跳到主要內容

[機率論] 隨機漫步- Wald's equation

這次要介紹 Random Walk + stopping time 的重要的結果,介紹之前我們需要一些先導概念

考慮 $T$ 為 stopping time,則 $ET =?$
注意到幾件事實:
1. 若 $P(T=\infty) >0$,則 $ET = \infty$
2. 若 $P(T = \infty)=0$ 且 $n \sum_n P(T=n) < \infty$ 若且唯若 $ET < \infty$
3. $P(T < \infty) = \sum_n^\infty P(T=n)$

=================
Theorem: Wald's Equation
令 $X_1, X_2,...$ 為 i.i.d. 且 $E|X_i| < \infty$,令 $S_n:=\sum_m^n X_m$。若 $N$ 為 stopping time 且 $EN < \infty $ 則 $ES_N = EX_1 EN$
=================

Proof:
首先假設 $X_i \ge 0$,觀察
\[E{S_N} = \sum\limits_{n = 1}^\infty  {E\left[ {{S_n}{1_{N = n}}} \right]}  = \sum\limits_{n = 1}^\infty  {E\left( {\sum\limits_{k = 1}^n {{X_k}{1_{N = n}}} } \right)} \]由於 $X_n \ge 0$ 故 利用 Fubini Theorem 我們可對調 summation 順序:
\[\sum\limits_{n = 1}^\infty  {\sum\limits_{k = 1}^n {E{X_k}{1_{N = n}}} }  = \sum\limits_{k = 1}^\infty  {\sum\limits_{n = k}^\infty  {E{X_k}{1_{N = n}}} } \]現在注意到 ${1_{\left\{ {N \ge k} \right\}}} = {1_{{{\left\{ {N \le k - 1} \right\}}^c}}} \in {F_{k - 1}}$ 由於 $X_k$ 為 independent,故 $X_k \perp F_{k-1}$ ,亦即可將其改寫為
\[\begin{array}{l}
\sum\limits_{k = 1}^\infty  {E{X_k}{1_{N \ge k}}}  = \sum\limits_{k = 1}^\infty  {E{X_k}E{1_{N \ge k}}} \\
 \Rightarrow E{S_N} = E{X_1}\sum\limits_{k = 1}^\infty  {E{1_{N \ge k}}}  = E{X_1}\sum\limits_{k = 1}^\infty  {P\left( {N \ge k} \right)} \ \ \ \ \ (*)
\end{array}\]現在注意到
\[\begin{array}{l}
\sum\limits_{k = 1}^\infty  {P\left( {N \ge k} \right)}  = P\left( {N \ge 1} \right) + P\left( {N \ge 2} \right) + P\left( {N \ge 3} \right) + ...\\
\begin{array}{*{20}{c}}
{}&{}&{}&{}
\end{array} = \left[ \begin{array}{l}
P\left( {N = 1} \right) + P\left( {N = 2} \right) + P\left( {N = 3} \right) + ... + \\
\begin{array}{*{20}{c}}
{}&{}
\end{array} + P\left( {N = 2} \right) + P\left( {N = 3} \right) + ... + \\
\begin{array}{*{20}{c}}
{}&{}
\end{array} + P\left( {N = 3} \right) + P\left( {N = 4} \right) + ... + \\
\begin{array}{*{20}{c}}
{}&{}
\end{array} + ...
\end{array} \right]\\
\begin{array}{*{20}{c}}
{}&{}&{}&{}
\end{array} = P\left( {N = 1} \right) + 2P\left( {N = 2} \right) + 3P\left( {N = 3} \right) + ...\\
\begin{array}{*{20}{c}}
{}&{}&{}&{}
\end{array} = \sum\limits_{k = 1}^\infty  {kP\left( {N = k} \right)}  = E\left[ N \right]
\end{array}\]故 $(*)$ 可表為
\[E{S_N} = E{X_1}\sum\limits_{k = 1}^\infty  {P\left( {N \ge k} \right)}  = E{X_1}ET\]


