En la teoría de la probabilidad, particularmente en el cálculo de Malliavin , un espacio de probabilidad gaussiano es un espacio de probabilidad junto con un espacio de Hilbert de variables aleatorias gaussianas de valor real y media cero . Ejemplos importantes incluyen el espacio de Wiener clásico o abstracto con alguna colección adecuada de variables aleatorias gaussianas. [1] [2]
Definición
Un espacio de probabilidad gaussiano consta de
- un espacio de probabilidad ( completo ) ,
- un subespacio lineal cerrado llamado espacio gaussiano tal que todas son variables gaussianas de media cero. Su σ-álgebra se denota como .
- una σ-álgebra llamada σ-álgebra transversal que se define a través de
- [3]
Irreductibilidad
Un espacio de probabilidad gaussiano se llama irreducible si . Estos espacios se denotan como . Los espacios no irreducibles se utilizan para trabajar en subespacios o para ampliar un espacio de probabilidad determinado. [3] Los espacios de probabilidad gaussianos irreducibles se clasifican por la dimensión del espacio gaussiano . [4]
Subespacios
Un subespacio de un espacio de probabilidad gaussiano consta de
- un subespacio cerrado ,
- una subálgebra σ de variables aleatorias transversales tales que y son independientes, y . [3]
Ejemplo:
Sea un espacio de probabilidad gaussiano con un subespacio cerrado . Sea el complemento ortogonal de in . Dado que la ortogonalidad implica independencia entre y , tenemos que es independiente de . Definir vía .
Observación
Porque tenemos .
Álgebra fundamental
Dado un espacio de probabilidad gaussiano se define el álgebra de variables aleatorias cilíndricas
donde es un polinomio y se llama álgebra fundamental . Para cualquiera es cierto que .
Para una probabilidad gaussiana irreducible, el álgebra fundamental es un conjunto denso para todos . [4]
Modelo numérico y Segal
Una probabilidad gaussiana irreducible para la que se eligió una base se denomina modelo numérico . Dos modelos numéricos son isomórficos si sus espacios gaussianos tienen la misma dimensión. [4]
Dado un espacio de Hilbert separable , siempre existe un espacio de probabilidad gaussiano canoncial irreducible llamado modelo de Segal como espacio gaussiano. [5]
Literatura
- Malliavin, Paul (1997). Análisis estocástico . Berlín, Heidelberg: Springer. doi :10.1007/978-3-642-15074-6. ISBN 3-540-57024-1.
Referencias
- ^ Malliavin, Paul (1997). Análisis estocástico . Berlín, Heidelberg: Springer. doi :10.1007/978-3-642-15074-6. ISBN 3-540-57024-1.
- ^ Nualart, David (2013). El cálculo de Malliavin y temas relacionados . Nueva York: Springer. pag. 3. doi :10.1007/978-1-4757-2437-0.
- ^ abc Malliavin, Paul (1997). Análisis estocástico . Berlín, Heidelberg: Springer. págs. 4–5. doi :10.1007/978-3-642-15074-6. ISBN 3-540-57024-1.
- ^ abc Malliavin, Paul (1997). Análisis estocástico . Berlín, Heidelberg: Springer. págs. 13-14. doi :10.1007/978-3-642-15074-6. ISBN 3-540-57024-1.
- ^ Malliavin, Paul (1997). Análisis estocástico . Berlín, Heidelberg: Springer. pag. 16. doi :10.1007/978-3-642-15074-6. ISBN 3-540-57024-1.