32 votos

Interpretación de sigma álgebra

Mi pregunta es cómo interpretar sigma álgebra, especialmente en el contexto de la teoría de la probabilidad (procesos estocásticos incluido). Me gustaría saber si hay algún claro y de manera general para interpretar sigma álgebra, que puede unificar a las diversas maneras de decir que como la historia, el futuro, la recopilación de información, tamaño y probabilidad medible, etc?

Específicamente,espero saber cómo interpretar lo siguiente en cierta manera consistente:

  • estar dado/condicional en un sigma álgebra
  • un subconjunto de ser medible o nonmeasurable w.r.t. un sigma álgebra
  • una asignación ser medible o nonmeasurable w.r.t. un sigma álgebra en el dominio y otro sigma álgebra en el codominio
  • una colección de aumento de sigma álgebra de operadores, es decir, una filtración de sigma álgebra de operadores
  • ...

Siguiente es una lista de ejemplos que he conocido. Son buenos ejemplos, pero creo que sus formas de interpretación no son claros y consistentes que suficiente para mí para aplicar en la práctica. Incluso si no hay ninguna forma unificada para interpretar todos los ejemplos, me gustaría saber lo que algunas de las distintas maneras de interpretación.

  1. El tiempo de parada

    Deje $(I, \leq)$ ser un índice ordenado conjunto, y deje $(\Omega, \mathcal{F},\mathcal{F}_t, \mathbb{P})$ ser un filtrado de probabilidad en el espacio.

    A continuación, una variable aleatoria $\tau : \Omega \to I$ es llamado el tiempo de parada si $\{ \tau \leq t \} \in \mathcal{F}_{t} \forall t \in I$.

    Concretamente, para τ a ser un el tiempo de parada, debería ser posible para decidir si o no $\{ \tau \leq t \}$ se ha producido sobre la base de la conocimiento de $\mathcal{F}_t$, es decir, evento $\{ \tau \leq t \}$ es $\mathcal{F}_t$-medible.

    Yo todavía estaba preguntando cómo exactamente a "decidir si o no $\{ \tau \leq t \}$ se ha producido en la base de los conocimientos de $\mathcal{F}_t$, es decir, el evento $\{ \tau \leq t \}$ $\mathcal{F}_t$- medible."

  2. Martingala proceso

    Si un proceso estocástico $Y : T \times \Omega \rightarrow S$ es una martingala con respecto a una filtración $\{ \Sigma_t\}$ y la probabilidad de medir $P$, entonces para todo s y t con $s < t$ y todos los $F \in \Sigma_s$, $$Y_s = \mathbf{E}_{\mathbf{P}} ( Y_t | \Sigma_s ),$$

    donde $\Sigma_s $ se interpreta como "historia".

    También me pregunto cómo $\Sigma_s, s < t$ puede actuar como la historia, la $\Sigma_s, s=t$ como presente, y $\Sigma_s, s > t$ futuro?

  3. Originalmente interpretar un medibles subconjunto wrt un sigma álgebra como un subconjunto cuya "tamaño"/"probabilidad" es medible, y la clase de tales tamaño de subconjuntos medibles debe ser cerrado bajo complementar y contables de la unión.
  4. En un post por Nate Eldredge, un medibles subconjunto wrt un sigma el álgebra es interpretada por analogía de preguntas respondidas:

    Si sé la respuesta a una pregunta $A$, entonces también sé la respuesta a su negación, lo que corresponde a la set $A^c$ (por ejemplo, "Es el dodo no extintos?"). Por lo que cualquier información eso es suficiente para contestar la pregunta $A$ también es suficiente para contestar la pregunta $A^c$. Por lo tanto $\mathcal{F}$ debe ser cerrado en tomar complementos. Del mismo modo, si sé la respuesta a preguntas $A,B$, también sé que el la respuesta a su disyunción $A \cup B$ ("Son el dodo o el elefante extinguido?"), por lo $\mathcal{F}$ debe también ser cerrado bajo (finito) de los sindicatos. Contables de los sindicatos requieren más de un estirar, pero imagino que preguntar a un secuencia infinita de preguntas "convergentes" en una pregunta final. ("Los elefantes viven hasta los 90? Puede viven en 99? Pueden vivir a ser 99.9?" En el final, sé que si los elefantes pueden vivir hasta los 100 años.)

