Академический Документы
Профессиональный Документы
Культура Документы
Питербарг
Двадцать лекций
о гауссовских процессах
Электронное издание
Москва
Издательство МЦНМО
УДК .
ББК .
П
Питербарг В. И.
Двадцать лекций о гауссовских процессах
Электронное издание
М.: МЦНМО,
с.
ISBN ----
В первой части лекций рассматривается общая теория гауссов-
ских распределений в конечномерных и функциональных простран-
ствах. Основное внимание уделяется задачам сравнения гауссовских
распределений, свойствам ограниченности, экспоненциальной инте-
грируемости, общим локальным свойствам гауссовских случайных
функций. Вторая часть посвящена подробному изложению основных
методов исследования асимптотического поведения вероятностей
высоких выбросов траекторий гауссовских случайных функций, в том
числе предельного распределения множеств пересечения высокого
уровня.
имеет вид
1
ψ(z) = exp(i(z, m) − 2 (z, Rz)), (.)
Далее, имеем,
P(X ∈ L) = 1.
и
E(X|Y) = EX + RXY R−1
YY (Y − EY),
Сравнение конечномерных
распределений
Дифференцируя, получаем
∂2 ϕ ∂ϕ 2
1∂ ϕ ∂ϕ
∂xi ∂x j
= ∂r , i 6= j, и 2 ∂xi2
= ∂r , (.)
ij ii
Í1 Í1 P
d drhij
d ∂
Ef (X1 ) − Ef (X0 ) = Ef (Xh )dh = Ef (Xh ) dh =
dh ∂r
i¾ j=1 hij
dh
0 0
P
d Í1
∂
= (r1ij − r0ij ) Ef (Xh )dh.
i¾ j=1
∂rhij
0
Тогда p
|E max X0i − E max X1i | ¶ 2δ ln d. (.)
i i
1 P β maxi xi
d
β max x
max xi = β −1 ln e ¶ gβ (x) ¶ β −1 ln(de i i ) ¶
i d j=1
¶ β −1 ln d + max xi ,
i
.. Неравенство Судакова––Ферника
поэтому
sup |gβ (x) − max xi | ¶ β −1 ln d. (.)
x i
P
d P
d
=β (r1ii − r0ii )pi (x) − β (r1ij − r0ij )pi (x)p j (x) =
i=1 i, j=1
β P d
= [(r + r1 jj − 2r1ij ) − (r0ii + r0 jj − 2r0ij )]pi (x)p j (x) =
2 ij=1 1ii
β P
d
= 2 (d12 (i, j) − d02 (i, j))pi (x)p j (x) ¾ 0.
i, j=1
Замечания
. Это доказательство представляет собой модификацию доказа-
тельства из заметки Sourav Chatterjee, http://arxiv.org/PS_
cache/math/pdf/0510/0510424v1.pdf.
. Можно таким способом доказать обобщенное неравенство Суда-
кова––Ферника, когда вместо максимума рассматривается функ-
ционал f (max(xi − x j )), где f –– положительная, возрастающая
i, j
и вогнутая функция.
где
p p
πhν l = {(−1)ν ( Xhl − u) > 0}, Xh = hX1 + 1 − hX0 ,
а ϕ(u, u, r) –– двумерная гауссовская плотность с нулевым средним,
единичными дисперсиями и ковариацией r.
Замечание. Это тождество можно применять и для зависимых
векторов X0 и X1 , но вектор Xh следует строить по независимым
копиям векторов X0 и X1 .
Доказательство. Сначала дополнительно предположим, что век-
торы X0 и X1 невырожденны, и обозначим их плотности через ϕ0 (x)
и ϕ1 (x), x ∈ Rd . Тогда плотность существует и у вектора Xh , посколь-
ку множество положительно определенных матриц выпукло. Мно-
жество A является объединением d-мерных «октантов»
Πν = (−1)ν1 (x1 − u) > 0, …, (−1)νd (xd − u) > 0 ,
где ν = (ν1 , …, νd ), νi = 0 или 1, причем строгие неравенства «>»
могут быть заменены на нестрогие «¾». Обозначим через ν(A) мно-
жество индексов, соответствующих A, так что
S
A= Πν .
ν ∈ν(A)
Í1 P Í Í1 P Í P ∂ϕ (x) dr
d h hkl
= ϕh (x)dx dh = ∂r
dx dh =
ν ∈ν(A)
dh ν ∈ν(A) k>l hkl dh
0 Πν 0 Πν
P Í1 P Í ∂ϕ (x)
h
= (r1kl − r0kl ) ∂rhkl
dx dh. (.)
k>l ν ∈ν(A)
0 Πν
1 P
d |r1kl − r0kl | u2
|P(X1 ∈ A) − P(X0 ∈ A)| ¶ π q exp − 1 + r ∨ r .
k,l=1, k>l 1 − r2 ∨ r2 1kl
1kl
0kl
0kl
1 P
d |r1kl | u2
¶ 2π Æ
2
exp − 1 + r .
k,l=1, k>l 1−r 1kl
1kl
Í∞ Í∞ Í∞
1 − y 2 /2 − y 2 /2 1 1 2 ∞ 2
e dy = − e d y = − y e− y /2 − e− y /2
dy =
y2 x
x x x
1 2 p
= x e−x /2
− 2πP( X > x).
Лекция . Сравнение конечномерных распределений
Заметим, что
1 x2
ϕ(x, x; y) = p
2
exp − 1 + y .
2π 1 − y
Теперь имеем
1
x2
Ír p1 − r 2 x2 x2
p exp − 1 + r p exp −
1+r 1+ y
dy =
2π 1 − r 2 1 − y2
0
1 x2
Ír p1 − r 2 x 2 (r − y)
= p exp − 1 + r p exp − (1 + r)(1 + y) dy =
2π 1 − r 2 1 − y2
0
1
x2 1
= p exp − 1 + r 2 ×
2π 1 − r 2 x
rx
Í
2 p
1 − r2 z
× p exp − dz,
1 − (r − z/x 2 )2 (1 + r)(1 + r − z/x 2 )
0
.. Хвосты распределений гауссовских случайных векторов
Доказательство. Имеем
P(max Xi > x) ¶ dP( X1 > x)
i
и
P
P(max Xi > x) ¾ dP( X1 > x) − P( Xi > x, X j > x).
i i6= j
1P
T
T ξ → Eξ
T 0 k
по вероятности при T → ∞.
Теорема . (Г. Маруяма). Гауссовская стационарная последова-
тельность X (k), k ∈ Z, эргодична тогда и только тогда, когда функ-
ция F непрерывна.
Говорят, что последовательность X (k) обладает свойством пере-
мешивания, если EXTk Y → EXEY при k → ∞ для любых X , Y ∈ H.
Теорема . (К. Ито). Гауссовская стационарная последователь-
ность X (k), k ∈ Z, обладает свойством перемешивания тогда и толь-
ко тогда, когда r(k) → 0 при k → ∞.
Эти две теоремы доказываются с помощью разложения величин
из H по так называемым кратным интегралам Ито (или, как гово-
рят физики, по полиномам Вика). Схема доказательства содержится
в книге К. Ито [], выпуск .
Пусть A ( X (·); S, T) –– σ-алгебра, порожденная случайными ве-
личинами X (k), S < k < T. Говорят, что стационарная в узком смысле
Лекция . Эргодичность стационарных последовательностей
если же σ 6= 0, то
1 P
n
P p X ( j) < z → Φ(z) при n → ∞.
σ n j=1
для любого z.
Доказательство. Первое утверждение следует из теоремы Лео-
нова, утверждающей, что если для стационарной случайной после-
довательности ξ(k) с корреляционной функцией R(k) выполнено со-
отношение
P
∞
k|R(k)| < ∞,
k=1
то
P
T P
∞ P
∞
var ξ(k) = T R(k) − 2 kR(k) + o(1)
k=1 k=−∞ k=1
r(k) ln k → 0 при k → ∞.
(1 − Φ(u))n → λ > 0.
Имеем
|P(η X (u, n) = m) − P(η X0 (u, n = m)| ¶
Í1
P
n
1 u2
¶2 |r(i − j)| p exp − dh ¶
i, j=1,i> j
2 2
2π 1 − h r (i − j) 1 + hr(i − j)
0
P
n Í1
1 1 u2
¶ k|r(k)| p exp − dh. (.)
π 2 2
1 − h r (k) 1 + hr(k)
k=1
0
Покажем, что правая часть неравенства (.) в условиях теоремы
стремится к нулю. В силу условий и асимптотики для 1 − Φ(u),
n
lim p exp(−u2 /2) = λ.
u→∞ 2πu
После логарифмирования получаем, что
p
lim (ln n − u2 /2 − ln u) = ln 2πλ. (.)
u→∞
−1
p
Отсюда u 2 ln n → 1 при u → ∞ (делим обе части соотношения на
u2 /2). Заметим далее, что из условий теоремы следует, что
lim ρ(k) ln k = 0, где ρ(k) = sup r(t).
k→∞ t¾k
p
Разобьем сумму в правой части (.) на две части: до [ n] и от
p
[ n] + 1 до n. Имеем
p
[P n] Í1
1 u2
k|r(k)| p exp − dh ¶
k=1 1 − h2 r 2 (k) 1 + hr(k)
0
p p 1
u2
¶ n nρ(1) p exp − 1 + ρ(1)
=
1 − ρ 2 (1)
n 2 u2 (1 − ρ(1)
= e−u /2 O u exp − →0
u 2(1 + ρ(1))
при u → ∞. Для второй суммы получаем
P
n Í1
1 u2
k|r(k)| p exp − dh ¶
p 2 2
1−h r (k) 1+hr(k)
k=[ n]+1 0
p 1 u2
¶ n2 |ρ([ n])| p p exp − p =
2
1−ρ ([ n]) 1+ρ([ n])
1
ρ([pn])u2 p
=p p exp(2 ln n−u2 −2 ln u) exp p u2 |ρ([ n])|.
