Modeliuojant laike kintančias sistemas, atsitiktiniai Gauso procesai yra

vieni populiariausių.
Taip yra dėl paprastų, bet labai reikšmingų jų savybių.
Bene svarbiausia yra tai, kad Gauso procesai pilnai aprašomi tik dviem
parametrais: vidurkiu ir kovariacine funkcija.
Be to, juos paprasta modeliuoti, jie pasižymi geromis prognozavimo
savybėmis. O svarbiausią vietą šioje klasėje pelnytai užima Vynerio
procesas.

Gauso procesai Atsitiktiniai procesai. 3 paskaita 5 / 83

Primintukas

A.d. Y yra standartinis Gauso (Y ∼ N (0, 1)), kai jo tankio funkcija

yra
1 2
φ(x ) = √ e −x /2 , x ∈ R.
2π

A.d. Z yra Gauso su parametrais µ ir σ 2 , (Z ∼ N (µ, σ 2 )), kai jo

tankio funkcija yra
1 2 2
φµ,σ2 (x ) = √ e −(x −µ) /2σ , x ∈ R.
2πσ

E(Z ) = µ, var(Z ) = σ 2 .
Jei Y ∼ N (0, 1), µ ∈ R, σ > 0, tai σY + µ ∼ N (µ, σ 2 ).
Jei Z ∼ N (µ, σ 2 ), tai (Z − µ)/σ ∼ N (0, 1).

Gauso procesai Atsitiktiniai procesai. 3 paskaita 6 / 83

 Z ∼ N (0, σ 2 ) tada ir tik tada, kai
2 σ 2 /2
gZ (t) = E(e tZ ) = e t , t ∈ R.

Pratimas
Tegu a.d. X yra Gauso su nuliniu vidurkiu, o S yra nuo X nepriklausomas
a.d. ir P(S = 1) = P(S = −1) = 1/2. Ar a.d. SX yra Gauso?

Jei Z ∼ N (0, σ 2 ), tai

(2k)!σ 2k
E(Z 2k ) = = (2k − 1) · (2k − 3) · (2k − 5) · · · 3 · 1 · σ 2k .
k!2k
Taigi E(Z 4 ) = 3σ 4 , E(Z 6 ) = 15σ 6 , ir t.t.
Pratimas
Raskite E(Z 8 ).

Jei Z ∼ N (0, σ 2 ), tai (kodėl?)

E(Z (2k+1) ) = 0, k = 0, 1, . . .
Gauso procesai Atsitiktiniai procesai. 3 paskaita 7 / 83
Apibrėžimas
Atsitiktinis vektosius X = (X1 , . . . , Xd )0 yra Gauso, jei su bet kuriuo
λ = (λ1 , . . . , λd )0 , atsitiktinis dydis
d
λk Xk = λ0 X
X

k=1

yra Gauso.

Atsitiktinio vektoriaus X vidurkis yra E(X ) = (E(X1 ), . . . , E(Xd ))0 ,

kovariacinė matrica yra matrica cov(X ) := [σij2 ],

σij2 := cov(Xi , Xj ) = E(Xi − E(Xi ))(Xj − E(Xj )),

t.y.
[σij2 ] = E((X − E(X ))(X − E(X ))0 ).
X ∼ N (µ, Q), µ = E(X ), Q = cov(X ).

Gauso procesai Atsitiktiniai procesai. 3 paskaita 8 / 83

Pratimas
Pateikite tokį dviejų nekoreliuotų Gauso a.d. X1 ir X2 pavyzdį, kad
vektorius (X1 , X2 ) nebūtų Gauso, o a.d. X1 ir X2 nebūtų nepriklausomi.

Patarimas. Imkite X ∼ N (0, 1) ir nagrinėkite vektorių (SX , X ). Be to,

pasinaudokite formule: jei a.d. Y ir Z yra nepriklausomi, tai

E(g(Y , Z )) = EZ (EY (g(Y , Z )) = EY (EZ (g(Y , Z ))

jei tik vidurkiai yra baigtiniai. Čia EZ reiškia, kad visi kiti a.d. laikomi
fiksuotais ir vidurkis skaičiuojamas tik atžvilgiu Z .

Gauso procesai Atsitiktiniai procesai. 3 paskaita 9 / 83

Atsitiktinis vektorius X = (X1 , . . . , Xd )0 ∼ N (0, Q), tada ir tik tada,
kai
0 1
E(e λ X ) = exp{− λ0 Qλ}, λ ∈ Rd .
2
Jei λ = (λ1 , . . . , λd )0 , Q = [qij ]dij=1 , tai

d
λ0 Qλ =
X
qij λi λj .
i,j=1

Gauso procesai Atsitiktiniai procesai. 3 paskaita 10 / 83

Apibrėžimas
Kvadratinė d × d matrica [K ] yra teigiamai (neneigiamai) apibrėžta, jei su
bet kuriuo d-mačiu vektoriumi b,

b 0 [K ]b > 0 (atitinkamai b 0 [K ]b ≥ 0).

Jei matrica [K ] yra teigiamai apibrėžta ir simetrinė, tai egzituoja toks

atsitiktinis vektorius Z = (Z1 , . . . , Zd )0 , kad

[K ] = E[ZZ 0 ].

Gauso procesai Atsitiktiniai procesai. 3 paskaita 11 / 83

Gauso proceso apibrėžimas
Apibrėžimas
Atsitiktinis procesas X = (Xt , t ∈ T ) yra Gauso, jei visi jo baigtiniamačiai
skirstiniai yra Gauso.

Kitais žodžiais tariant, a.p. X yra Gauso, jei su bet kuriais d ≥ 1 ir

t1 , . . . , td ∈ T , atsitiktinis vektorius (Xt1 , . . . , Xtd )0 yra Gauso:

(Xt1 , . . . , Xtd )0 ∼ N (µ, Q).

