En teoría de la probabilidad , una medida aleatoria es un elemento aleatorio con valor de medida . [ 1 ] [ 2 ] Las medidas aleatorias se utilizan, por ejemplo, en la teoría de procesos aleatorios , donde forman muchos procesos puntuales importantes como los procesos puntuales de Poisson y los procesos de Cox .
Definición
Las medidas aleatorias pueden definirse como núcleos de transición o como elementos aleatorios . Ambas definiciones son equivalentes. Para las definiciones, seaSea un espacio métrico completo separable y seasea su Borel-álgebra . (El ejemplo más común de un espacio métrico completo separable es.)
Como núcleo de transición
Una medida aleatoriaes un núcleo de transición localmente finito ( como ) de un espacio de probabilidad abstractoa. [ 3 ]
Ser un núcleo de transición significa que
- Para cualquier fijo, el mapeo
- es medible desde a
- Para cada fijo, el mapeo
- es una medida sobre
Ser localmente finito significa que las medidas
satisfacerpara todos los conjuntos medibles acotados y para todosexcepto algunos- conjunto nulo
En el contexto de los procesos estocásticos existe el concepto relacionado de núcleo estocástico, núcleo de probabilidad, núcleo de Markov .
Como un elemento aleatorio
Definir
y el subconjunto de medidas localmente finitas por
Para todo lo mensurable limitado, definir las asignaciones
dea. Dejarser el-álgebra inducida por las aplicacionesenyel-álgebra inducida por las aplicaciones en. Tenga en cuenta que.
Una medida aleatoria es un elemento aleatorio deaque casi con seguridad toma valores en[ 3 ] [ 4 ] [ 5 ]
Conceptos básicos relacionados
Medida de intensidad
Para una medida aleatoriala medidasatisfactorio
por cada función positiva mediblese denomina medida de intensidad de. La medida de intensidad existe para cada medida aleatoria y es una medida s-finita .
Medida de apoyo
Para una medida aleatoriala medidasatisfactorio
para todas las funciones medibles positivas se denomina medida de soporte deLa medida de soporte existe para todas las medidas aleatorias y puede elegirse de forma que sea finita.
Transformación de Laplace
Para una medida aleatoria, la transformada de Laplace se define como
por cada función positiva medible.
Propiedades básicas
Medibilidad de las integrales
Para una medida aleatoria, las integrales
y
para positivo-mensurableson medibles, por lo tanto son variables aleatorias .
Unicidad
La distribución de una medida aleatoria está determinada de forma única por las distribuciones de
para todas las funciones continuas con soporte compactoen. Para un semianillo fijoque generaen el sentido de que, la distribución de una medida aleatoria también está determinada unívocamente por la integral sobre todos los números simples positivos-funciones medibles. [ 6 ]
Descomposición
Una medida generalmente se puede descomponer de la siguiente manera:
Aquíes una medida difusa sin átomos, mientras quees una medida puramente atómica.
Medida de conteo aleatorio
Una medida aleatoria de la forma:
dóndees la medida de Dirac yson variables aleatorias, se denomina proceso puntual [ 1 ] [ 2 ] o medida de conteo aleatorio . Esta medida aleatoria describe el conjunto de N partículas, cuyas ubicaciones están dadas por las variables aleatorias (generalmente con valores vectoriales).. El componente difusoes nulo para una medida de conteo.
En la notación formal anterior, una medida de conteo aleatorio es un mapa de un espacio de probabilidad al espacio medible (,) . Aquíes el espacio de todas las medidas con valores enteros finitos y acotados(llamadas medidas de conteo ).
Las definiciones de medida de esperanza, funcional de Laplace, medidas de momento y estacionariedad para medidas aleatorias siguen las de los procesos puntuales . Las medidas aleatorias son útiles en la descripción y el análisis de métodos de Monte Carlo , como la cuadratura numérica de Monte Carlo y los filtros de partículas . [ 7 ]
Véase también
Referencias
- 1 2 Kallenberg, O. , Medidas aleatorias , 4.ª edición. Academic Press, Nueva York, Londres; Akademie-Verlag, Berlín (1986). ISBN 0-12-394960-2MR 0854102. Una referencia autorizada pero bastante difícil.
- 1 2 Jan Grandell, Procesos puntuales y medidas aleatorias, Advances in Applied Probability 9 (1977) 502-526. MR 0478331 JSTOR Una introducción agradable y clara.
- 1 2 Kallenberg, Olav (2017). Medidas aleatorias, teoría y aplicaciones . Teoría de la probabilidad y modelado estocástico. Vol. 77. Suiza: Springer. p. 1. doi : 10.1007/978-3-319-41598-7 . ISBN 978-3-319-41596-3.
- ↑ Klenke, Achim (2008). Teoría de la probabilidad . Berlín: Springer. pág. 526. doi : 10.1007/978-1-84800-048-3 . ISBN 978-1-84800-047-6.
- ↑ Daley, DJ; Vere-Jones, D. (2003). Una introducción a la teoría de los procesos puntuales . Probabilidad y sus aplicaciones. doi : 10.1007/b97277 . ISBN 0-387-95541-0.
- ↑ Kallenberg, Olav (2017). Medidas aleatorias, teoría y aplicaciones . Teoría de la probabilidad y modelado estocástico. Vol. 77. Suiza: Springer. p. 52. doi : 10.1007/978-3-319-41598-7 . ISBN 978-3-319-41596-3.
- ↑ "Crisan, D., Filtros de partículas: una perspectiva teórica , en Monte Carlo secuencial en la práctica, Doucet, A., de Freitas, N. y Gordon, N. (Eds.), Springer, 2001, ISBN 0-387-95146-6
- Medidas (teoría de la medida)
- Procesos estocásticos