1−ρ 2 ([ n]) 1+ρ([ n])
Лекция . Эргодичность стационарных последовательностей
p
Поскольку u−1 2 ln n → 1 при n → ∞, в условиях теоремы имеем
p
u2 |ρ([ n])| → 0,
и в силу равенства (.) всё произведение стремится к нулю. От-
сюда следует утверждение теоремы, поскольку η X0 (u, n) стремится
к пуассоновской случайной величине с параметром λ.
Теперь выведем предельное соотношение для распределения мак-
симума гауссовской последовательности по неограниченно
p pрасту-
щему временному интервалу. Положив u = un = 2 ln n + αn / 2 ln n
и подставив это выражение в формулу (.), легко проверить, что
можно взять
r
1 π
p ln ln n + ln λ
2 2
un = 2 ln n − p .
2 ln n
Следствие .. В условиях теоремы, если
p p p p
an = 2 ln n, bn = 2 ln n − ln 4π ln n/ 2 ln n,
то для всех x имеет место предельное соотношение
lim P an max X (t) − bn < x = exp(−e−x ).
n→∞ 1¶t¶n
совпадают.
Лекция
ϕ(u) = ϕ(su)ϕ(tu).
Обозначим ln ϕ(u) = ψ(u2), тогда имеем ψ( y)=ψ(s2 y)+ψ((1−s2 ) y)
для любого y ¾ 0, т. е. ψ( y + z) = ψ( y) + ψ(z) для всех y, z ¾ 0. По-
.. Закон нуля или единицы для гауссовских векторов
Экспоненциальная интегрируемость
P
d
E exp(α max X 2j ) ¶ E exp(αX 2j ) < ∞
1¶ j¶d j=1
1 1
при α < ; более того, при α ¾ 2 справедливо неравенство
2σ2 2σ
E exp α max X 2j ¾ max E exp(αX 2j ) = ∞.
1¶ j¶d 1¶ j¶d
2 P
∞ 2
E exp(αN 2 ( X )) ¶ eα yo P(N( X ) > y0 ) + eα yn P(N( X ) > yn ) ¶
n=1
∞
P 1 − q 2n p
α yo2
¶q e + exp α( 2 + 1)2 2n+1 y02 .
n=1
q
1
Тогда E exp αN( X )2 < ∞ в том и только в том случае, когда α < ,
2σ2
где σ2 = sup EXn2 .
n¾1
приходим к неравенству
P max Y − j ¾ ǫ ¶ ǫ −1 E exp(αN( X )2 ).
0¶ j¶n
P(N(Σ j>n λ j B j ) ¾ x + 1) ¶ ǫ.
получаем
2
P
E exp β N λj Bj < ∞.
j>n
Обозначим
P P
N1 = N λjBj , N2 = N λjBj .
j¶n j̇>n
Лекция . Экспоненциальная интегрируемость
1
Имеем N( X ) ¶ N1 + N2 . Возьмем произвольное α < 2 . В силу вы-
2 2σ
пуклости функции e x имеем
exp(αN 2 ( X )) ¶ exp(α(N1 + N2 )2 ) =
Æ pα Æ Æ 2
= exp 1 − α/β p N1 + α/β β N2 ¶
1− α/β
Æ Æ
α
¶ (1 − α/β) exp p
2
N12 + α/β exp(β N22 ),
(1 − α/β)
где мы взяли число ǫ столь малым, чтобы можно было выбрать
β > α. Математическое
p ожидание второго слагаемого конечно. Обо-
значив γ = α(1 − α/β)−2 , в силу неравенства Коши––Буняковского
получаем
E exp(γN12 ) ¶ E exp γΣ j¶n λ2j sup Σk B2jk ¶
j
n
¶ E exp γσ Σ j¶n λ2j = E exp(γσ2 λ21 ) = (1 − γσ2 )−n/2 .
2
Гильбертовы пространства
Сепарабельность и измеримость.
Осцилляции
Это означает, что Xn (t) → X (t) почти наверное для любого t. Опре-
делим теперь гауссовскую измеримую функцию
Xe(t, ω) := lim sup Xn (t, ω).
n→∞
∈ { Xe (sn (t), ω), n ¾ 1, d(sn (t), t) < ǫ} = { Xe(s, ω), s ∈ S ∩ B(t, ǫ)},
что и требовалось доказать.
Как уже говорилось, определение сепарабельности, приведен-
ное здесь, отличается от классического. Однако все классические
свойства сепарабельности процессов по-прежнему выполняются.
Например, выполнено следующее.
Предложение ... Любое плотное в (T, d) множество являет-
ся сепарантой для любой d-сепарабельной версии процесса X .
.. Осцилляция
Сейчас мы изучим множество разрывов траекторий гауссовской
случайной функции. Если в случае произвольного случайного про-
цесса это множество, вообще говоря, произвольно, то в гауссовском
случае это далеко не так.
Определение ... Пусть (T, δ) –– произвольное метрическое
пространство и f –– функция на нем со значениями в ¯R̄. Тогда δ-
осцилляцией функции f называется функция w f на T вида
w f (t) = lim sup | f (s) − f (s′ )|,
ǫ→0 s,s′∈B(t,ǫ)
.. Осцилляция
ятности, что для любого ω ∈ Ω \ NS′ функции X (t, ω) и ¯X̄ (t, ω) совпа-
дают на S. Следовательно, совпадают их δ-осцилляции на S ∩ B(s, u).
Заметим, что в силу равномерной d-непрерывности функции fn они
также и равномерно δ-непрерывны. Поэтому в силу предложения
.. (б) δ-осцилляция функции X (t, ω) на множестве S ∩ B(s, u) сов-
P∞
падает для любого n с δ-осцилляцией функции X (ϕk )(ω) fk (t) на
n+1
том же множестве. Таким образом, δ-осцилляция функции X (t, ω)
на множестве S ∩ B(s, u) для любых s ∈ S, u > 0 и ω ∈ Ω \ NS ∩ NS′
измерима относительно хвостовой σ-алгебры ∩n Bn , поэтому суще-
ствуют такая неслучайная функция α(t, u) и такое событие нулевой
вероятности N, что для всех ω ∈ Ω \ N, t ∈ S, u > 0 выполняется
равенство vX (t, u) = α(t, u). Функцию α(t, u) мы можем определить
в каждой точке t ∈ T, включая эту точку в множество S. Поскольку
функция α(t, u) в каждой точке равна δ-осцилляции, в силу предло-
жения .. (в) она не убывает по u для любого t и
Энтропийный метод
.. Введение
Пусть X (t, ω), t ∈ T, –– гауссовская d-сепарабельная случайная
функция на T, EX (t, ω) ≡ 0, d X (s, t) –– естественная полуметрика
на T , превращающаяся в метрику склеиванием точек с d X (s, t) = 0,
которую мы и будем рассматривать как метрику. Обозначим через
N(T, ǫ) минимальное число d-шаров радиуса ǫ, покрывающих T:
S
n
N(T, ǫ) = inf n : ∃t1 , …, tn , B(ti , ǫ) = T .
i=1
θk (s) = t ∈ Sk ⇔ s ∈ Wk (t).
S
∞
S= Sk .
k=0
P
n P
∞
max η(s) ¶ max(η(s) − η(θk−1s)) ¶ max(η(s) − η(θk−1s)).
s∈S(n) k=1 s∈Sk k=1 s∈Sk
P
∞ Æ
σ
P sup X (t) > 2δ 2−k (u+ 2 ln Nk +αk ln 2)+ |X (t0 )|X (t0 ) ¶
t∈B(t0 ,δ)
a
k=1
P
∞ Æ
¶P sup η(t) > 2δ 2−k (u+ 2 ln Nk +αk ln 2)X (t0 ) ¶
t∈B(t0 ,δ) k=1
P
∞
¶P max(η(s)−η(θk−1 s)) >
k=1 s∈Sk
P
∞ Æ
−k
> 2δ 2 (u+ 2 ln Nk +αk ln 2)X (t0 )
k=1
.. Энтропийная оценка для хвоста распределения максимума
P
∞
¶ P max(η(s) − η(θk−1s)) >
k=1 s∈Sk
Æ
> 2−k+1 δ(u + 2 ln Nk + αk ln 2)X (t0 ) ¶
P
∞
¶ Nk max P η(s) − η(θk−1s) >
k=1 s∈Sk
Æ
> 2−k+1 δ(u + 2 ln Nk + αk ln 2)X (t0 ) ¶
−k+1 p
P
∞ 2 δ(u + 2 ln Nk + αk ln 2)
¶ ¯
Nk max Φ̄
k=1 s∈Sk d(s, θk−1 s)
P
∞ Æ
¶ ¯ u+
Nk max Φ̄ 2 ln Nk + αk ln 2 =
k=1 s∈Sk
Í∞ 1 Æ
1 P
∞
=p Nk exp − (x + 2 ln Nk )2 dx =
2π k=1 2
u+αk ln2
Í∞ 1 Æ
1 P P
∞ ∞
=p exp − x 2 − 2 ln Nk x dx ¶ ¯ u + αk ln 2 .