Parametrai µ ir Q yra atitinkamai vidurkio vektorius ir kovariacinė

matrica,

µ = (E(Xt1 ), . . . , E(Xtd ))0 ,

h id
Q = E[(Xtj − E(Xtj ))(Xtk − E(Xtk ))] .
j,k=1

Gauso procesai Atsitiktiniai procesai. 3 paskaita 12 / 83

 Atsitiktinio proceso gausiškumą lengva tikrinti.

Teiginys
Atsitiktinis procesas X = (Xt , t ∈ T ) yra Gauso tada ir tik tada, kai su bet
kuriuo d ≥ 1 ir su bet kuriais rinkiniais t1 , . . . , td ∈ T , λ1 , . . . , λd ∈ R,
atsitiktinis dydis dk=1 λk Xtk yra Gauso.
P

Gauso procesai Atsitiktiniai procesai. 3 paskaita 13 / 83

 Gauso procesą pilnai aprašo jo vidurkis ir kovariacija.

Teorema [apie Gauso proceso egzistavimą]

Jei m : T → R yra bet kuri funkcija, o simetrinė funkcija
Γ = (γ(s, t), s, t ∈ T ) : T × T → R yra neneigiamai apibrėžta, tuomet
egzistuoja Gauso procesas su vidurkio funkcija m ir kovariacine funkcija Γ.

Priminimas. Funkcija Γ yra neneigiamai apibrėžta, jei su bet kuriuo d ≥ 1

ir su bet kuriais rinkiniais t1 , . . . , td ∈ T , λ1 , . . . , λd ∈ R,
d
X
γ(ti , tj )λi λj ≥ 0.
i,j=1

Gauso procesai Atsitiktiniai procesai. 3 paskaita 14 / 83

Teiginys
Gauso procesas X yra stipriai stacionarus tada ir tik tada, kai jis yra silpnai
stacionarus.

Gauso procesai Atsitiktiniai procesai. 3 paskaita 15 / 83

Gauso baltasis triukšmas

Gauso atsitiktinis procesas X = (Xt , t ∈ Z) su vidurkio funkcija

mX (t) = 0, t ∈ Z,

ir kovariacine funkcija
(
σ2, kai s = t
ΓX (s, t) = s, t ∈ Z
0, 6 t,
kai s =

vadinamas Gauso baltuoju triukšmu su dispersija σ 2 .

Jei σ 2 = 1, tai procesas vadinamas standartiniu Gauso baltuoju
triukšmu.
Gauso baltasis triukšmas dažnai naudojamas kitiems Gauso procesams
„gaminti".

Gauso procesai Atsitiktiniai procesai. 3 paskaita 16 / 83

Gauso atsitiktinis klaidžiojimas

Tegu (Xn , n ∈ Z) yra Gauso baltasis triukšmas su dispersija σ 2 .

Nagrinėkime atsitiktinio klaidžiojimo procesą (Yn , n ∈ N) :

Yn = X1 + · · · + Xn , n ≥ 1.

Pratimas
Įsitikinkite, kad Y yra Gauso procesas su nuliniu vidurkiu ir kovariacine
funkcija
ΓY (k, m) = σ 2 min{m, k}, k, m ∈ N.

Gauso procesai Atsitiktiniai procesai. 3 paskaita 17 / 83

Gauso-Markovo procesas

Tegu (Xn , n ∈ Z) yra Gauso baltasis triukšmas su dispersija σ 2 . Imdami

α ∈ (−1, 1), apibrėžkime a.p. (Zn , n ≥ 0) :

Z0 = 0, Zn+1 = αZn + Xn , n ∈ N.

Pratimas
Įsitikinkite, kad (Zn , n ∈ N0 ) yra Gauso procesas su nuliniu vidurkiu ir
kovariacija
σ 2 (1 − α2k )αm
ΓZ (k, k + m) = .
1 − α2

Gauso procesai Atsitiktiniai procesai. 3 paskaita 18 / 83

 Brauno judesio (Vynerio) procesas

Did you hear about the politician who

promised that, if he was elected, he’d
make certain that everybody would
get an above average income?

Gauso procesai Atsitiktiniai procesai. 3 paskaita 19 / 83

 Be jokių abejonių, svarbiausias Gauso procesų klasės atstovas yra
Brauno judesio arba dar kitaip vadinamas Vynerio procesas.
Norėdami jį apibrėžti, pirmiausia nagrinėkime funkciją

R(s, t) = min{s, t}, s, t ≥ 0.

Teiginys
Funkcija R(s, t), s, t ≥ 0 yra neneigiamai apibrėžta.

Gauso procesai Atsitiktiniai procesai. 3 paskaita 20 / 83

Įrodymas
I Su bet kuriais d ≥ 1, λ1 , . . . , λd ∈ R ir t1 , . . . , td ≥ 0,
d
X d
X
R(ti , tj )λi λj = λi λj min{ti , tj }
i,j=1 i,j=1
d
X Z ∞
= λi λj 1[0,ti ] (u)1[0,tj ] (u)du
i,j=1 0

d
Z ∞hX i2
= λi 1[0,ti ] (u) du ≥ 0,
0 i=1

nes neneigiamos funkcijos integralas yra neneigiamas skaičius. J

Taigi egzistuoja Gauso procesas, pažymėkime jį W = (Wt , t ≥ 0), su

nuliniu vidurkiu ir kovariacine funkcija R(t, s) = min{t, s}, s, t ≥ 0.