Gracias de antemano por compartir sus puntos de vista, y cualquier referencia que se ha relacionado con la discusión también es apreciado!

33voto

Jun Deng Puntos 313

El juego es un buen punto de partida para la probabilidad. Podemos tratar a $\sigma$-el campo como una estructura de eventos como tenemos que definir la suma y la multiplicación por números. La completitud de los números reales es adecuado para nuestros cálculos, y $\sigma$-campo juega el mismo papel.

Espero que el siguiente juego de azar de ejemplo ayuda a entender la filtración y la esperanza condicional.

Suponiendo que dos personas, dicen que el jugador a y el jugador B, apuesta en los resultados de dos lanzar una moneda. H: head T: cola

En el momento en $0$, a y B no se sabe nada sobre el resultado, excepto que uno de los eventos en $\Omega=\{HH,HT,TH,TT\}$ va a suceder. Por lo tanto, la información en tiempo $0$ que ambos saben que es $\mathcal{F}_0=\{\emptyset,\Omega\}$.

En el momento en $1$, la moneda había sido lanzado sólo una vez; y saben que los eventos de la $\sigma$campo $\mathcal{F}_1=\{\emptyset, \Omega, \{HH,HT\},\{TH,TT\}\}\supset \mathcal{F}_0 $ podría suceder.

En el momento en $2$, la moneda había sido lanzados dos veces; y saben que los eventos de la $\sigma$campo $\mathcal{F}_2=\{\emptyset, \Omega,\{HH,HT\},\{TH,TT\},\{HH\},\{HT\},\{TH\},\{TT\}\}\supset \mathcal{F}_1$ podría suceder que significa que lo saben todo sobre el juego de azar de resultados.

Por favor, observe la evolución de la información se caracteriza por las filtraciones $\mathcal{F}_0,\mathcal{F}_1,\mathcal{F}_2.$ Con el pasar del tiempo, el mundo desconocido $\Omega$ se divide más finamente. Es algo así como el agua fluye a través de tuberías.

Suponiendo que se apuesta en los siguientes resultados y la moneda es justo. $$X(\omega)=\left\{ \begin{array}{l} 2, \omega=HH,\mbox{means the first tossing is H, and the second tossing is H}\\ 1, \omega=HT,\mbox{means the first tossing is H, and the second tossing is T}\\ 1, \omega=TH,\mbox{means the first tossing is T, and the second tossing is H} \\ 0, \omega=TT,\mbox{means the first tossing is T, and the second tossing is T}\\ \end{array} \right.$$

Entonces, tenemos

$$E[X|\mathcal{F}_0](\omega)=1\qquad\text{for every}\ \omega $$ $$E[X|\mathcal{F_2}](\omega)=X(\omega)\qquad\text{for every}\ \omega $$ $$E[X|\{HH,HT\}]=2P(HH|\{HH,HT\})+1P(HT|\{HH,HT\})$$ $$+1P(TH|\{HH,HT\})+0P(TT|\{HH,HT\})=\frac{3}{2}$$ $$E[X|\{TH,TT\}]=2P(HH|\{TH,TT\})+1P(HT|\{TH,TT\})$$ $$+1P(TH|\{TH,TT\})+0P(TT|\{TH,TT\})=\frac{1}{2} $$

$$E[X|\mathcal{F_1}](\omega)=\left\{ \begin{array}{l} \frac{3}{2}, \omega\in \{HH,HT\}\\ \frac{1}{2}, \omega \in \{TH,TT\} \end{array} \right. $$

Espero que los que sería útil.

i-Ciencias.com

I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.

Powered by:

X