Φ̄
2π k=1 2
k=1
u+αk ln2
P
∞ Æ σ
u′ = 2δ 2−k (u + 2 ln Nk + αk ln 2) + a |X (t0 )| =
k=1
P
∞ Æ σ
= 2δu + 2δ 2−k 2 ln Nk + 4δα ln 2 + a |X (t0 )|,
k=1
P
∞ Æ
A = 2δ 2−i 2 ln Ni
i=1
и положим
2δ
α= .
2δ(u − A − σa |X (t0 )|)
σ
Предположим сначала, что u − A − |X (t0 )| > 0. Тогда
a
P sup X (t) > u | X (t0 ) ¶
t∈B(t0 ,δ)
P
∞ ln 2
¶ ¯ 1 u− A− σ |X (t0 )|+ 2δ(k −2)
Φ̄ σ =
2δ a u− A− |X (t0 )|
k=1
a
σ
P
∞ u− A− |X (t0)| (k −2) ln 2
¯ a
= Φ̄ + σ ¶
k=1
2δ u− A− |X (t0 )|
a
σ σ
u− A− |X (t0 )| P ∞ u− A− |X (t0 )|
¯ a ¯ a
¶ Φ̄ exp(−(k −2) ln 2) = 4Φ̄ .
2δ k=1
2δ
σ
В случае 2δ(u − A − |X (t0 )|) ¶ 0 это неравенство очевидно. По фор-
a
муле полной вероятности для достаточно малых δ (очевидно, что δ0
.. Энтропийная оценка для хвоста распределения максимума
χ(T1 , u) =
ǫ/2
Í Æ
2 2
= inf 2u ǫ + ln N(T1 , ǫ) + 4u sup 2 ln N(T1 ∩ B(t, ǫ), x) dx .
ǫ>0 t∈T1
0
Поэтому
.. Введение
Начиная с этой лекции мы будем рассматривать асимптотиче-
ские методы изучения распределения большого максимума гауссов-
ского процесса, т. е. поведения вероятности
P max X (t) > u (.)
t∈T
неравенство
r(t) < 1 для всех t ∈ (0, T]. (.)
p α
Обозначим χ(t) = 2Bα/2 (t) − |t| , где Bα/2 (t) –– дробное броунов-
ское движение с показателем Хёрста α/2. Заметим, что всегда α ¶ 2.
Другими словами, χ(t) –– гауссовский случайный процесс с непре-
рывными траекториями, начинающимися в нуле, и при этом
Eχ(t) = −|t|α ,
а ковариационная функция равна
rχ (s, t) = |s|α + |t|α − |t − s|α .
Лемма .. (лемма Пикандса). В вышеприведенных условиях
для любого Λ > 0 выполняется равенство
P( max X (t) > u) = Hα (Λ)Ψ(u)(1 + o(1)) при u → ∞,
t∈[0,Λu−2/α ]
где
1 u2
Hα (Λ) = E exp max χ(t) < ∞, Ψ(u) = p e− 2 .
t∈[0,Λ] 2πu
w
var χu (t) − χu (s)X (0) = u − u =
= u2 var[X (u−2/α t) − X (u−2/α s)] − [r(u−2/α t) − r(u−2/α s)]2 (.)
и, кроме того,
w w
E χu (0)X (0) = u − = E χu2 (0)X (0) = u − = 0.
u u
Теперь воспользуемся условием (.). Получаем, что при u → ∞ вы-
полняется равенство
w
E χu (t)X (0) = u − u = −|t|α + wo(1),
и
w
var χu (t) − χu (s)X (0) = u − = 2|t − s|α + o(1).
u
Заметим, что бесконечно малые в правых частях здесь не зависят
от w. Таким образом, условные конечномерные распределения про-
цесса χu (t) сходятся к соответствующим конечномерным распреде-
лениям процесса χ(t). Далее, наше семейство условных гауссовских
распределений является плотным в B(C[0, Λ]) (борелевская σ-ал-
гебра в пространстве непрерывных функций на [0, Λ], порожденная
цилиндрическими множествами), поскольку из соотношений (.),
(.) также следует, что для всех положительных u, всех w из неко-
торого ограниченного множества W и некоторой константы C, вы-
полняется неравенство
w
E (χu (t) − χu (s))2 X (0) = u − u ¶ C|t − s|α (.)
(проверьте это, пользуясь условием (.).) Кроме того, для всех до-
статочно больших u и всех w имеем
w 1
E χu (t) X (0) = u − u ¶ Λα + 2 w. (.)
.. Локальная лемма
ǫ/2
Í ǫ/2
Í
p p
2 ln N(S ∩ B(t, ǫ), x) dx ¶ 2 ln N(B(0, ǫ), x) dx ∼
0 0
È ǫ/2
Í p È ǫ/2
Í Æ
2d 2d
∼ ln ǫ − ln x dx = − ln(x/ǫ) dx =
α α
0 0
È 1/2
Í Æ
2d
=ǫ α
− ln ydy ∼ Cǫ.
0
2 2
где σ = sup EX (t).
t∈S
Здесь, пользуясь асимптотикой стандартного нормального рас-
¯ на Ψ. Скоро мы увидим, что эта оценка
пределения, мы заменили Φ̄
является асимптотически точной.
где
Hα (L) = E exp max χ(t) < ∞.
t∈L
где
Hα1 ,α2 (Λ) = E exp max χ(s, t) < ∞.
(s,t)∈Λ
В силу условий леммы для дисперсии σ2 (s, t) = 2(1 + r(t − s)) поля
X (s, t) имеем
2 ¶ 4 − 4|t − s|α ¶ σ2 (s, t) ¶ 4 − |t − s|α . (.)
Следовательно, на рассматриваемом множестве
σ2 (s, t) ¶ 4 − u−2 (λ0 − Λ)α .
Рассмотрим нормированное поле X ∗ (s, t) = X (s, t)/σ(s, t). Имеем
P max X (s, t) > 2u ¶
(s,t)∈[0,u−2/α Λ]×[u−2/α λ0 ,u−2/α (λ0 +Λ)]
2u
¶P max X ∗ (s, t) > p .
(s,t)∈[0,u−2/α Λ]×[u−2/α λ0 ,u−2/α (λ0 +Λ)] 4 − u (λ0 − Λ)α
−2
при u → ∞, где
Hα (Λ)
Hα = lim Λ
, причем 0 < Hα < ∞.
Λ→∞
Np
P
¾ N p P max X (t) > u − 2 (N p − k)P max X (t) > u, max X (t) > u .
t∈∆0 k=1 t∈∆0 t∈∆k
(.)
.. Теорема Пикандса
=: A1 + A2 + A3 , (.)
где число ǫ взято из леммы ... Оценим теперь каждое из трех сла-
гаемых в правой части. Начнем с A3 . Выберем u столь большим, что-
бы выполнялось неравенство Λu−2/α ¶ ǫ/16. Тогда расстояние меж-
ду ∆0 и ∆k в третьей сумме не меньше чем ǫ/8, поэтому, пользуясь
стационарностью, для членов из A3 получаем
P max X (t) > u, max X (t) > u ¶ P max X (s) + X (t) > 2u ¶
t∈∆0 t∈∆k (s,t)∈∆0 ×∆k
¶P max X (s) + X (t) > 2u .
[0,1]×[1+ǫ/8,2]
К последней вероятности применим предложение ... Для этого
заметим, что
var( X (s)+ X (t)) = 2+2r(t −s) ¶ 4−2 max (1−r(s)) = 4−2δ, δ > 0.
s¾ǫ/8
В силу предложения .. имеем
4u2
P max X (s) + X (t) > 2u ¶ Cu2/α−1 exp − =
[0,1]×[1+ǫ/8,2] 8 − 4δ
= O u2/α−1 exp(−u2 (1 + δ)/2 ,
Поскольку N p растет степенным образом, получаем, что
A3 = O(exp(−u2 (1 + δ′ )/2), (.)
′
для любого δ ∈ (0, δ/2). Слагаемое A2 можно оценить с помощью
леммы .., поскольку нижний и верхний пределы суммирования
выбраны соответствующим образом. Имеем
Nǫ/2
P
Nǫ/2 hΨ(u) exp −((k − 1)Λ)α /8
A2 k=2
lim sup ¶ lim sup ¶
u→∞ N p Ψ(u) u→∞ N p Ψ(u)
ǫh P
∞
¶ exp −(kΛ)α /8 ¶ C exp −Λα /8 , (.)
2p
k−1
где константа C зависит только от ǫ, p, α.
