“UI 首先蕴含 $\sup n\mathbb E M n <\infty$,由鞅收敛定理得到几乎必然极限;再用 UI 的 Vitali 判据升级为 $L^1$ 收敛。”
形式陈述
设
则存在可积且几乎处处有限的随机变量
特别地,任何非负上鞅
结论只承诺几乎必然收敛与极限可积,不自动承诺
直觉
“有界”本身不会强迫一般序列收敛,例如
从上穿次数到极限
固定有理数
若一条路径满足
排除极限为正负无穷,并同时证明
例子与边界
几乎必然归零,但均值始终为一
独立重复抛公平硬币,令
若前面已经出现反面,此后过程恒为零;否则下一步以各一半概率变为
永远不出现反面的概率为
对任意
缺少统一界时可以发散
确定性过程
推论与应用
非负上鞅收敛常用来分析随时间减少的误差量或势函数,但极限存在并不意味着极限等于零;还需用额外的动力学、期望衰减或其他结构识别极限。对于需要保持均值或得到终端条件期望表示的问题,应继续使用鞅的 L¹ 收敛定理。
如果已经知道某个
自测。 非负上鞅
参考资料
- Rick Durrett, Probability: Theory and Examples, 5th ed., Cambridge University Press, 2019,2019-01-11 作者稿,§4.2,Theorems 4.2.11–4.2.12。