이 τ\tau 가 계산 된다. Y1Y2Y3Y4Y500101τ=0τ=0τ=3τ=3τ=3 \begin{matrix} Y_{1} & Y_{2} & Y_{3} & Y_{4} & Y_{5} \\ 0 & 0 & 1 & 0 & 1 \\ \tau = 0 & \tau = 0 & \tau = 3 & \tau = 3 & \tau = 3 \end{matrix} τ\tau 는 이미 n=3n=3 에 관심 있는 사건이 일어나서 미래에 무엇이 나오든 상관 없어졌고 정지 시간이 된다.

설명

위의 예시에서 max⁡\max 는 정지 시간으로 좋지 못했지만 min⁡\min 은 정지 시간이 된 것에 주목하라. 이러한 센스에서, 정지 시간은 ‘최초로 무언가가 일어나는 타이밍’이라고 직관적으로 간주할 수 있어야한다. 한편 수학적인 엄밀한 정의에서 τ\tau 는 여전히 확률 변수라는 것 역시 잊어서는 안 된다. 확률 과정 {Xn}n∈N0\left\{ X_{n} \right\}_{n \in \mathbb{N}_{0}} 이 주어져 있을 때, ω∈Ω\omega \in \Omega 에 대해 XτX_{\tau} 는 다음을 의미한다. Xτ=Xτ(ω)=Xτ(ω)(ω) X_{\tau} = X_{\tau} ( \omega )= X_{\tau (\omega)} ( \omega ) 가령 τ(ω1)=5\tau (\omega_{1}) = 5 라면 Xτ(ω1)=X5(ω1)X_{\tau} (\omega_{1}) = X_{5} ( \omega_{1}) 이 되는 식이다. τ\tau 는 어디까지나 ‘사건이 일어날지 모르는 언젠가’를 나타내는 확률 변수이므로 ‘정지 시간’이라고 불리기 이전에 이전에 모든 ω∈Ω\omega \in \Omega 를 각각 어떤 n∈N0n \in \mathbb{N}_{0} 으로 매핑하는 ‘함수’다. 직관적인 이해에 매달려서 이 점을 잊으면 정지 시간이 동원되는 모든 수식 전개가 괴로워진다. 명심하도록 하자.