Лекция . Хвост распределения максимума стационарного процесса
) если β = α, то
P( max X (t) > u) = Hαa Ψ(u)(1 + o(1)) при u → ∞,
t∈[0,T ]
где
0 < Hαa = lim Hαa (Λ) < ∞,
Λ→∞
Hαa (Λ) = E exp max χ(t) − a|t|α ;
t∈[−Λ,Λ]
) если β < α, то
P max X (t) > u = Ψ(u)(1 + o(1)) при u → ∞.
t∈[0,T]
где
¨
u(1 + b|(k + 1)∆|β ) при k < 0,
uk =
u(1 + b(k∆)β ) при k ¾ 0
и
¨
u(1 + b((k + 1)∆)β ) при k ¾ 0,
u′k =
u(1 + b|k∆|β ) при k < 0.
P P 2/α
e(u))∆Hα
P(Ak ) ¶ (1 + γ uk Ψ(uk ) ¾
−δ/∆−1¶k¶δ/∆ −δ/∆−1¶k¶δ/∆
P 2/α
e(u))∆Hα
¾ (1 − γ uk Ψ(uk ).
−δ/∆−1¶k¶δ/∆
P Í∞ Í∞
β −bx β β
exp(−b(xk ) )∆1 → e dx = b 1/β
e−x dx =
0¶k¶δ/∆ 0 0
= b1/β β −1 Γ(1/β),
4d(|t − t ′ |α + |s − s′ |α ).
4u2
P max ξ(s) + ξ(t) ¾ 2u ¶ Cu−4/κ+4/α−1 exp − ¶
(s,t)∈∆k ×∆l 2(4 − 4du−2α/κ )
u2 d
¶ Cu−4/κ+4/α−1 exp − 2 exp − 2 u2−2α/κ .
и запишем
P(Ak Ak+1 ) ¶
¶ P max ξ(s) ¾ uk , max
′
ξ(t) ¾ u k+1 + P max
′′
ξ(t) ¾ uk+1 .
s∈∆k t∈∆k+1 t∈∆k+1
1 1
¶ σ(t) ¶ .
1 + (a + ǫ)|t|β 1 + (a − ǫ)|t|β
где
Hαa (Λ1 , Λ2 ) = E exp max χ(t) − a|t|α
t∈[−Λ1 ,Λ2 ]
и
w
var χu (t) − χu (s)X (0) = u − =
u
w 2
= E χu (t) − χu (s) − E χu (t) − χu (s) X (0) = u − =
u
2 −2/α −2/α 2
= u E[X (u t) − X (u s)] −
− [σ2 (u−2/α t)r(u−2/α t) − σ2 (u−2/α s)r(u−2/α s)]2 . (.)
Кроме того,
w
w
E χu (0) X (0) = u − = E χu2 (0) X (0) = u + = 0.
u u
Теперь воспользуемся условиями E, E. Получаем, что при u → ∞
выполняется равенство
w
E χu (t) X (0) = u − u = −|t|α − a|t|α + wo(1),
и
w
var χu (t) − χu (s) X (0) = u − = −|t − s|α + o(1).
u
Дальнейшее доказательство слово в слово повторяет доказатель-
ство леммы ...
Лекция . Хвост для максимального нестационарного процесса
Далее,
P max X (t) > u ¶
t∈[−δ,δ]
P
[∆/δ]+1
¶P max X (t) > u + P(Ak ),
t∈[−Λ1 u−2/α , Λ2 u−2/α ] k=−[∆/δ]−1, k6=0,−1
e(u))Hα
(1 + γ 1 2
−|Λk|α
¶ p e− 2 u ¶
u 2π(1 + |Λk|α u−2 )
α α
¶ 2Hα (1 + u−2 )Ψ(u)e−|Λk| ¶ 4Hα Ψ(u)e−|Λk|
γ(u), u−2 ) = 1, а
для всех u ¾ u0 , где u0 –– решение уравнения max(e
P max ξ(t) > v
t∈∆
e(u) = sup
γ H Ψ(v)
− 1↓0 при u ↑ ∞.
v¾u α
Таким образом,
[∆/δ]+1
P P
∞ α
P(Ak ) ¶ 8Hα Ψ(u) e−|Λk| ,
k=−[∆/δ]−1, k6=0,−1 k=1
Лекция . Хвост для максимального нестационарного процесса
т. е.
P
[∆/δ]+1
P
∞
α
P(Ak ) 8Hα Ψ(u) e−|Λk|
k=−[∆/δ]−1, k6=0,−1 k=1
lim sup ¶ lim sup →0
n→∞ P max X (t) > u n→∞ P(X (0) > u)
t∈[−Λu−2/α , Λu−2/α ]
E(Wt − Ws )2 = σ2 (t − s), t ¾ s.
где
0,1
H1 = lim E exp max χ(t) − |t| .
Λ→∞ t∈[0,Λ]
Нетрудно
p убедиться, что при α = 1 процесс имеет вид χ(t) =
= 2Wt − |t|, т. е.
0,1
p
H1 = lim E exp 2 max Wt − 2|t|
Λ→∞ t∈[0,Λ]
и
1
r(s, t) = 1 − 2 |t − s|2H (1 + o(1)),
Дальше мы уже знаем, что делать. Для любого T > t0 в силу теоремы,
.(), получаем, что
B H (t)
P max 1 + ct > x 1−H ∼
t∈[0,T ]
p
πH2H c1/2 (1 − H)1/2 A(2−H)/2H (1−H)2 /H
∼ x Ψ(Ax 1−H ), (.)
H 1/2 B1/2 2−1/4H
где
H −H 1
A := σ(t0 ) = c(1 − H) 1−H
и
H
−H−2
B := −σ′′ (t0 ) = H.
c(1 − H)
Теперь надо перейти от конечного отрезка [0, T] к полупрямой
[0, ∞]. С этой целью оценим вероятность
B (t)
P sup 1 H+ ct > x 1−H .
t¾T
(1 + ck)2
для некоторых C и d. Имеет место соотношение ∼ c2 k 2−2H
k2H
при k → ∞, поэтому, например, заменяя сумму интегралом, получа-
ем, что сумма стремится к нулю быстрее экспоненты exp(−Cx 2−2H )
для сколь угодно большого C при достаточно большом выбранном
T, что всегда возможно. Таким образом, асимптотика (.) имеет
место и для полупрямой.
Лекция
Отсюда получаем
P
P(max X (t) > u) P(max X (t) > u) Í
t∈T i t∈T dt
lim sup ¶ lim sup ¶ (1 + ǫ) Ct
.
u→∞ Hα u2/α Ψ(u) u→∞ Hα u2/α Ψ(u)
Далее,
P max X (t) > u ¾
t∈T
P P
¾ P max X (t) > u − P max X (t) > u, max X (t) > u .
i t∈Ui i, j : i6= j t∈Ui t∈Uj
P
i
где E(i) = e j и сумма по пустому множеству всегда считается рав-
j=0
ной нулю. Обозначим ti = (t E(i−1)+1, …, t E(i)), i = 1, …, k, тогда
P
k
||t||E,α = ||ti ||αi ,
i=1
где суммируются обычные евклидовы нормы. Структура (E, α) по-
рождает разбиение пространства Rd в прямое произведение под-
пространств Rei :
O k
Rd = R ei
i=1
таким образом, что сужение структурного модуля на каждое из этих
подпространств является евклидовой нормой в соответствующей
степени αi , i = 1, …, k. Введем следующие линейное преобразование
пространства Rd :
O
k
gu R d = u−2/αi Rei . (.)
i=1
.. Гауссовские однородные поля
при u → ∞, где
H E,α (T) = E exp max χ(t) < ∞.
t∈T
P
d
P(max χ(t) > u) = P( max l j X j (t) > u).
t∈T (t,l)∈T×Sd j=1
P
d
Дисперсия гауссовского поля Y (l, t) = l j X j (t) на цилиндре T × Sd
j=1
равна 1, среднее равно нулю, ковариационная функция равна
R((l, t), (l1 , t1 )) = E(Y (l, t), Y (l1 , t1 )) = r(t − t1 )〈l, l1 〉.
Это поле локально однородно. Структура этого поля в точках с от-
личными от единицы первыми координатами векторов l и l1 такова
E = (1, 1, …, 1), α = (a, 2, …, 2), в каждом наборе по
v d компонент.
u
t P
d
Это проверятся заменой первой координаты на 1 − l 2j . Если
2
отлична от единицы другая координата, структура будет такой же,
только соответственно с другой суммой квадратов. Ковариационная
функция поля Y имеет вид
1 P 2 P 2
d−1 d−1
R(t, v) = 1 − |t|α − 2 vi + o(|t|α + vi ), (t, v) → 0.
1 1
Применяя формулу (.), получаем, что
P(max χ(t) > u) = Hα (2π)−(d−1)/2 Vd−1 (Sd−1 )|T|ud−1+2/α Ψ(u)(1 + o(1))
t∈T
P
d
Дисперсия этого гауссовского поля, равная σ2 (t) b2j l 2j , достигает
j=1
своего максимума в двух точках (0, ±1, 0, …, 0), т. е. может быть
применено обобщение теоремы из лекции на многомерный слу-
чай. Заметим, что случай нескольких одинаковых максимальных b j
приводит к гауссовскому полю, максимум дисперсии которого до-
стигается на подмногообразии (подцилиндре) определенного выше
цилиндра.
