अनुकूलित प्रक्रिया

स्टोकेस्टिक प्रक्रियाओं के अध्ययन में, एक अनुकूलित प्रक्रिया (जिसे गैर-प्रत्याशित या गैर-प्रत्याशित प्रक्रिया भी कहा जाता है) वह है जो "भविष्य में नहीं देख सकती" है। एक अनौपचारिक व्याख्या यह है कि X को तभी अनुकूलित किया जाता है जब, प्रत्येक अनुभव और प्रत्येक n के लिए, X_n को समय n पर जाना जाता है। उदाहरण के लिए, इटो इंटीग्रल की परिभाषा में एक अनुकूलित प्रक्रिया की अवधारणा आवश्यक है, जो केवल तभी समझ में आती है जब इंटीग्रैंड एक अनुकूलित प्रक्रिया है।

परिभाषा

होने देना

• $(\Omega ,{\mathcal {F}},\mathbb {P} )$ एक संभाव्यता स्थान बनें;
• $I$ कुल ऑर्डर $\leq$ (अधिकांशतः , $I$ ,$\mathbb {N}$, $\mathbb {N} _{0}$, $[0,T]$ या $[0,+\infty )$); के साथ एक इंडेक्स सेट बनें
• $\mathbb {F} =\left({\mathcal {F}}_{i}\right)_{i\in I}$ सिग्मा बीजगणित ${\mathcal {F}}$ का निस्पंदन बनें।
• $(S,\Sigma )$ एक मापने योग्य स्थान हो, अवस्था स्थान;
• $X:I\times \Omega \to S$ एक स्टोकेस्टिक प्रक्रिया बनें।

कहा जाता है कि प्रक्रिया $X$को यादृच्छिक होने पर निस्पंदन $\left({\mathcal {F}}_{i}\right)_{i\in I}$ के लिए अनुकूलित किया जाता है वेरिएबल $X_{i}:\Omega \to S$ प्रत्येक $i\in I$ के लिए एक $({\mathcal {F}}_{i},\Sigma )$-मापने योग्य फलन है।

उदाहरण

एक स्टोकेस्टिक प्रक्रिया X पर विचार करें:  [[0, T] × Ω → R, , और वास्तविक रेखा आर को विवर्त समुच्चयों द्वारा उत्पन्न उसके सामान्य बोरेल सिग्मा बीजगणित से सुसज्जित करें।

• यदि हम प्राकृतिक निस्पंदन F_•^X लेते हैं, जहां F_t^X के बोरेल उपसमुच्चय B और समय 0 ≤ s ≤ t के लिए पूर्व-छवियों X_s⁻¹(B) द्वारा उत्पन्न σ-बीजगणित है, तो X स्वचालित रूप से F_•^X-अनुकूलित. सहज रूप से, प्राकृतिक निस्पंदन F_•^X में समय t तक X के व्यवहार के बारे में "कुल जानकारी" होती है।
• यह एक गैर-अनुकूलित प्रक्रिया का एक सरल उदाहरण प्रस्तुत करता है X : [0, 2] × Ω → R: एफ सेट करें_t 0 ≤ t < 1 और F के समय के लिए तुच्छ σ-बीजगणित {∅, Ω} होना_t = एफ_t^Xसमय के लिए 1 ≤ t ≤ 2. चूँकि किसी फलन को तुच्छ σ-बीजगणित के संबंध में मापने का एकमात्र तरीका स्थिर होना है, कोई भी प्रक्रिया X जो [0, 1] पर गैर-स्थिर है, F होने में विफल होगी_•-अनुकूलित. ऐसी प्रक्रिया की गैर-स्थिर प्रकृति अधिक परिष्कृत भविष्य के σ-बीजगणित एफ से जानकारी का उपयोग करती है_t, 1 ≤ t ≤ 2.

यह भी देखें

• पूर्वानुमेय प्रक्रिया
• उत्तरोत्तर मापने योग्य प्रक्रिया