Gauso procesai Atsitiktiniai procesai. 3 paskaita 21 / 83

Proceso W = (Wt , t ≥ 0) savybės

(a) W0 = 0.
I Nes E (W02 ) = 0. J

(b) Jei 0 ≤ s < t, tai atsitiktinis dydis Wt − Ws turi Gauso skirstinį:

Wt − Ws ∼ N (0, |t − s|).
I Žinome, kad Wt − Ws ∼ N (0, σ 2 (s, t)), σ 2 (s, t) = E (Wt − Ws )2 .
Tegu t > s. Tuomet

E (Wt − Ws )2 = E (Wt2 ) − 2E (Wt Ws ) + E (Ws2 )

= (t − 2s + s)
= (t − s).

Jei t < s, tuomet E (Wt − Ws )2 = (s − t). Taigi σ 2 (s, t) = |t − s|. J

Gauso procesai Atsitiktiniai procesai. 3 paskaita 22 / 83

(c) Proceso prieaugiai yra nepriklausomi: su visais 0 = t0 ≤ t1 < · · · < tn
atsitiktiniai dydžiai Wtn − Wtn−1 , . . . , Wt2 − Wt1 , Wt1 − Wt0 yra
nepriklausomi.
I Įrodysime atveju, kai n = 2. Imkime 0 ≤ s < t < u. Tuomet

E (Wt − Ws )(Wu − Wt ) = E (Wt Wu ) + E (Ws Wt )

− E (Ws Wu ) − E (Wt2 )
= t + s − s − t = 0.

Kadangi vektorius (Wt − Ws , Wu − Wt ) yra Gauso (įsitikinkite) ir jo

koordinatės yra nekoreliuotos, tai jos yra ir nepriklausomos. J

Gauso procesai Atsitiktiniai procesai. 3 paskaita 23 / 83

(d) Procesas W turi tolydžią modifikaciją.

I Kadangi Wt − Ws yra normalinis a.d., tai su bet kuriuo k > 2

egzistuoja tokia konstanta ck > 0, kad
E |Wt − Ws |k ≤ ck (E |Wt − Ws |2 )k/2 = ck |t − s|k/2 .
Remiantis Kolmogorovo teorema apie atsitiktinio proceso tolydžią
modifikaciją, procesas W turi tolydžią modifikaciją. J
Teorema [Kolmogorovo kriterijus]
Tegu X = (Xt , t ∈ [0, 1]) yra atsitiktinis procesas. Tarkime, egzistuoja
tokios konstantos α, β, K > 0, kad

E |Xt − Xs |α ≤ K |t − s|1+β su visais s, t ∈ [0, 1]. (1)

Tuomet egzistuoja tokia a.p. X modifikacija X e , kurio visos trajektorijos

yra tolydžios, t.y. su bet kuriuo ω ∈ Ω, funkcija t → Xet (ω) : [0, 1] → R
yra tolydi.
Gauso procesai Atsitiktiniai procesai. 3 paskaita 24 / 83
 Apibrėžimas
Atsitiktinis procesas W = (Wt , t ≥ 0) vadinamas Vynerio arba Brauno
judesio procesu, jeigu
(i) W yra Gauso procesas;
(ii) EWt = 0, EWt Ws = σ 2 min{t, s}, su visais t, s ≥ 0;
(iii) beveik visiems ω, trajektorijos t → Wt (ω) : [0, ∞) → R yra tolydžios
funkcijos.
Kai σ 2 = 1, tuomet a.p. W = (Wt , t ≥ 0) vadinamas standartiniu Vynerio
procesu.

Gauso procesai Atsitiktiniai procesai. 3 paskaita 25 / 83

Apibrėžimas
Vynerio proceso W = (Wt , t ≥ 0) siaurinys bet kuriame intervale [a, b],
t.y. a.p. (Wt , t ∈ [a, b]), taip pat vadinamas Vynerio procesu.

Gauso procesai Atsitiktiniai procesai. 3 paskaita 27 / 83

Kaip įsitikinome, Gauso procesas su nuliniu vidurkiu ir kovariacine funkcija
σ 2 R egzistuoja ir turi tolydžią modifikaciją. Tai įrodo Vynerio proceso
egzistavimą.
Pastaba
Kai kada Vynerio procesu vadinamas tiesiog Gauso procesas su nuliniu
vidurkiu ir kovariacija σ 2 R, nereikalaujant trajektorijų tolydumo.

Gauso procesai Atsitiktiniai procesai. 3 paskaita 28 / 83

Ekvivalentus Vynerio proceso apibrėžimas

Apibrėžimas
Atsitiktinis procesas W = (Wt , t ≥ 0) vadinamas Vynerio arba Brauno
judesio procesu, jeigu:
(1) W0 = 0
(2) proceso pokyčiai yra nepriklausomi: su visais 0 = t0 < t1 < · · · < tn
atsitiktiniai dydžiai Wtn − Wtn−1 , . . . , Wt1 − Wt0 yra nepriklausomi;
(3) jei 0 ≤ s < t, tai atsitiktinis dydis Wt − Ws turi Gauso skirstinį
N (0, σ 2 (t − s));
(4) proceso (Wt , t ≥ 0) trajektorijos yra tolydžios.

Norėdami įsitikinti apibrėžimų ekvivalentumu, turime įrodyti, kad (1)–(3)

savybes turintis procesas yra Gauso ir jo kovariacija yra
σ 2 (min{s, t}, s, t ≥ 0).

Gauso procesai Atsitiktiniai procesai. 3 paskaita 29 / 83

Įrodymas
Pirmiausia patikrinkime gausiškumą.
Tam reikia patikrinti ar visi jo baigtiniamačiai skirstiniai yra Gauso.
Imkime 0 < t1 < t2 < · · · < td ir nagrinėkime vektorius
X = (Wt1 , Wt2 , . . . , Wtd )0 , ir
Y τ = (Wt1 , Wt2 − Wt1 , . . . , Wtd − Wtd−1 )0 .
Remiantis pokyčių nepriklausomumu gauname, kad vektorius Y yra
Gauso.
Kadangi X = UY , su matrica
 
1 0 ... 0

 1 1 ... 0 

U= .. .. . . ..  (2)

 . . . .