Лекция
2
Í1 m2 m2
e−m /2
A(ρ) = − exp − d arccos h = arccos ρ exp − −
1+h 1+ρ
ρ
Í1 m2 m2
− arccos h exp − dh =
1 + h (1 + h)2
ρ
m2
= arccos ρ exp − 1 + ρ 1 + O(1 − ρ ) =
2
= e−m /2
arccos ρ(1 + O(1 − ρ)).
Из (.) выводим следующее соотношение для гауссовского про-
цесса с единичной дисперсией и постоянным средним:
2n
P
EZn = EUnk =
k=0
n
1 P −n −m2 /2 n
2
= 2 e (2 arccos ρ((k − 1)2−n, k2−n ))(1 + o(1))
π
k=0
Í1 q
1 2
= π e−m /2 ρts′′ (t, t)dt(1 + o(1)) при n → ∞. (.)
0
Отсюда, используя леммы .., .. и .. получаем следующее
утверждение.
Теорема ... Пусть X (t), t ∈ [0, T] –– действительный гаус-
совский процесс с почти наверное непрерывными траекториями.
Пусть EX (t) ≡ m и var X (t) ≡ σ2 > 0. Тогда с вероятностью единица
отсутствуют касания нуля траекториями процесса, и для среднего
числа N пересечений нуля траекториями процесса X имеет место
формула
1
m2 ÍT q
EN = 2 exp − 2 rts′′ (t, t)dt,
σ π 2σ
0
Í1 m2
1 1
= p exp − (1 + O(2−n )) dh.
π 1 − h2 1+h
ρ
Тогда
P ∃s, t ∈ [0, T]: s < t, X ′ (s) = X ′ (t) = 0, X (s) = X (t) = 0. (.)
Доказательство. Предположим, что T = 1, например, рассмот-
рим процесс Xt/T , обозначая его той же буквой. Рассмотрим событие
Ak,l,n :=
¦ k−1 k l −1 l ©
:= ∃s ∈ , ,t ∈ , : X ′ (s) = X ′ (t) = 0, X (s) = X (t) .
n n n n
По теореме о среднем значении для s ∈ [(k − 1)/n, k/n] найдется та-
кое (случайное) θ ∈ [0, 1], что
|X (k/n) − X (s)| =
1
= |k/n − s| · X ′ (s + θ (k/n − s)) − X ′(s) ¶ wX ′ (1/n). (.)
n
Кроме того, если X ′ (s) = 0, то
|X ′ (k/n)| = |X ′ (k/n) − X ′ (s)| ¶ wX ′ (1/n). (.)
Из соотношений X (s) = X (t), (.) и аналогичной оценки для
|X (l/n) − X (t)| получаем, что
2
|X (k/n) − X (l/n)| ¶ w ′ (1/n). (.)
n X
В силу условий теоремы для любого ǫ > 0 и всех достаточно боль-
ших n соотношение wX ′ (1/n) ¶ ǫn−1/3 выполнено с вероятностью,
превосходящей 1 − ǫ. Итак, в силу соотношений (.)––(.) и ус-
ловия ограниченности плотности для всех δ > 0 и всех таких k, l,
1 ¶ k < l ¶ n, что l − k + 1 ¾ δn, имеем
P(Ak,l,n ) ¶
¶ P ( X ′ (k/n), X ′ (l/n), X (l/n)− X (k/n)) ∈ [−wX ′ (1/n), wX ′ (1/n)]2 ×
× −2n−1 wX ′ (1/n), 2n−1 wX ′ (1/n) ¶
¶ ǫ + P ( X ′ (k/n), X ′ (l/n), X (l/n)− X (k/n)) ∈ [−ǫn−1/3 , ǫn−1/3 ]2 ×
×[−2ǫn−4/3 , 2ǫn−4/3 ] ¶ ǫ +16K(δ−1/n)ǫ 3 n−2
.. Моменты числа пересечений
Далее,
Íu
n
lim 2 dxp(k−1)2−n,k2−n (x, y) = yptt (u, y),
n→∞
u−2−n y
2 Í
Pn∞ Íu Í1 Í∞
= lim dy dxp(k−1)2−n,k2−n (x, y) = ypt,t (u, y) dy dt.
n→∞
k=1
0 u−2−n | y| 0 0
Имеем
Оценим интеграл
Í0 Í0
I(t) = | y1 y2 |ϕt (u, u, y1 , y2 )dy1 dy2 ;
−∞ −∞
Í0 Í0
2
¶B ϕt (u, u, y1 , y2 )dy1 dy2 +
−B −B
ÍÍ
+ | y1 y2 |ϕt (u, u, y1 , y2 )dy1 dy2 ¶
min( y1 , y2 )¶−B
Í0 −B
Í
2
¶B ϕ1t (u, u, y1 )dy1 + B | y1 |ϕ1t (u, u, y1 )dy1 +
−B −∞
−B
Í
+B | y2 |ϕ2t (u, u, y2 )dy2, (.)
−∞
где
ϕ1t (x1 , x2 , y)–– плотность вектора ( X (0), X (t), X ′ (0)), а
ϕ2t (u, u, y) –– плотность вектора ( X (0), X (t), X ′ (t)).
Далее перейдем к условным плотностям при условии X (0) = X (t) = u.
Правая часть неравенства (.) равна
Í0 −B
Í
= Bϕt (u, u) B ϕ1t ( y1 | u, u)dy1 + | y1 |ϕ1t ( y1 | u, u)dy1 +
−B −∞
−B
Í
+ | y2 |ϕ2t ( y2 | u, u)dy2 . (.)
−∞
Здесь
1 u2
ϕt (u, u) = p
2
exp − 1 + r(t)
2π 1 − r (t)
–– плотность вектора ( X (0), X (t)) в точке (u, u), а ϕit ( y | u, u), i =
= 1, 2, –– соответственно условные плотности величин X ′ (0) и X ′ (t)
при условии X (0) = X (t) = u. Математические ожидания для этих
условных плотностей равны
−r ′ (t)u
m(t)u = E( X ′ (0) |X (0) = X (t) = u) = ,
1 + r(t)
Лекция . Хвост распределения максимума. Метод моментов
r ′ (t)u
−m(t)u = E( X ′ (t) |X (0) = X (t) = u) = 1 + r(t)
соответственно, а дисперсии совпадают:
σ2 (t) = var( X ′ (0) |X (0) = X (t) = u) =
2 − 2r 2 (t) − r ′ (t)2
= var( X ′ (t) |X (0) = X (t) = u) = .
1 − r 2 (t)
Сначала рассмотрим малые значения t, t ¶ δ, значение δ также вы-
берем позднее. Рассмотрим первый интеграл в скобках в формуле
(.) и обозначим его через I1 . Он равен вероятности
um(t)
P( X ′ (0) ¶ 0 | X (0) = X (t) = u) = Φ − σ(t) ,
где Φ –– стандартная гауссовская функция распределения. Пользуясь
формулой Тейлора, получаем, что
m(t)
σ(t)
∼ (6C − 1)−1/2 , при t → 0,
при этом 6C − 1 > 0, поскольку
p
4!C − 4 = E( X (t) + 2X ′′ (t))2 ,
и последнее выражение не может обращаться в нуль, так как X (t)
по условию не может быть синусоидой. Выберем теперь δ столь ма-
лым, чтобы выполнялось неравенство
m(t)
¾ k(6C − 1)−1/2 =: δ1 > 0 (.)
σ(t)
для всех t ∈ [0, δ], положительное k < 1 может быть параметром оп-
тимизации верхней оценки второго факториального момента. Та-
ким образом, для t ∈ [0, δ];
1
I1 (t) ¶ p exp(−δ12 u2 /2).
2πδ1 u
Для остальных t этот интеграл оценим единицей:
I1 (t) ¶ 1, t > δ.
Второй интеграл I2 (t) в скобках в формуле (.) равен
−B
Í y − um(t)
I2 (t) = − y1 ϕ dy =
σ(t)
−∞
−B−um(t)/σ(t)
Í
=− σ(t)(σ(t) y + um(t))ϕ( y) dy
−∞
Лекция . Хвост распределения максимума. Метод моментов
для
1−e
r (δ)
∆ = min δ12 , , M 2 (T) (.)
1+e
r (δ)
и некоторой положительной константы C (максимума констант
при экспонентах). Интегрируя в (.), получаем, что
(1 + ∆ )u2
ENu− ([0, T])(Nu− ([0, T]) − 1) ¶ C T 2 u2 exp −
1
2
.
Из этой оценки вместе с леммой . и формулой для математиче-
ского ожидания числа выходов гауссовского стационарного процес-
са за уровень (лекция ) получаем следующий результат.
Теорема .. Пусть ковариационная функция гауссовского ста-
ционарного процесса X (t) с нулевым средним удовлетворяет условию
(.), и пусть выполнены условия следствия ... Тогда
T −u2 /2
P( max X (t) ¾ u) = e + 1 − Φ(u) + R(u),
t∈[0,T ] 2π
где (1 + ∆)u2
1
0 ¶ R(u) ¶ 2 (C + 2)T 2 u2 exp − 2
,
а ∆ определено соотношением (.).
