3.5 Markov 性
定义 3. 21 (条件概率)
假设
是一个子
-代数,对事件
,定义
为事件
在给定
下的条件概率,它是一个随机变量。
定义 3. 22 (Markov 过程)
一个取值于
的随机过程
如果对一切
和一切 Borel 集
,都满足
我们称其为一个 Markov 过程。
可以看出 Markov 过程中
所包含的 “信息” 和给定一段历史
所包含的信息相当:它只 “记得” 当前的状态,而不记得来时的路。
定理 3. 23 (
维 Brown 运动是 Markov 过程)
维 Brown 运动
是一个 Markov 过程,且对所有
和所有 Borel 集
,都有
证明.
找一个 Borel 集合
,考虑函数
是
-可测的。为了证明这个定理,我们需要证明对任意
,有
由于
,其中
是
中的所有 Borel 集。因此
生成的
-代数
中的元素
就对应着
在某个 Borel 集
下的原像。
一方面,
另一方面,
注释
Brown 运动的 Markov 性一定程度上解释了其采样路径的无处可微性。
假如我们知道
则该采样路径在此之后的未来行为只取决于当前这个值,而与它如何达到这个地方无关,这说明了其 “无记忆性”。