1 1 ... 1

tai ir a.v. X yra Gauso.

Gauso procesai Atsitiktiniai procesai. 3 paskaita 30 / 83

Pasinaudoję (2) ir (3) savybėmis, turime

EWt Ws = E (Wt − Ws + Ws )Ws

= E (Wt − Ws )(Ws − W0 ) + EWs2
= E (Wt − Ws )E (Ws − W0 ) + EWs2
= σ 2 s,

kai s < t.
Taigi proceso kovariacija yra σ 2 (min{s, t}, s, t ∈ T ). J

Gauso procesai Atsitiktiniai procesai. 3 paskaita 31 / 83

Vynerio proceso baigtiniamačiai skirstiniai

Teiginys
Atsitiktinio proceso W = (Wt , t ≥ 0) baigtiniamačių skirstinių šeima yra:
(W )
{Pt1 ,...,td : t1 , . . . , td > 0, d ∈ N} :

d
(uk − uk−1 )2 o
Z n
(W ) Y
−1/2
Pt1 ,...,td (A) = (2π(tk − tk−1 )) exp − du;
k=1 A 2(tk − tk−1 )
čia A ∈ BRd , t0 = u0 = 0.

Gauso procesai Atsitiktiniai procesai. 3 paskaita 32 / 83

Įrodymas
IReikia pasinaudoti Vynerio proceso prieaugių nepriklausomumu.
Imkime matricą U, apibrėžtą (2) formule.
Tuomet
(W )
Pt1 ,...,td (A) = P((Wt1 , . . . , Wtd ) ∈ A)
= P(U(Wt1 , . . . , Wtd ) ∈ U(A))
= P((Wt1 − Wt0 , . . . , Wtd − Wtd−1 ) ∈ U(A)).

Atsitiktiniai dydžiai Wt1 − Wt0 , . . . , Wtd − Wtd−1 yra nepriklausomi ir

kiekvienas iš jų turi normalinį skirstinį:
Wtk − Wtk−1 ∼ N (0, tk − tk−1 ), k = 1, . . . , d.
Taigi vektoriaus (Wt1 − Wt0 , . . . , Wtd − Wtd−1 ) tankio funkcija yra
d n yk2 o
(2π(tk − tk−1 ))−1/2 exp −
Y
f (y1 , . . . , yd ) = ,
k=1
2(tk − tk−1 )

(y1 , . . . , yd ) ∈ Rd .
Gauso procesai Atsitiktiniai procesai. 3 paskaita 33 / 83
Vadinasi
Z
P((Wt1 − Wt0 , . . . , Wtd − Wtd−1 ) ∈ U(A)) = f (y ) dy
ZUA
= f (Uu) du.
A

Paskutiniame žingsnyje padarėme kintamųjų pakeitimą y = Uu.

Sugretinę išvestas formules užbaigiame teiginio įrodymą.J

Gauso procesai Atsitiktiniai procesai. 3 paskaita 34 / 83

Pratimas
Tegu W = (Wt , t ≥ 0 yra standartinis Vynerio procesas. Raskite
(a) E (W1 + 2W2 + 3W3 )2 ;
(b) E (W1 + 4W3 )3 ;
(c) E (W + 1 + 2W2 + 2)4 ;
(d) E (Wtk );
(e) E exp{W1 + 2W2 }.

Gauso procesai Atsitiktiniai procesai. 3 paskaita 35 / 83

Pratimas
Raskite šių procesų kovariacines funkcijas:
(a) Xt = Wt2 , t ≥ 0;
(b) Xt = W1/t , t > 0;
(c) Xt = W1−t 2 , t ≥ 0.
(d) Yt = |Wt |,
(e) Yt = e Wt ,

Gauso procesai Atsitiktiniai procesai. 3 paskaita 36 / 83

Susiję procesai

Su Vynerio procesu susiję kiti svarbūs atsitiktiniai procesai.

Apibrėžimas [Brauno tiltas]

Tegu W = (Wt , t ≥ 1) yra standartinis Vynerio procesas. Brauno tiltu
vadinamas atsitiktinis procesas B = (Bt , t ∈ [0, 1]) :

Bt = Wt − tW1 , t ∈ [0, 1].

Brauno tiltas yra Gauso procesas. Jo vidurkis yra nulis, o kovariacinė

funkcija
ΓB (t, s) = E (Bt Bs ) = min{s, t} − st,
s, t ∈ [0, 1]. Be to, iš Brauno tilto apibrėžimo matome, kad

B0 = B1 = 0.

Gauso procesai Atsitiktiniai procesai. 3 paskaita 37 / 83

Pratimas
(a) Įsitikinkite, kad Brauno tilto procesas yra Gauso.
(b) Raskite Brauno tilto kovariacinę funkciją.
(c) Raskite Brauno tilto normuotą kovariacinę funkciją.

Gauso procesai Atsitiktiniai procesai. 3 paskaita 38 / 83

Apibrėžimas [Vynerio procesas su dreifu]
Tegu W = (Wt , t ≥ 0) yra Vynerio procesas. Atsitiktinis procesas
X = (Xt , t ≥ 0):
Xt = Wt + µt, t ≥ 0,
vadinamas Vynerio procesu su dreifu. Čia µ ∈ R yra konstanta. Atsitiktinis
procesas (Xt , t ≥ 0) yra Gauso su vidurkiu

µX (t) = E (Xt ) = µt, t ∈ [0, 1],

ir kovariacine funkcija

ΓX (s, t) = σ 2 min{s, t} s, t ∈ [0, 1].

