- •Введение
- •Глава 1. Элементы теории случайных процессов Определение и описание случайного процесса
- •Статистические средние характеристики случайных процессов
- •Стационарные случайные процессы
- •Свойства функции корреляции
- •Эргодические случайные процессы
- •Глава 2. Цепи Маркова с дискретным временем Основные определения
- •1. Условие нормировки
- •2. Уравнение Чепмена-Колмогорова
- •Цепи Маркова с дискретным временем
- •Классификация состояний цепи Маркова с дискретным временем
- •Структура периодического замкнутого класса
- •Классификация состояний цепи Маркова по асимптотическим свойствам переходных вероятностей
- •Эргодические теоремы для цепей Маркова
- •Вероятностно-временные характеристики цепи Маркова
- •Глава 3. Цепи Маркова с непрерывным временем
- •Дифференциальные уравнения Колмогорова
- •Финальные вероятности
- •Время перехода из одного состояния в другое
- •Статистический смысл финальных (стационарных) вероятностей
- •Время пребывания цепи Маркова в j-ом состоянии
- •Процессы гибели и размножения
- •Процесс чистого размножения
- •Простейший поток
- •Основные вероятностные характеристики простейшего потока
- •Глава 4. Элементы теории массового обслуживания
- •Система массового обслуживания, основные определения и классификация
- •Система m/m/1/ (с очередью)
- •Система m/m/n
- •Глава 5. Непрерывные марковские процессы
- •Определение диффузионного случайного процесса
- •Обратное уравнение Колмогорова
- •Прямое уравнение Колмогорова. Уравнение Фоккера-Планка
- •Некоторые частные случаи уравнения Фоккера-Планка
- •Допредельная модель диффузионного процесса
- •Глава 6. Стохастические интегралы
- •Стохастический интеграл в форме Ито
- •Особенность стохастического интеграла в форме Ито
- •Стохастический интеграл в форме Стратановича
- •Связь интегралов Ито и Стратановича
- •Глава 7. Стохастические дифференциальные уравнения Определение стохастических дифференциальных уравнений. Свойства их решений
- •Формула дифференцирования Ито
- •Решение стохастических дифференциальных уравнений
- •Литература
- •Содержание
- •Глава 1. Элементы теории случайных процессов 2
- •Глава 2. Цепи Маркова с дискретным временем 21
- •Глава 3. Цепи Маркова с непрерывным временем 46
Глава 7. Стохастические дифференциальные уравнения Определение стохастических дифференциальных уравнений. Свойства их решений
Многие реальные процессы определяются дифференциальными уравнениями вида
или в форме дифференциалов
. (7.1)
Если (t)=w(t) – винеровский процесс, то уравнение (7.1) называется стохастическим дифференциальным уравнением. В этом случай уравнение (7.1) будем записывать в виде
. (7.2)
В силу недифференцируемости винеровского процесса, необходимо определить в каком смысле следует понимать уравнение (7.2).Это равенство будем понимать как форму записи интегрального уравнения
, (7.3)
где первый интеграл является интегралом в среднем квадратическом, а второй – стохастическим интегралом в форме Ито.
Покажем, что решение (t) стохастического дифференциального уравнения (7.2) является диффузионным случайным процессом.
Действительно, из (7.3) следует, что распределение вероятностей значений сечения (t) при t>t0 зависит лишь от значения (t0) и не зависит от значений рассматриваемого процесса для моментов времени s>t0, следовательно, процесс (t) марковский.
Дифференциальное уравнение(7.2) запишем в конечных разностях
.
Важно заметить, что случайные величины (t) и w(t)=w(t+t)–w(t) стохастически независимы.
Проверим для процесса (t) выполнение свойств диффузионного процесса.
Очевидно, что условное распределение приращения (t)=(t+t)–(t), при условии, что (t)=x является гауссовским с математическим ожиданием и дисперсией вида
, (7.4)
. (7.5)
Далее покажем, что
,
где
.
Нетрудно показать, что рассматриваемые пределы равны нулю. Выполнение остальных свойств, очевидно, следует из равенств (7.4) и (7.5).
Таким образом, решение (t) стохастического дифференциального уравнения (7.2) является диффузионным случайным процессом с коэффициентом переноса – a(x,t), и коэффициентом диффузии – b(x,t)=2(x,t). Очевидно, что эти коэффициенты диффузионного процесса однозначно определяются коэффициентами стохастического дифференциального уравнения.
Знание коэффициентов переноса и диффузии позволяет записать уравнение Фоккера-Планка для переходной плотности распределения вероятностей, которая однозначно определяет функционирование диффузионного случайного процесса (t).
Приведём примеры наиболее часто применяемых стохастических дифференциальных уравнений.
1) Арифметическое броуновское движение
.
2) Геометрическое броуновское движение. Модель Самуэльсона
.
3) Диффузионный процесс авторегрессии
.
4) Процесс, возвращающийся к среднему как квадратный корень (Mean Reverting Square Root, MRSR-процесс)
.
5) Процесс Орнштейна-Уленбека
.
6) Броуновский мост
.
Формула дифференцирования Ито
Пусть (t) – диффузионный процесс с коэффициентами переноса a(x,t) и диффузии 2(x,t), тогда этот процесс является решением стохастического дифференциального уравнения (7.2)
.
Пусть f(x,t) – непрерывная детерминированная функция такая, что для неё существуют непрерывные производные
.
Рассмотрим случайный процесс
. (7.6)
Ито показал, что этот случайный процесс является диффузионным. Найдём дифференциал этого диффузионного процесса
,
то есть
. (7.7)
Из равенства (7.6) процесс (t) выразим через (t) и t и это выражение подставим в (7.7), получим коэффициенты переноса и диффузии для диффузионного случайного процесса (t), а равенство (7.7) запишем в виде
, (7.8)
где функции и имеют вид выражений
,
,
в которых в силу равенства (7.6) выражена через и t.
Равенства (7.7) и (7.8) будем называть формулами дифференцирования Ито.
Формулы дифференцирования Ито находят широкое применение для решения стохастических дифференциальных уравнений.