Для завершения доказательства заметим, что
P( X (0) ¾ u, X (T ) ¾ u) ¶ P( X (0) + X (T) ¾ 2u) ¶
1 2
¶p p e−u /(1+r(T))
2π 2 + 2r(T)
и что
1 1
¾ .
1 + r(T ) 1+e
r (δ)
Итак, для гладких гауссовских стационарных процессов метод мо-
ментов дает существенно больше информации о поведении веро-
ятности высокого максимума по сравнению с методом Пикандса.
Мы фактически знаем степенное асимптотическое разложение этой
вероятности с точностью до экспоненциально меньших бесконечно
малых. Аналогичная ситуация имеет место и для гладких нестаци-
онарных процессов, и даже для гауссовских полей, однако в послед-
нем случае вычисления существенно технически сложнее, да и ос-
новная лемма, конечно, другая. В случае полей нет пересечений,
а есть линии уровня. Еще один важный вывод из теоремы: мы вы-
числили константу Пикандса Hα для α = 2:
1
H2 = p .
π
Лекция
отображения
µ → µB
из N в Z+ = {0, 1, 2, …} измеримы для всех B ∈ B. Точечным слу-
чайным процессом на X называется измеримое отображение из ос-
новного вероятностного пространства (Ω, F , P) в (N, R), т. е. эле-
ментарному событию ω ∈ Ω ставится в соответствие неотрицатель-
ная целозначная мера ξ(B, ω), B ∈ B, с указанными выше обычны-
ми свойствами измеримости случайных величин. Распределением
случайного точечного процесса, естественно, называется индуци-
рованная на (N, R) мера Pξ−1 . Под слабой сходимостью точечных
w
процессов ξn → ξ понимается слабая сходимость их распределений.
Теперь можно ввести интересующие нас случайные точечные про-
цессы. Напомним, что
exp(−u2 /2)
P( X (1) > u) ∼ Ψ(u) := p при u → ∞.
2πu
Рассмотрим последовательность случайных точечных процессов
на R:
P
ξu (B) = ξu (B, ω) = I{X (k)>u} (ω),
k∈B/Ψ(u)
P Í1
R(r, L) = (N − k)r(k) ϕ(u, u; hr(k))dh,
k∈L/Ψ(u), r(k)>0 0
N = card(B/Ψ(u)),
P Í1
Rǫ (r, L) = (N − k)r(k) ϕ(u, u; hr(k))dh.
k∈L/Ψ(u): r(k)¾ǫu−2
ǫ/u2r(k)
и получим
cov I{X (k)>u} , I{X (l)>u} =
= P( X (k) > u, X (l) > u) − P( X (k) > u)P( X (l) > u) =
Í1 Í1
d
= P( Xh (k) > u, Xh (l) > u)dh = r ϕ(u, u; hr)dh. (.)
dh
0 0
1
u2
1 2
ϕ(u, u; hr) = p exp − ¶ p e−u
2π 1−h r 2 2 1 + hr 2 2
2π 1 − h r
при r ¶ 0. Поэтому
P
cov I{X (k)>u} , I{X (l)>u} =
k,l∈L/Ψ(u), k6=l
P Í1 P Í
1
= r ϕdh + r ϕdh ¾
k,l∈L/Ψ(u), k6=l, r(k−l)>0 r<0
0 0
P Í1 Í1 2
1 P e−u |r|dh
¾ r ϕdh + r p . (.)
r¾0
2π r<0 1 − h2 r 2
0 0
P
1/Ψ(u) Í1 3
P
1/Ψ(u)
r e−u dh 2
− p − var I{Xh (k)>0} e−u .
2π 1 − h2 r 2
k,l=0, k6=l, r(l−k)¾0 k=0
0
Лекция . Пуассоновская предельная теорема
P Í
1
P r Í e−u3 dh
1
¾ r ϕdh − 2π
p + αu = (.)
r>0 r¾0 1 − h2 r 2
0 0
P Í
1
u2
= r ϕ · 1 − exp −u2 + dh + αu =
r>0
1 + rh
0
1
P Í u2 rh
= r ϕ · 1 − exp − dh + αu ¾
r>0
1 + rh
0
P Í1 u2 rh
¾ r ϕ · 1 − exp − dh + αu ¾
r>0
1 + rh
ǫ/u2 r
P Í1
−ǫ/2
¾ αu + (1 − e ) r ϕdh.
ru2 ¾ǫ 0
Последняя сумма есть Φǫ (r, [0, 1)), она стремится к нулю при u → ∞,
что доказывает включение.
. (3) ⇒ (4). Очевидно.
. (4) ⇒ (3). Имея в виду, что r ¾ 0, запишем
P Í1 1 2u2 − 2u2 hr
1
(N − k)r p exp − 2 dh ¶
r<ǫu−2 2π 1 − h2 r 2 1 − h2 r 2
0 1
P N − k 2 −u2 Í 1
hru2
¶ 2 u re p exp dh ¶
2πu 1 − h2 r 2 1 + hr
|r|<ǫu−2 0
P Í1
N − k −u2 2 1 hǫ
¶ e u r p exp dh ¶
2πu2 1 − h2 r 2 1 − hǫu−2
|r|<ǫu−2 0
2
P
1/Ψ(u)
¶ Kǫ Ψ (u) (N − k) ,
k=1
Í1 ǫ/ru
Í
2
Í1
P P
(N − k)r ϕdh = (N − k)r ϕ dh + ϕdh =
r¾ǫu−2 0 r¾ǫu−2 0 ǫ/ru2
2
ǫ/ru
Í Í1
P P
= (N − k)r ϕ dh + (N − k)r ϕ dh.
r¾ǫu−2 0 r¾ǫu−2
ǫ/ru2
Í1
× ϕ(u, u, rh (k−l)P( Xh ( j) < u, j 6= k, l | Xh (k) = Xh (l) = u)dh =
0
1
P Í
= r ϕ(u, u, rh (k−l)P( Xh ( j) < u, j 6= k, l | Xh (k) = Xh (l) = u)dh−
r>0
0
P Í1
− |r| ϕ(u, u, rh (k−l)P( Xh ( j) < u,
r<0
0
где
1 1 H
p p − ln(2 ln T ) + ln p α
α 2 2π
aT = 2 ln T , bT = 2 ln T + p .
2 ln T
§ ª
ηa,u (I) > 0 ⊃ max X (t) < u, max X (t) ¾ u . (.)
t∈(−a,0) t∈I
Кроме того,
P max X (t) < u, max X (t) ¾ u =
t∈(−a,0) t∈I
= P̄X (u, I) − P max X (t) ¾ u, max X (t) ¾ u =
t∈I (−a,0)
= P̄X (u, I) − P̄X (u, I) + P̄X (u, (−a, 0)) − P̄X (u, (−a, a/2)) .
Теперь воспользуемся теоремой Пикандса. Выражение в квадрат-
ных скобках бесконечно меньше, чем P̄X (u, I), что и доказывает
лемму.
Лемма .. Для любого L ∈ L выполняется условие
P(Φu (L) = 0) = PX (u, µ(u)−1 L) + o(1)
при u → ∞.
Лекция . Пуассоновская предельная теорема. Непрерывное время
при u → ∞.
Доказательство. Обозначим
S(i, j) := {(t, s) : t ∈ Ki ∩ Rb , s ∈ K j ∩ Rb }.
1 P
|PX (u, Πu ∩ Rb ) − PX0 (u, Πu ∩ Rb )| ¶ π |r(t − s) − r0 (s, t)| ×
s,t∈λ u ∩Rb ,s6= t
Í1
u2
× (1 − rh (s, t))−1/2 exp − dh =
1 + rh (s, t)
0
Í1
1 P P
u2
= |r(t − s)| (1 − hr(t − s))−1/2 exp − dh,
π S(i, j)
1 + hr(s, t)
i6= j
0
где
rh (s, t) = hr(s − t) + (1 − h)r0(s, t),
γ2 = sup(1 − |r(t)|),
t¾δ
2 P P |r(t − s)|u2
¶ C4 κ(u)e−u exp =
i6= j S(i, j)
1 + |r(t − s)|
d(Ki ,K j )¾µ(u)−γ1
2 2
= O µ(u)−1 un−1+2/α κ(u)e−u = O(u2 κ(u)) = o(1)
при u → ∞, где C3 и C4 –– константы.
Заметим, что лемма . также справедлива для процесса X0
с той же решёткой. Обозначим через N число отрезков, составляю-
щих Πu . Нетрудно увидеть, что для любого ǫ > 0 найдется достаточ-
но малое δ, для которого |Nµ(u) − V (L)| ¶ ǫ, V (·) –– длина. Отсюда
получаем, что
P¯X0 (u, λu ))N → e−V(L) .
PX0 (u, λu ) = (1 − ¯
Итак, мы доказали первое соотношение из формулы (.). Второе
соотношение следует из эквивалентности µ(u) и µa (u) (см. лем-
му .), т. е. limu→∞ EΦu = Eπ(L). Таким образом, теорема . до-
казана.
Обобщения этой теоремы на гауссовские поля и другие детали
исследований в этом направлении можно найти в книге [].
Лекция
Í1
× ϕ(u, u, rhkl )P( max Xhi ¶ u | Xhk = Xhl = u)dh, (.)
i=1,…,d
0
p p
где Xh = hX1 + 1 − hX0 и ϕ(u, u, r) –– двумерная гауссовская плот-
ность с нулевым средним, единичными дисперсиями и ковариацией r.