Gauso procesai Atsitiktiniai procesai. 3 paskaita 39 / 83

Apibrėžimas [Geometrinis Brauno judesio procesas]
Apibrėžiamas taip:

Xt = exp{σWt + µt}, t ≥ 0.

Čia σ > 0 ir µ ∈ R yra konstantos.

Šį procesasą Black, Scholes ir Merton pasiūlė akscijų kainų modeliavimui.

Procesas nėra Gauso.

Gauso procesai Atsitiktiniai procesai. 3 paskaita 40 / 83

Pratimas
Raskite geometrinio Brauno judesio proceso kovariacinę funkciją.

Gauso procesai Atsitiktiniai procesai. 3 paskaita 41 / 83

Apibrėžimas [Ornstein–Uhlenbeck procesas]
Tegu W = (Wt , t ≥ 0) yra Vynerio procesas. Apibrėžkime

Xt = e −t We 2t , t ≥ 0.

Procesas X = (Xt , t ≥ 0) vadinamas Ornstein-Uhlenbeck’o procesu. Jis

yra Gauso procesas, vidurkis yra nulis, o kovariacinė funkcija yra

EXt Xs = e −|t−s| , t, s ≥ 0.

Ypatingoji Ornstein-Uhlenbeck proceso savybė yra ta, kad didėjant

atstumui tarp laiko momentų t ir s, koreliacija tarp proceso elgesio tais
laiko momentais mažėja eksponentiškai.

Gauso procesai Atsitiktiniai procesai. 3 paskaita 42 / 83

Pratimas
(a) Įsitikinkite, kad Ornstein-Uhlenbeck procesas yra Gauso.
(b) Raskite Ornstein-Uhlenbeck proceso kovariacinę funkciją.

Gauso procesai Atsitiktiniai procesai. 3 paskaita 43 / 83

 Vynerio proceso trajektorijų savybės

Gauso procesai Atsitiktiniai procesai. 3 paskaita 45 / 83

Savipanašumas

Teiginys
Jei atsitiktinis procesas (Wt , t ≥ 0) yra standartinis Vynerio procesas ir
skaičius a > 0, tai atsitiktinis procesas (Xt , t ≥ 0),

Xt = a−1 Wa2 t , t ≥ 0,

taip pat yra standartinis Vynerio procesas.

ITrajektorių tolydumas, proceso prieaugių stacionarumas ir

nepriklausomumas nesikeičia pakeitus skalę bei mastelį.
Lieka pastebėti, kad su bet kuriais t > s ≥ 0, atsitiktinis dydis
Xt − Xs = a−1 (Wa2 t − Wa2 s ) yra Gauso su nuliniu vidurkiu ir dispersija
a−2 (a2 t − a2 s) = t − s. J

Gauso procesai Atsitiktiniai procesai. 3 paskaita 46 / 83

Niekur nediferencijuojamos tolydžios funkcijos

Gauso procesai Atsitiktiniai procesai. 3 paskaita 50 / 83

Gauso procesai Atsitiktiniai procesai. 3 paskaita 51 / 83
Vejerštrasas (apie 1872 m.) pirmasis sukonstravo niekur
nediferencijuojamos tolydžios funkcijos pavyzdį:
∞
X
f (t) = ak cos(b k πt);
k=0

čia b yra nelyginis sveikasis skaičius, 0 < a < 1 ir ab > 1 + (3/2)π.

Šis pavyzdys sugriovė gana ilgai vyravusią intuityvią nuomonę, kad
tolydžiosios funkcijos yra diferencijuojamos visur išskyrus, gal būt,
izoliuotų taškų aibę.

Gauso procesai Atsitiktiniai procesai. 3 paskaita 52 / 83

Brauno judesio proceso trajektorijų
nediferencijuojamumas
Nors Vynerio proceso trajektorijos yra tolydžios, apskritai jos yra
nereguliarios. Kokia prasme netrukus paaiškės.
Teiginys
Beveik tikrai su bet kuriais 0 < a < b < ∞, Brauno judesio procesas nėra
monotoninis intervale [a, b].

IPirmiausia fiksuokime teigiamo ilgio intervalą [a, b].

Jei jis yra Brauno judesio monotoniškumo intervalas, tuomet
Ws ≤ Wt su visais a ≤ s ≤ t ≤ b.
Paimkime bet kurį intervalo [a, b] suskaidymą:
a = 11 ≤ a2 ≤ · · · ≤ an+1 = b į n intervaliukų [ai , ai+1 ].
Kiekviename tokiame intervale Wti − Wti+1 turi tą patį ženklą.

Gauso procesai Atsitiktiniai procesai. 3 paskaita 54 / 83

Kadangi proceso pokyčiai yra nepriklausomi, tai

P({Wti − Wti+1 ≥ 0, i = 1, . . . , n} ∪ {Wti − Wti+1 ≤ 0, i = 1, . . . , n})

≤ P(Wti − Wti+1 ≥ 0, i = 1, . . . , n) + P(Wti − Wti+1 ≤ 0, i = 1, . . . , n)
n
Y n
Y
= P(Wti − Wti+1 ≥ 0) + P(Wti − Wti+1 ≤ 0)
i=1 i=1
−n
= 22 → 0,

kai n → ∞.
Taigi P(W yra monotoninis intervale [a, b]) = 0.
Imdami skaičias sąjungas įsitikiname, kad beveik tikrai nėra
neišsigimusio Vynerio proceso monotoniškumo intervalo su racionaliais
galais.
Lieka pastebėti, kad bet kuris monotoniškumo intervalas savyje turėtų
intervalą su racionaliais galais.J

Gauso procesai Atsitiktiniai procesai. 3 paskaita 55 / 83

Priminsime, kad dešinioji ir kairioji funkcijos f išvestinės taške t yra
atitinkamai
f (t + h) − f (t)
D ∗ f (t) = lim ,
h↓0 h
ir
f (t + h) − f (t)
D∗ f (t) = lim .
h↑0 h

Teorema [Paley, Wiener ir Zygmund, 1933]

Beveik tikrai Vynerio proceso trajektorijos yra nediferencijuojamos jokiame
taške. Be to, su visais t

D ∗ Wt = +∞, o D∗ Wt = −∞.

