logo

정지 시간의 성질들 📂확률론

정지 시간의 성질들

정리

확률 공간 (Ω,F,P)( \Omega , \mathcal{F} , P)마틴 게일 {(Xn,Fn)}\left\{ ( X_{n} , \mathcal{F}_{n} ) \right\} 이 주어져 있다고 하자. 정지 시간 τ\tau 에 대해 Fτ:={AF:A(τ=n)Fn}\mathcal{F}_{\tau}:= \left\{ A \in \mathcal{F}: A \cap ( \tau = n ) \in \mathcal{F}_{n} \right\}τ\tau 에 의해 유도된 시그마 필드라 한다.

  • [1]: Fτ\mathcal{F}_{\tau} 는 시그마 필드다.
  • [2]: τ\tauFτ\mathcal{F}_{\tau}-가측 함수다.
  • [3]: 마틴 게일 {(Xn,Fn)}\left\{ ( X_{n} , \mathcal{F}_{n} ) \right\} 에 대해 XτX_{\tau}Fτ\mathcal{F}_{\tau}-가측 함수다.
  • [4]: 1(σ=n)\mathbb{1}_{(\sigma = n)}Fσ\mathcal{F}_{\sigma}-가측 함수다.
  • [5]: ZnZ_{n}FnF_{n}-가측 함수면 Zn1σ=nZ_{n} \mathbb{1}_{\sigma = n}Fσ\mathcal{F}_{\sigma}-가측 함수면서 Fn\mathcal{F}_{n}-가측 함수다. 그 뿐만 아니라, Zn1(σ=n)=Zσ1(σ=n)Z_{n} \mathbb{1}_{(\sigma = n)} = Z_{\sigma} \mathbb{1}_{(\sigma = n)} 이 성립한다.
  • [6]: E(XτFσ)1(σ=n)=E(XτFn)1(σ=n) a.s.E(X_{\tau} | \mathcal{F}_{\sigma} ) \mathbb{1}_{(\sigma = n)} = E(X_{\tau} | \mathcal{F}_{n} ) \mathbb{1}_{(\sigma = n)} \text{ a.s.}

  • 보렐 셋 BB(R)B \in \mathcal{B}(\mathbb{R}) 에 대해 (τB)=τ1(B)(\tau \in B) = \tau^{-1} (B) 로써, (τ=n)(\tau = n)τ1({n})\tau^{-1} ( \left\{ n \right\} ) 과 같다.
  • τ\tauFn\mathcal{F}_{n}-가측 함수라는 것은 모든 보렐 셋 BB(R)B \in \mathcal{B}(\mathbb{R}) 에 대해 τ1(B)Fn\tau^{-1} (B) \in \mathcal{F}_{n} 라는 의미다.
  • 확률 과정 {Xn}nN0\left\{ X_{n} \right\}_{n \in \mathbb{N}_{0}} 이 주어져 있을 때, ωΩ\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 )

설명

정지 시간은 본질적으로 우리가 원하는 어떤 타이밍을 나타내기 위한 확률 변수로 이해할 수 있다.

증명

[1]

Fτ\mathcal{F}_{\tau}시그마 필드의 조건을 만족하는지 확인하면 된다.

Part (i). Fτ\emptyset \in \mathcal{F}_{\tau}

F\mathcal{F}Fn\mathcal{F}_{n} 는 시그마 필드이므로 \emptyset 을 포함한다. 따라서 Fτ\emptyset \in \mathcal{F}_{\tau} 이다.


Part (ii). AFτ    AcFτA \in \mathcal{F}_{\tau} \implies A^{c} \in \mathcal{F}_{\tau}

Ac(τ=n)=(τ=n)[A(τ=n)] A^{c} \cap ( \tau = n ) = ( \tau = n ) \setminus \left[ A \cap ( \tau = n ) \right] 인데 (τ=n)Fn( \tau = n) \in \mathcal{F}_{n} 이고 AFτA \in \mathcal{F}_{\tau}FτF_{\tau} 의 정의에 따라 A(τ=n)FnA \cap ( \tau = n) \in \mathcal{F}_{n} 이므로 AcFτA^{c} \in \mathcal{F}_{\tau}