留言

張貼留言

這個網誌中的熱門文章

[數學分析] 什麼是若且唯若 "if and only if"

數學上的 if and only if  ( 此文不討論邏輯學中的 if and only if,只討論數學上的 if and only if。) 中文翻譯叫做  若且唯若 (or 當且僅當) , 記得當初剛接觸這個詞彙的時候,我是完全不明白到底是甚麼意思,查了翻譯也是愛莫能助,畢竟有翻跟沒翻一樣,都是有看沒有懂。 在數學上如果看到 if and only if  這類的句子,其實是表示一種 雙條件句 ,通常可以直接將其視為" 定義(Definition)" 待之,今天要分享的是這樣的一個句子如何用比較直觀的方法去看他 假設我們現在有 兩個邏輯陳述句 A 與  B. 注意到,在此我們不必考慮這兩個陳述句到底是什麼,想表達什麼,或者到底是否為真(true),這些都不重要。只要知道是兩個陳述即可。 現在,考慮新的陳述:  "A if and only if B" 好了,現在主角登場,我們可以怎麼看待這個句子呢? 事實上我們可以很直覺的把這句子拆成兩部分看待,也就是 "( A if B ) and ( A only if B )" 那麼先針對第一個部分  A if B  來看, 其實這句就是說  if B then A, 更直白一點就是 "if B is true, then A is also true".  在數學上等價可以寫為 "B implies A" .  或者更常用一個箭頭符號來表示 "B $\Rightarrow$  A"  現在針對第二個部分  A only if B 此句意指  "If B is not true, then A is also not true". 所以如果已知 A is true,  那麼按照上句不難推得 B is also true 也就是說  A only if B  等價為 "If A is true then B is also true". 同樣,也可以寫作   "A implies B"   或者用箭頭表示  "A   $\Rightarrow$     B".

[數學分析] 淺談各種基本範數 (Norm)

這次要介紹的是數學上一個重要的概念: Norm: 一般翻譯成 範數 (在英語中 norm 有規範的意思,比如我們說normalization就是把某種東西/物品/事件 做 正規化,也就是加上規範使其正常化),不過個人認為其實翻譯成 範數 也是看不懂的...這邊建議把 Norm 想成長度就好 (事實上norm是長度的抽象推廣), 也許讀者會認為好端端的長度不用,為何又要發明一個 norm 來自討苦吃?? 既抽象又艱澀。 事實上想法是這樣的: 比如說現在想要比較兩個數字 $3$ , $5$ 之間的大小,則我們可以馬上知道 $ 3 < 5 $;同樣的,如果再考慮小數與無理數如 $1.8753$ 與 $\pi$,我們仍然可以比較大小 $1.8753 < \pi = 3.1415...$ 故可以發現我們有辦法對 "純量" 做明確的比大小,WHY? 因為前述例子中 $3$, $5$, $1.8753$ or $\pi$ 其各自的大小有辦法被 "measure "! 但是如果是現在考慮的是一組數字 我們如何去measure 其大小呢?? 比如說 \[x:=[1, -2, 0.1, 0 ]^T \]上式的大小該是多少? 是 $1$? $-2$? $0.1$??? 再者如果更過分一點,我們考慮一個矩陣 \[A = \left[ {\begin{array}{*{20}{c}} 1&2\\ 3&4 \end{array}} \right] \],想要知道這個矩陣的大小又該怎麼辦?? 是 $1$ ? $2$ 還是 $4$ ?..其實現階段我們說不清楚。 也正是如此,可以發現我們確實需要新的 "長度" 的定義來幫助我們如何去 measure 矩陣/向量/甚至是函數的大小。 故此,我們首先定義甚麼是Norm,(也就是把 "長度" or "大小" 的本質抽離出來) ================== Definition: Norm 考慮 $V$ 為一個向量空間(Vector space),則我們說  Norm 為一個函數 $||\cdot|| : V \rightarrow \mathbb{R}$ 且滿足下列性質