Gauso procesai Atsitiktiniai procesai. 3 paskaita 56 / 83

Trajektorijų variacija

Šiurkščiomis įprasta vadinti funkcijas, kurių variacija yra begalinė.

Priminsime, kad tolydi iš dešinės funkcija f : [0, t] → R vadinama
baigtinės variacijos, jei
m
(1) X
Vf (t) = sup |f (tj ) − f (tj−1 | < ∞
j=1

kai tikslusis viršutinis rėžis skaičiuojamas pagal visus m ≥ 1 ir visus

galimus intervalo [0, t] skaidinius 0 = t0 ≤ t1 ≤ · · · ≤ tm = t.

Gauso procesai Atsitiktiniai procesai. 3 paskaita 57 / 83

Teorema
Tarkime, su kiekvienu n ≥ 1 turime smulkėjančius skaidinius
(n) (n) (n)
0 = t0 ≤ t1 ≤ · · · ≤ tk(n) = t

ta prasme, kad kiekviename žingsnyje pridedami nauji padalijimo taškai.

Tegu
(n) (n)
∆n = sup (tj − tj−1 ) → 0,
1≤j≤k(n)

kai n → ∞. Tuomet beveik tikrai

k(n)
X
lim (Wt (n) − Wt (n) )2 = t.
n→∞ j j−1
j=1

Gauso procesai Atsitiktiniai procesai. 3 paskaita 58 / 83

Išvada
Brauno judesio proceso trajektorijos su tikimybe vienas turi begalinę
variaciją.
(1)
Tikrai, jei VW (t) būtų baigtinis dydis, tai
n
X n
X
(∆Wk )2 ≤ sup |∆Wt | |∆Wk | ≤ V max |∆Wk | → 0,
k k
k=1 k=1

kai |π| → 0, nes Brauno judesio trajektorijos yra tolydžios. Bet tas
prieštarautų ką tik įrodytam faktui, kad nk=1 (∆Wk )2 konverguoja
P

kvadratinio vidurkio prasme prie intervalo ilgio t, kai |π| → 0.

Gauso procesai Atsitiktiniai procesai. 3 paskaita 59 / 83

 Vynerio proceso modeliavimas

A mathematician and an engineer agreed to take part in an exper-

iment. They were both placed in a room and at the other end was
a beautiful naked woman on a bed. The experimenter said every
30 seconds they would be allowed to travel half the distance be-
tween themselves and the woman. The mathematician said “this
is pointless” and stormed off”. The engineer agreed to go ahead
with the experiment anyway. The mathematician exclaimed on
his way out “don’t you see, you’ll never actually reach her?”. To
which the engineer replied, “so what? Pretty soon I’ll be close
enough for all practical purposes!”.

Gauso procesai Atsitiktiniai procesai. 3 paskaita 60 / 83

Pirmas būdas: atsitiktiniu klaidžiojimu
Remiantis Vynerio proceso savipanašumo savybe, pakanka aptarti jo
siaurinio bet kuriame intervale modeliavimą.
Nagrinėsime Vynerio proceso siaurinį W = (Wt , t ∈ [0, 1]).
Tarkime, ξ1 , ξ2 , . . . , ξn , . . . yra nepriklausomi vienodai pasiskirstę
atsitiktiniai dydžiai, E ξ1 = 0 ir E ξ 2 = 1. Apibrėžkime S0 = 0 ir

Sk = ξ1 + ξ2 + · · · + ξk , k ≥ 1.

Nagrinėkime atsitiktinį procesą

 
Wn (t) = n−1/2 Sbntc + (nt − bntc)ξbntc+1 , t ∈ [0, 1];

čia bx c := max{k : k ∈ N0 , k ≤ x }, N0 = {0, 1, 2, . . . }.

Atsitiktinis procesas Wn = (Wn (t), t ∈ [0, 1]) vadinamas atsitiktinių

laužčių procesu.
Gauso procesai Atsitiktiniai procesai. 3 paskaita 61 / 83
 Sugeneruotas laužčių proceso trajektorija
Gauso procesai Atsitiktiniai procesai. 3 paskaita 62 / 83
Pratimas
Raskite atsitiktinio laužčių proceso Wn kovariacinę funkciją.

Gauso procesai Atsitiktiniai procesai. 3 paskaita 64 / 83

Teorema
Kai n → ∞, atsitiktinio proceso Wn = (Wn (t), t ∈ [0, 1]) baigtiniamatės
pasiskirstymo funkcijos konverguoja prie atitinkamų Vynerio proceso
W = (Wt , t ∈ [0, 1]) baigtiniamačių pasiskirstymo funkcijų:

lim P(Wn (t1 ) ≤ x1 , . . . , Wn (td ) ≤ xd ) = P(Wt1 ≤ x1 , . . . , Wtd ≤ xd )

n→∞

su visais t1 , . . . , td ∈ [0, 1], x1 , . . . , xd ∈ R ir d ≥ 1.

fdd
Wn −−−→ W
n→∞

Gauso procesai Atsitiktiniai procesai. 3 paskaita 65 / 83

 Taigi vienas būdas Vynerio procesui modeliuoti yra pasinaudojant
laužčių procesu.
Patogiausia laužtes konstruoti iš standartinių Gauso atsitiktinių
dydžių, t.y., imti ξk ∼ N (0, 1), k ≥ 1.
Didinant n, laužčių procesas artėja į Vynerio procesą baigtiniamačių
skirstinių prasme.
Išties galima įrodyti ir daugiau nei teigiama teoremoje.