Part (iii). {An}n=1Fτ    i=1AiFτ\displaystyle \left\{ A_{n} \right\}_{n=1}^{\infty} \subset \mathcal{F}_{\tau} \implies \bigcup_{i=1}^{\infty} A_{i} \in \mathcal{F}_{\tau}

i=1,2,i = 1 , 2, \cdots 에 대해 AiFτA_{i} \in \mathcal{F}_{\tau}FτF_{\tau} 의 정의에 따라 Ai(τ=n)FnA_{i} \cap ( \tau = n) \in \mathcal{F}_{n} 다. 따라서 i=1Ai(τ=n)=i=1[Ai(τ=n)]Fn \bigcup_{i=1}^{\infty} A_{i} \cap (\tau = n ) = \bigcup_{i=1}^{\infty} \left[ A_{i} \cap ( \tau = n) \right] \in \mathcal{F}_{n} 다시 한 번 FτF_{\tau} 의 정의에 따라 i=1AiFτ\bigcup_{i=1}^{\infty} A_{i} \in \mathcal{F}_{\tau}

[2]

가측 함수의 동치조건에 따라 τ\tauFτ\mathcal{F}_{\tau}-가측 함수인지 확인하려면 모든 kRk \in \mathbb{R} 에 대해 (τk)Fτ( \tau \le k ) \in \mathcal{F}_{\tau} 인지만 확인하면 충분하다. (τk)(τ=n)={,k<n(τ=n),kn ( \tau \le k ) \cap ( \tau = n) = \begin{cases} \emptyset &, k < n \\ (\tau = n) &, k \ge n \end{cases} 여기서 Fn\emptyset \in \mathcal{F}_{n} 이고 (τ=n)Fn(\tau =n ) \in \mathcal{F}_{n} 이므로 kRk \in \mathbb{R} 이 무엇이든 (τk)(τ=n)Fn( \tau \le k ) \cap ( \tau = n) \in \mathcal{F}_{n} 이다. 따라서 모든 kRk \in \mathbb{R} 에 대해 (τk)Fτ( \tau \le k ) \in \mathcal{F}_{\tau} 이고, τ\tauFτ\mathcal{F}_{\tau}-가측 함수다.

[3]

임의의 보렐 셋 BB(R)B \in \mathcal{B}(\mathbb{R}) 에 대해 다음이 성립한다. (XτB)(τ=n)=(XnB)(τ=n) (X_{\tau} \in B) \cap (\tau = n) = (X_{n} \in B) \cap (\tau = n) 그 이유는 (XτB)(X_{\tau} \in B)(XnB)(X_{n} \in B)(τ=n)(\tau = n) 과의 교집합을 취했을 때 오직 τ=n\tau = n 인 경우만을 생각하기 때문이다. 이는 마치 조건부 기대값 E(YX)E(Y|X) 를 계산할 때 X=xX=x 와 같이 값이 고정되면 그 경우만 생각하는 것과 비슷하다. 한편 마틴게일의 정의에 따라 (XnB)Fn(X_{n} \in B) \in \mathcal{F}_{n} 이어야하고, 정지 시간의 정의에 따라 (τ=n)Fn(\tau = n ) \in \mathcal{F}_{n} 이다. 따라서 [(XτB)(τ=n)]Fτ\left[ (X_{\tau} \in B) \cap (\tau = n) \right] \in \mathcal{F}_{\tau} 이고, XτX_{\tau}Fτ\mathcal{F}_{\tau}-가측 함수다.

[4]

사건 AFA \in \mathcal{F} 에 대해 1A\mathbb{1}_{A} 은 다음과 같이 세가지 중 하나로 나타난다. (1Aa)={Ω,a1Ac,a[0,1),a<0 ( \mathbb{1}_{A} \le a ) = \begin{cases} \Omega &, a \ge 1 \\ A^{c} &, a \in [0,1) \\ \emptyset &, a < 0 \end{cases} 따라서 사건 A=(σ=n)A = (\sigma = n) 가 주어지면 모든 보렐 셋 BB(R)B \in \mathcal{B}(\mathbb{R}) 에 대해 ,(σn),ΩFσ\emptyset, (\sigma \ne n), \Omega \in \mathcal{F}_{\sigma} 이므로 (1(σ=n)a)Fσ( \mathbb{1}_{(\sigma = n)} \le a ) \in \mathcal{F}_{\sigma} 이다. 다시 말해, 1(σ=n)\mathbb{1}_{(\sigma = n)}Fσ\mathcal{F}_{\sigma}-가측 함수다.