Идея обобщения проста и очень похожа на вывод выражений для
моментов числа пересечений. Мы выписываем тождество сравне-
ния для процессов, взятых по дискретной временно́й решетке, и за-
тем пытаемся «разумно» перейти к пределу в правой части тожде-
ства (.). Левая же часть, если траектории процессов непрерыв-
ны, сходится к оцениваемой разности распределений максимумов.
«Разумный» переход к пределу в правой части и есть основная часть
доказательства следующей теоремы сравнения. Через rν (s, t) будем
обозначать ковариационные функции процессов с соответствующи-
ми номерами, а через ϕZ (z) –– плотность распределения гауссовско-
го вектора Z.
Теорема .. Пусть пара независимых дважды дифференцируе-
мых в среднем квадратическом гауссовских стационарных процессов
Лекция . Тождество и неравенство сравнения
Í1 ÍS
= dh t dt(r1(t) − r0 (t))ϕ Xh (0),Xh (t),Xh′ (0),Xh′ (t) (u, u, 0, 0) ×
0 0
Í0 Í0
× dy1 dy2 y1 y2 ϕ Xh′′ (0),Xh′′ (t) ( y1 , y2 | u, u, 0, 0) ×
−∞ −∞
× P( max Xh (s) ¶ u | u, u, 0, 0, y1 , y2 ) +
s∈[0,S]
ÍS
+2 dt(r1 (t) − r0(t))ϕ Xh (0),Xh (t),Xh′ (t) (u, u, 0) ×
0
Í0
× dy| y|ϕ Xh′′ (t) ( y | u, u, 0)P( max Xh (s) ¶ u | u, u, 0, y) +
s∈[0,S]
−∞
+ (r1 (S) − r0(S))ϕ Xh (0),Xh (S) (u, u)P( max Xh (s) ¶ u | u, u) ,
s∈[0,S]
(.)
где ϕ Xh′′ (0),Xh′′ (t) ( y1 , y2 | u, u, 0, 0)–– условная плотность вектора ( Xh′′ (0),
Xh′′ (t)) при условии
( Xh (0), Xh (t), Xh′ (0), Xh′ (t)) = (u, u, 0, 0),
ϕ Xh′′ (t) ( y | u, u, 0) –– условная плотность величины Xh′′ (t) при условии
P Í1
−n −n
= (r1 (( j − i)2 ) − r0 (( j − i)2 )) ϕ(u, u) ×
i< j
0
×P maxn Xh (k2−n ) ¶ u | Xh (i2−n ) = Xh ( j2−n ) = u dh, (.)
0¶k¶2 S
Тогда
−2−n−1 Xh′′ (t1 )+2−n α− −
n1 ξn1 −2−n−1 Xh′′ (t2 )+2−n α− −
n2 ξn2
Í Í Í
Pij = dz dx1 dx2 ϕh (z, x1 , x2 ),
Sij 2−n−1 Xh′′ (t1 )+2−n α+ +
2−n−1 Xh′′ (t2 )+2−n α+ +
n1 ξn1 n2 ξn2
(.)
где ϕh –– условная плотность вектора
( Xh (k2−n ), k ∈ Nij , Xh′ (tl ), l = 1, 2)
при условии Xh (tl ) = u, l = 1, 2. Заменим переменные: xl = 2−n xl′ ,
l = 1, 2. Тогда
−2−1 Xh′′ (t1 )+α− −
n1 ξn1
Í Í
Pij = 2−2n dz dx1′
Sij 2−1 Xh′′ (t1 )+α+ +
n1 ξn1
−1
−2 Xh′′ (t2 )+α− −
n2 ξn2
Í
dx2′ ϕ1h (z |2−n xl′ , l = 1, 2)ϕ2h (2−n xl′ , l = 1, 2), (.)
2−1 Xh′′ (t2 )+α+ +
n2 ξn2
Pt1 t2 (u, y1 , y2 ) =
= P(max Xh (s) ¶ u | Xh (tl ) = u, Xh′ (tl ) = 0, Xh′′ (tl ) = yl , l = 1, 2),
[0,S]
при n → ∞, где
Pt2 (u, y) =
= P(max Xh (s) ¶ u | Xh (tl ) = u, l = 1, 2, Xh′ (t2 ) = 0, Xh′′ (t2 ) = y),
[0,S]
m1 (t) = E( Xh′′ (t)|Xh (t) = Xh (0) = 1, Xh′ (t) = Xh′ (0) = 0),
σ12 (t) = var( Xh′′ (t)|Xh (t) = Xh (0) = 1, Xh′ (t) = Xh′ (0) = 0),
m2 (t) = E( Xh′′ (t)|Xh (t) = Xh (0) = 1, Xh′ (t) = 0),
σ22 (t) = var( Xh′′ (t)|Xh (t) = Xh (0) = 1, Xh′ (t) = 0).
Í1ÍS
¶ |r1 (t)−r0 (t)| t(σ1 (t)+u|m1 (t)|)2 ϕ Xh (0),Xh (t),Xh′ (0),Xh′ (t) (u, u, 0, 0)+
00
+2(σ2 (t)+u|m2 (t)|)ϕ Xh (0),Xh (t),Xh′ (t) (u, u, 0) dh dt+
Í1
+|r1 (S)−r0 (S)| ϕ Xh (0),Xh (S) (u, u)dh. (.)
0
равенство
где
(1 + ∆)u2
0 ¶ R(u) ¶ CT 2 exp − 2
.
1
x2
2
= n exp −x − 2 (1 + O (T/n)e−∆u /2 + O(n/T)).
2lT
получим, что
n
1 − p0 (T/n − t0 ) = exp n ln(1 − p0 (T/n − t0 )) =
= exp −n p0 (T/n − t0 ) + O(p02 (T/n − t0 )) . (.)
Далее, в силу теоремы . имеем
T − nt0 1
np0 (T/n − t0 ) = 2π exp − 2 (lT + x/lT )2 + n 1 − Φ(lT + x/lT ) +
(1 + ∆)(l + x/l )2
+ O n(T/n)2 exp − T
2
T
. (.)
Заметим, прежде всего, что
T
1 x2
2
2π
exp − 2
(l T + x/l T ) = exp −x − 2 .
2lT
Покажем, что это выражение равно (.) с точностью до некоторой
3/2
отрицательной степени T. Рассмотрим сначала значения x ¾ −lT .
Для таких x, любого ǫ > 0 и всех достаточно больших T имеем
1/2
lT + x/lT ¾ lT − lT ¾ (1 − ǫ)lT
и в силу выбора n, пользуясь свойствами хвоста нормального рас-
пределения, получаем
n 1−Φ(lT + x/lT ) = O(T 1−∆/2 T −1+ǫ ) = O(T −δ ),
(1+∆)(l + x/l )2 (1+∆)(1−ǫ)l 2
n(T/n)2 exp −
T T 1+∆/2 T
2
¶ 2T exp − 2
=
T −(1+∆)(1−ǫ)
= 2T 1+∆/2 2π = O(T −δ )
для некоторого δ > 0, если ǫ достаточно мало. Поэтому из формулы
(.) получаем, что
x2
−x−
exp −nP max X0 (t) > u = exp −e 2l 2
T (1 + O(T −δ )) =
[0,T /n−t0 ]
x2
−x− ′
= exp −e 2l 2
T + O(T −δ )
3/2
при T → ∞ для любого положительного δ′ < δ и всех x ¾ −lT . Да-
лее, для второго множителя в правой части формулы (.), пользу-
ясь предыдущим выводом, получаем
1
exp O np02 (T/n − t0 ) = exp n2 p02 (T/n − t0 )O n =
2
−2x− x2 ′ ′′
= exp e l
T + O(T −δ ) O T −1+∆/2 = 1 + O(T −δ )
Лекция . О скорости сходимости
1−ρ
(δ1 = min δ, , ρ := max |r(t)| < 1) ¶
2(1 + ρ) [t0 ,T0 ]
ÍT
2
u
− 21 u2 (1+δ1 ) − 1+ǫ
¶ C1 Te + Te |r(t)|dt
T0
′
(в силу неравенства Минковского a = max(1, a)) ¶
ÍT 1/a′
u2
− 12 u2 (1+δ1 ) 1−1/a′ − 1+ǫ a′
¶ C1 Te + TT e |r(t)| dt ¶
T0
ǫu 2
− 12 u2 (1+δ1 ) 2−1/a′ −u2 − 1+ǫ
¶ C1 Te +T e e dt =
ǫu 2
− 12 u2 − 12 δ1 u2 2 −u2 −1/a′ − 1+ǫ
= C1 Te e +T e T e dt .
равномерно по x ∈ R;
−x 1 −x
) lT2 P max X (t) ¶ lT + x/lT − e−e → e−e e−x x 2 , при T → ∞,
t∈[0,T ] 2
равномерно по x ∈ R.
Из второго утверждения следует, что скорость сходимости к рас-
пределению Гумбеля логарифмическая. Кроме того, в этом утвер-
ждении содержится второй член асимптотического разложения в дан-
ной предельной теореме. Далее, в первом утверждении выписана
последовательность аппроксимирующих функций, дающая степен-
ную точность аппроксимации.