Apibrėžimas
Atvaizdis T : C [0, 1] → R yra tolydus taške f ∈ C [0, 1], jei

lim T (fn ) = T (f )
n→∞

su bet kuria tokia seka (fn ) ⊂ C [0, 1], kad

lim sup |fn (t) − f (t)| = 0.

n→∞ t∈[0,1]

Atvaizdis T yra tolydus, jei jis tolydus kiekviename taške f ∈ C [0, 1].
Gauso procesai Atsitiktiniai procesai. 3 paskaita 66 / 83
Teorema [Invariantiškumo principas]
Su bet kuriuo tolydžiu atvaizdžiu T : C [0, 1] → R,

lim P(T (Wn ) ≤ x ) = P(T (W ) ≤ x ),

n→∞

su kiekvienu x ∈ R. kuris yra funkcijos y → P(T (W ) ≤ y ) : R → [0, 1]

tolydumo taškas.

Gauso procesai Atsitiktiniai procesai. 3 paskaita 67 / 83

Atsitiktinį dydį T (W ) galime interpretuoti kaip tam tikrą a.p. W
charakteristiką.
Panagrinėkime keletą pavyzdžių, kurie paaiškins invariantiškumo
principo svarbą.
Imkime funkcijas Ti : C [0, 1] → R, i = 1, 2,

T1 (f ) = sup |f (t)|, T2 (f ) = sup f (t).

t∈[0,1] t∈[0,1]

Galima įsitikinti, kad abi funkcijos T1 ir T2 yra tolydžios. Pavyzdžiui,

|Ti (f ) − Ti (g)| ≤ sup |f (t) − g(t)|,

0≤t≤1

bet kurioms funkcijoms f , g ∈ C [0, 1].

Gauso procesai Atsitiktiniai procesai. 3 paskaita 68 / 83

Be to,
T1 (Wn ) = n−1/2 max |Sk |, T2 (Wn ) = n−1/2 max Sk .
1≤k≤n 1≤k≤n

Taigi, iš invariantiškumo principo gauname, kad

D
lim P(n−1/2 max |Sk | ≤ x ) = P(−−−→ sup |Wt | ≤ x ), x ≥0
n→∞ 1≤k≤n n→∞ 1≤t≤1

ir
lim P(n−1/2 max Sk ≤ x ) = P( sup Wt ≤ x ), x ≥ 0.
n→∞ 1≤k≤n 1≤t≤1

Be to, yra žinoma, kad

∞
4X (−1)k
P( sup |Wt | ≤ x ) = exp{−(2k + 1)2π 2 /(8x 2 )}.
1≤t≤1 π k=0 2k + 1

ir s
Z x
2 2 /2
P( sup Wt ≤ x ) = e −y dy , x ≥ 0.
1≤t≤1 π 0

Gauso procesai Atsitiktiniai procesai. 3 paskaita 69 / 83

Išvada
Jei a.d. ξ1 , ξ2 ... yra nepriklausomi ir vienodai pasiskirstę, E ξi = 0 ir
E ξi2 = 1, tuomet
∞
4X (−1)k
lim P(n−1/2 max |Sk | ≤ x ) = exp{−(2k + 1)2π 2 /(8x 2 )},
n→∞ 1≤k≤n π k=0 2k + 1

su visais x ≥ 0.

Gauso procesai Atsitiktiniai procesai. 3 paskaita 70 / 83

Išvada
Jei a.d. ξ1 , ξ2 ... yra nepriklausomi ir vienodai pasiskirstę, E ξi = 0 ir
E ξi2 = 1, tuomet
s
Z x
2 2 /2
lim P(n−1/2 max Sk ≤ x ) = e −y dy ,
n→∞ 1≤k≤n π 0

su visais x ∈ R.
Iš šios išvados, duotam p ∈ (0, 1) galime rasti tokį xp , su kuriuo

lim P(n−1/2 max Sk > xp ) = p.

n→∞ 1≤k≤n

Gauso procesai Atsitiktiniai procesai. 3 paskaita 71 / 83

Pratimas
Tegu W yra standartinis Vynerio procesas, a > 0. Įrodykite, kad šie
procesai taip pat yra standartiniai Vynerio procesai:
(a) Vt = aWt/a2 ,
(b) Wt+a − Wt ,
(c) W1 − W1−t , t ∈ [0, 1].

Gauso procesai Atsitiktiniai procesai. 3 paskaita 72 / 83

Pratimas
Kokios turi būti parametrų λ1 , λ2 reikšmės, kad procesas
λ1 W (1) + λ2 W (2) būtų standartinis Vynerio procesas, kai W (1) ir W (2)
yra nepriklausomi standartiniai Vynerio procesai.

Gauso procesai Atsitiktiniai procesai. 3 paskaita 73 / 83

Pratimas
Apibrėžkime procesą
(
tW1/t , kai t > 0
Xt =
0, kai t = 0.

Įrodykite, kad (Xt , t ≥ 0) yra standartinis Vynerio procesas.

Gauso procesai Atsitiktiniai procesai. 3 paskaita 74 / 83

 Trupmeninis Vynerio procesas

Gauso procesai Atsitiktiniai procesai. 3 paskaita 75 / 83

 Tegu H ∈ (0, 1].
Nagrinėkime funkciją
1 2H
t + s 2H − |s − t|2H ,


RH (s, t) = s, t ≥ 0.
2

Teiginys
Su bet kuriuo H ∈ (0, 1], funkcija RH yra neneigiamai apibrėžta.

