En la 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 se pueden definir como núcleos de transición o como elementos aleatorios . Ambas definiciones son equivalentes. Para las definiciones, sea un espacio métrico completo separable y sea su álgebra de Borel . (El ejemplo más común de un espacio métrico completo separable es )
Como núcleo de transición
Una medida aleatoria es un núcleo de transición localmente finito desde un espacio de probabilidad abstracto a . [3]
Ser un núcleo de transición significa que
- Para cualquier fijo , el mapeo
- es medible de a
- Para cada fijo , el mapeo
- es una medida sobre
Ser localmente finito significa que las medidas
satisfacer para todos los conjuntos mensurables acotados
y para todos excepto algunos - conjunto nulo
En el contexto de los procesos estocásticos existe el concepto relacionado de núcleo estocástico, núcleo de probabilidad o núcleo de Markov .
Como elemento aleatorio
Definir
y el subconjunto de medidas localmente finitas por
Para todos los valores medibles acotados , defina las asignaciones
de a . Sea la -álgebra inducida por las aplicaciones en y la -álgebra inducida por las aplicaciones en . Nótese que .
Una medida aleatoria es un elemento aleatorio de a que casi con seguridad toma valores en [3] [4] [5]
Conceptos básicos relacionados
Medida de intensidad
Para una medida aleatoria , la medida que satisface
Para cada función medible positiva se 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 aleatoria , la medida que satisface
Para todas las funciones medibles positivas se denomina medida de apoyo de . La medida de apoyo existe para todas las medidas aleatorias y puede elegirse que sea finita.
Transformada de Laplace
Para una medida aleatoria , la transformada de Laplace se define como
para cada función medible positiva .
Propiedades básicas
Medibilidad de integrales
Para una medida aleatoria , las integrales
y
para los positivos -medibles son mensurables, por lo que son variables aleatorias .
Unicidad
La distribución de una medida aleatoria está determinada únicamente por las distribuciones de
para todas las funciones continuas con soporte compacto en . Para un semianillo fijo que genera en el sentido de que , la distribución de una medida aleatoria también está determinada de forma única por la integral sobre todas las funciones simples medibles positivas . [6]
Descomposición
Una medida generalmente podría descomponerse de la siguiente manera:
Aquí hay una medida difusa sin átomos, mientras que es una medida puramente atómica.
Medida de conteo aleatorio
Una medida aleatoria de la forma:
donde es la medida de Dirac , y son variables aleatorias, se denomina proceso puntual [1] [2] o medida de conteo aleatoria . Esta medida aleatoria describe el conjunto de N partículas, cuyas ubicaciones están dadas por las variables aleatorias (generalmente de valor vectorial) . El componente difuso es nulo para una medida de conteo.
En la notación formal de arriba, una medida de conteo aleatoria es una función de un espacio de probabilidad al espacio medible ( , ) un espacio medible . Aquí está el espacio de todas las medidas de valores enteros finitos acotados (llamadas medidas de conteo ).
Las definiciones de medida de expectativa, 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 análisis de métodos de Monte Carlo , como la cuadratura numérica de Monte Carlo y los filtros de partículas . [7]
Véase también
Referencias
- ^ ab Kallenberg, O. , Random Measures , 4.ª edición. Academic Press, Nueva York, Londres; Akademie-Verlag, Berlín (1986). ISBN 0-12-394960-2 MR 854102. Una referencia autorizada pero bastante difícil.
- ^ ab Jan Grandell, Procesos puntuales y medidas aleatorias, Advances in Applied Probability 9 (1977) 502-526. MR 0478331 JSTOR Una introducción agradable y clara.
- ^ ab 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). Probability Theory . Berlín: Springer. pág. 526. doi :10.1007/978-1-84800-048-3. ISBN 978-1-84800-047-6.
- ^ Daley, DJ; Vere-Jones, D. (2003). Introducción a la teoría de 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