Лекция
.. Введение
Настоящая лекция представляет собой расширенное изложение
моего доклада на заседании Московского математического обще-
ства октября г. «Выбросы гауссовских полей: теоремы срав-
нения, геометрические вероятности и эйлеровы характеристики».
В этой лекции мы вычислим предельные топологические характе-
ристики линий уровня
{t ∈ Rn : X (t) = u}
для больших значений u. В одномерном случае такая проблема чрез-
вычайно проста: «линии уровня» –– это точки пересечения уровня.
В многомерном же случае это поверхности размерности n − 1 (в усло-
виях, которые мы ниже введем). Как эти поверхности устроены ––
это и есть предмет нашего рассмотрения.
В лекции мы доказали, что для гауссовского процесса с глад-
кими траекториями имеет место следующая теорема.
Теорема ... Пусть гауссовский стационарный процесс X (t),
t ∈ [0, T], имеет нулевое среднее и п. н. дважды дифференцируемые
траектории. Пусть также для всех t вектор ( X (t), X ′ (t), X ′′ (t))
невырожден. Тогда существуют такие C и δ > 0, что
T 2
P max X (t) > u = 2π e−u /2 + 1 − Φ(u) + R(u), (.)
t∈[0,T]
где 1
0 ¶ R(u) ¶ CT 2 exp − (1 + δ)u2 . (.)
2
Сейчас мы покажем, как эти соотношения можно обобщить на
гауссовские поля, т. е. на гауссовские функции нескольких перемен-
ных. Прежде всего введем необходимые предположения на сами по-
ля и на параметрические множества, на которых они заданы.
Лекция . Геометрия высоких выбросов гладких полей
... Гладкость
Предполагаем, что ковариационная функция r(s, t) шесть раз
дифференцируема, т. е. поле три раза дифференцируемо в среднем
квадратическом. Отсюда, в частности, следует, что можно считать,
что рассматриваемые поля имеют почти наверное и дважды непре-
рывно дифференцируемые траектории.
... Невырожденность
Условие ... Обозначим
∂2 ∂3
Z(t) := X (t), ∇X (t), ∂t ∂t X (t), i ¾ j, ∂t ∂t ∂t X (t), i ¾ j ¾ k .
i j i j k
β(B2ǫ (t) ∩ S ) ∩ V = Π ∩ V.
где b
r (t) = max(r0 (t), r1 (t)).
Мы применим теорему .. для получения асимптотическо-
го разложения распределения максимума гауссовского случайного
поля, удовлетворяющего вышеприведенным условиям, при u → ∞
с точностью до членов порядка правой части неравенства (.),
Для этого нам в первую очередь необходимо какое-нибудь стандарт-
ное поле, для которого это распределение можно вычислить с требу-
емой точностью. В одномерном случае такой гладкий процесс –– это
случайная стационарная гауссовская синусоида. Если постараться,
то можно хорошо оценить это распределение и для стационарного
гауссовского тригонометрического полинома. Нечто подобное мы
сейчас проделаем в многомерном случае.
Заметим, что для u > 0 множество {Y (0) > u, N(T) ¾ 1} пусто, пото-
му что до момента T процесс не успеет войти подуровень u и выйти
за него. Поэтому
P max Y (t) > u = P(Y (0) > u) + P(N(T) ¾ 1).
[0,T ]
ления. Имеем
Í n
Q T
ϕ( yk ) − p k ϕ ′ ( yk ) dy1 …dyk −
p k=1 2π
y1 +…+ yn ¾ nu
Í n
Q Tk
− ϕ( yk ) − p ϕ ′ ( yk ) dy1 …dyk . (.)
p k=1 2π
y1 +…+ yn ¾ nu,
∃i : yi <0
Воспользуемся оценкой
Tk Tk x
ϕ(x) − p ϕ ′ (x) = ϕ(x)1 + p ¶
2π 2π
1
p 1 1
¶ p (1 + 2 + n2 ) exp − x 2 (1 − 2 ,
2π 2 n
справедливой для всех x и Tk < π. Тогда второй интеграл в форму-
ле (.) не превосходит величины
p n Í Qn p
1 + 2 + n2 ϕ yi 1 − n−2 =
p k=1
y1 +…+ yn ¾ nu,
∃i : yi <0
p n p p
= 1+ 2 + n2 P X1 + … + Xn ¾ u n 1 − n−2 , ∃i : Xi < 0 ¶
p n p p
¶ 1 + 2 + n2 nP X1 + … + Xn−1 ¾ u n 1 − n−2 ,
где Xi –– независимые стандартные нормальные случайные величи-
ны. А последняя вероятность с учетом стандартной оценки для хво-
ста нормального распределения не превосходит величины
1
−nu2 (1 − n−2 )
p p p exp .
2πu n 1 − n−2 2n − 2
Первый интеграл в формуле (.) запишем в виде интеграла от
свертки
Í∞ p Ti p
y
∗
nn/2 n ϕ( y/ n) − p ϕ ′ ( y/ n) dy.
i=1
(.)
2π
∂2
Y (t) = −Zi cos(ti − ϕi ) ¶ 0.
∂ti2 N
Лекция . Геометрия высоких выбросов гладких полей
Далее, множество ϕ + [−π/2, π/2]N mod 2π ∩ [0, π)N связно для лю-
бого ϕ и, следовательно, выпукло. Таким образом, B1u есть пересе-
чение в R N+1 = { y, t1 , …, t N } двух выпуклых множеств { y ¾ u} и
−1/2
P
N
t: ϕ + t: N Zk cos tk ¾ u ∩
k=1
∩ ϕ + [−π/2, π/2]N mod 2π ∩ [0, π)N .
Лемма ... Найдутся такие L, ρ1 > 0, что для любого боре-
левского множества A ⊂ [0, π)N имеет место неравенство
|P(sup YN (t) ¾ u) − P(A ∩ B1u 6= ∅)| ¶ L exp(−u2 (1 + ρ1 )/2).
A
Доказательство. По построению
{sup YN (t) ¾ u} ⊃ {A ∩ B1u 6= ∅}.
A
Далее,
где Γ = ∪γi , γi –– грани куба ϕ + [−π/2, π/2]N . Отсюда для N > 1 по-
лучаем
P
n
ψ= a j Wj .
j=0
n
P
n−1
ν
Hn−1−ν (u)
P(max X (t) ¾ u) = ϕ(u) Wν (K(T)) +
t∈S ν=0 ων (2πn)(n−ν )/2
Í∞ 1
+ ϕ(x) dx + O exp − u2 (1 + 1/n) , u → ∞. (.)
2
u
Обозначим
P
Y1 (t) := Xk01 k2 k3 cos(a(tk1 + tk2 + tk3 )) +
1¶k1 <k2 <k3 ¶n
+ Yk01 k2 k3 sin(a(tk1 + tk2 + tk3 )) ;
P 1
Y2 (t) := Xk1 k2 cos(a(tk1 + tk2 )) + Yk11 k2 sin(a(tk1 + tk2 )) +
1¶k1 <k2 ¶n
3 3
+ Xk1 k2 cos(3a(tk1 + tk2 )) + Yk1k2 sin(3a(tk1 + tk2 )) ;
P P
4
j j
Y3 (t) := Xk cos( jatk1 ) + Yk sin( jatk1 ),
1 1
1¶k1 ¶n j=1
где L, a не зависят от A, B и
rAB = sup |r(t − s)| < 1
s∈A,t∈B
P
n
= ak (u)Wk (S) + O(exp(−u2 (1 + ρ)/2), u → ∞,
k=0
Предисловие . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Лекция
Основные определения. Конечномерные распределения . . . . . . . . .
1.1. Определения и основные свойства . . . . . . . . . . . . . . . . . . . . .
1.2. Условные гауссовские распределения . . . . . . . . . . . . . . . . . . .
1.3. Практические формулы для вычисления условных средних и ко-
вариаций . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Лекция
Сравнение конечномерных распределений . . . . . . . . . . . . . . . . . .
2.1. Неравенство Слепяна . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2. Неравенство Судакова––Ферника . . . . . . . . . . . . . . . . . . . . . .
2.3. Неравенство Бермана и его обобщения . . . . . . . . . . . . . . . . .
2.4. Хвосты распределений гауссовских случайных векторов . . . . . .
Лекция
Свойства эргодичности стационарных последовательностей . . . . . . .
Лекция
Закон нуля или единицы . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.1. Другое определение гауссовского случайного вектора . . . . . . . .
4.2. Закон нуля или единицы для гауссовских векторов . . . . . . . . . .
Лекция
Экспоненциальная интегрируемость . . . . . . . . . . . . . . . . . . . . . .
Лекция
Гильбертовы пространства . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Лекция
Сепарабельность и измеримость. Осцилляции . . . . . . . . . . . . . . . .
7.1. Сепарабельность и измеримость . . . . . . . . . . . . . . . . . . . . . .
7.2. Осцилляция . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Лекция
Энтропийный метод . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
8.1. Введение . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
8.2. Энтропийная оценка для хвоста распределения максимума . . . .
Лекция
Хвост распределения максимума стационарного процесса . . . . . . . .
9.1. Введение . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
9.2. Локальная лемма . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Содержание