Taigi funkcija RH yra atsitiktinio proceso kovariacinė funkcija.

Tai reiškia, kad egzistuoja Gauso procesas su nuliniu vidurkiu ir
kovariacine funkcija RH .
(H)
Pažymėkime jį W (H) = (Wt , t ≥ 0).
(H)
Atsitiktinis procesas W (H) = (Wt , t ≥ 0) turi šias savybes:
(H)
(i) W0 = 0;

(H) 2
INes E (W0 ) = 0.J
Gauso procesai Atsitiktiniai procesai. 3 paskaita 76 / 83
 (H) (H)
(ii) prieaugiai yra stacionarūs: Wt − Ws ∼ N (0, |t − s|2H ) su visais
s, t ≥ 0.

(H) (H)
IKadangi a.p. W (H) yra Gauso, tai Wt − Ws ∼ N (0, σ 2 (t, s) ir
lieka suskaičiuoti dispersiją σ 2 (t, s). Pasinaudoję kovariacinės
funkcijos RH išraiška, ir pastebėję, kad su bet kuriuo s,
1
E (Ws(H) )2 = [s 2H + s 2H − |s − s|2H ] = s 2H ,
2
surandame
(H) (H) 2 (H)
σ 2 (s, t) = E (Wt Ws(H) )2 = E (Wt ) − 2E (Wt Ws(H) ) + E (Ws(H) )2
= t 2H − [t 2H + s 2H − |s − t|2H ] + s 2H
= |s − t|2H .

Kaip tik tai ir turėjome gauti. J

Gauso procesai Atsitiktiniai procesai. 3 paskaita 77 / 83

(iii) Atsitiktinio proceso W (H) pokyčiai yra teigiamai koreliuoti, kai
H > 1/2 ir neigiamai - kai H < 1/2.

ITegu u < s < t. Pasinaudoję kovariacinės funkcijos RH išraiška

gauname,
(H) (H)
E (Wt − Ws(H) )(Ws(H) − Wu(H) ) = E (Wt WsH ) − E (Ws(H) )2
(H)
− E (Wt Wu(H) + E (Ws(H) Wu(H) )
1 1
= [s 2H + t 2H − |s − t|2H ] − s 2H − [t 2H
2 2
1
+ u 2H − |t − u|2H ] + [s 2H + u 2H − |s − u|2H ]
2
1
= [|t − u| − |t − s|2H − |s − u|2H ].
2H
2

Gauso procesai Atsitiktiniai procesai. 3 paskaita 78 / 83

Pasinaudoję elementaria nelygybe (a + b)p ≤ ap + b p , kai a, b > 0 ir
0 < p ≤ 1, matome, kad |t − u|2H ≤ |t − s|2H + |s − u|2H , todėl
(H)
E (Wt − Ws(H) )(Ws(H) − Wu(H) ) ≤ 0,

kai 2H ≤ 1.
Jei 1 < 2H ≤ 2, tuomet [|t − s|2H + |s − u|2H ]1/(2H) ≤ |t − u|, todėl
(H)
E (Wt − Ws(H) )(Ws(H) − Wu(H) ) ≥ 0.

Gauso procesai Atsitiktiniai procesai. 3 paskaita 79 / 83

(iv) pokyčiai nepriklausomi, kai H = 1/2.

ITurime pastebėti, kad R1/2 = R ir W 1/2 yra tiesiog a.p. W .J

(v) procesas yra savipanašus su indeksu H, t.y., su visasis a > 0,
(H) (H)
atsitiktiniai procesai (Wt , t ≥ 0) ir (aH Wt , t ≥ 0) yra vienodai
pasiskirstę.

IKadangi W (H) yra Gauso procesas, pakanka patikrinti, kad sutampa

kovariacinės funkcijos. Tai išvedame iš funkcijos RH apibrėžimo:
(H)
(H)
EWat Was = RH (at, as) = a2H EBsH BtH , s, t ≥ 0.

Gauso procesai Atsitiktiniai procesai. 3 paskaita 80 / 83

 (H)
(vi) Atsitiktinis procesas W (H) = (Wt , t ≥ 0) turi tolydžią modifikaciją.

IVėl pasinaudosime proceso gausiškumu. Tegu p > 2. Egzistuoja

tokia konstanta cp > 0, kad su bet kuriais s, t ≥ 0
(H) (H)
E |Wt − Ws(H) |p ≤ cp (E |Wt − Ws(H) |2 )p/2 = cp |s − t|Hp .

Parinkę h > 1/H, galime pritaikyti Kolmogorovo teoremą apie

tolydžios modifikacijos egzistavimą.J

Gauso procesai Atsitiktiniai procesai. 3 paskaita 81 / 83

Apibrėžimas
Tegu H ∈ (0, 1). Tolydus atsitiktinis Gauso procesas
(H)
W (H) = (Wt , t ≥ 0) su nuliniu vidurkiu ir kovariacine funkcija RH
vadinamas standartiniu trupmeniniu Vynerio (Brauno judesio) procesu su
indeksu H ∈ (0, 1).

Apibrėžimas [Trupmeninis Gauso triukšmas]

Diskretaus laiko atsitiktinis procesas (dnH , n ≥ 1), kai

dnH = BnH − Bn−1

H
, n≥1

vadinamas trupmeniniu Gauso triukšmu su indeksu H.

Gauso procesai Atsitiktiniai procesai. 3 paskaita 82 / 83

Trupmeninio Vynerio proceso trajektorijos sugeneruotos pagal Nathanael
Enriquez. A simple construction of the fractional Brownian motion.
Stochastic Processes and their Applications 109 (2004) 203– 223

Gauso procesai Atsitiktiniai procesai. 3 paskaita 83 / 83