[5]

Zn1(σ=n)={Zσ1,σ=n0,σ0 Z_{n} \mathbb{1}_{(\sigma = n)} = \begin{cases} Z_{\sigma} \cdot 1 &, \sigma = n \\ 0 &, \sigma \ne 0 \end{cases} 이므로 Zn1(σ=n)=Zσ1(σ=n)Z_{n} \mathbb{1}_{(\sigma = n)} = Z_{\sigma} \mathbb{1}_{(\sigma = n)} 가 성립한다. [3]에 의해 ZσZ_{\sigma}Fσ\mathcal{F}_{\sigma}-가측 함수고 [4]에 의해 1(σ=n)\mathbb{1}_{(\sigma = n)} Fσ\mathcal{F}_{\sigma}-가측 함수였이므로 그 곱과 같은 Zn1(σ=n)Z_{n} \mathbb{1}_{(\sigma = n)} 역시 Fσ\mathcal{F}_{\sigma}-가측 함수다.

[6]

E(XτFn)E \left( X_{\tau} | \mathcal{F}_{n} \right)Fn\mathcal{F}_{n}-가측이므로 E(XτFn)1σ=nE \left( X_{\tau} | \mathcal{F}_{n} \right) \mathbb{1}_{ \sigma = n} 은 [4]에 의해 Fσ\mathcal{F}_{\sigma}-가측이다. 한편 1(σ=n)\mathbb{1}_{(\sigma=n)}스무딩 성질에 의해 Fσ\mathcal{F}_{\sigma}-가측 함수이므로 E(Fσ)E ( \cdot | \mathcal{F}_{\sigma} ) 안팎을 넘나들 수 있으므로

스무딩 성질: XXG\mathcal{G}-가측이면 E(XYG)=XE(YG) a.s.E(XY | \mathcal{G}) = X E (Y | \mathcal{G}) \text{ a.s.}

조건부 기대값의 성질: XXF\mathcal{F}-가측이면 E(XF)=X a.s.E(X|\mathcal{F}) =X \text{ a.s.}

한편 위와 같은 성질들에 따라, 모든 AFσA \in \mathcal{F}_{\sigma} 에 대해 AE(XτFσ)1(σ=n)dP=AE(Xτ1(σ=n)Fσ)dP=AXτ1(σ=n)dP=A(σ=n)XτdP=AXτ1(σ=n)dP=A(σ=n)E(XτFn)dP=AE(XτFn)1(σ=n)dP \begin{align*} \int_{A} E \left( X_{\tau} | \mathcal{F}_{\sigma} \right) \mathbb{1}_{(\sigma = n)} dP =& \int_{A} E \left( X_{\tau} \mathbb{1}_{(\sigma = n)} | \mathcal{F}_{\sigma} \right) dP \\ =& \int_{A} X_{\tau} \mathbb{1}_{(\sigma = n)} dP \\ =& \int_{A \cap (\sigma = n)} X_{\tau} dP \\ =& \int_{A} X_{\tau} \mathbb{1}_{(\sigma = n)} dP \\ =& \int_{A \cap (\sigma = n)} E \left( X_{\tau} | \mathcal{F}_{n} \right) dP \\ =& \int_{A } E \left( X_{\tau} | \mathcal{F}_{n} \right) \mathbb{1}_{(\sigma = n)} dP \end{align*} AF,Afdm=0    f=0 a.e.\displaystyle \forall A \in \mathcal{F}, \int_{A} f dm = 0 \iff f = 0 \text{ a.e.} 이므로 E(XτFσ)1(σ=n)=E(XτFn)1(σ=n) a.s. E(X_{\tau} | \mathcal{F}_{\sigma} ) \mathbb{1}_{(\sigma = n)} = E(X_{\tau} | \mathcal{F}_{n} ) \mathbb{1}_{(\sigma = n)} \text{ a.s.}