Skorokhod埋め込み(Skorokhod embedding)とは、確率分布 $\mu$ を、標準 Brown 運動 $B$ を停止時刻 $T$ で止めた値 $B_T$ の分布として実現すること、またはその $T$ である。Wald の恒等式により $E[T]< \infty$ の埋め込みがあるのは $\mu$ が平均 $0$・分散有限のときに限り、そのとき $E[T]=\int x^2\,d\mu$ となる。逆にこの条件を満たすどの $\mu$ も埋め込めるのが Skorokhod の埋め込み定理で、2 点の分布の埋め込みを 2 分割マルチンゲールに沿って重ねる Dubins の構成や、最大値と重心関数で止める Azéma–Yor の構成がある。繰り返すと独立同分布の和を Brown 運動に埋め込め、中心極限定理や重複対数の法則を Brown 運動の場合から導ける。
Skorokhod埋め込み(Skorokhod embedding)とは、実数直線上の確率分布 $\mu$ を、標準 Brown運動 $B$($B_0=0$)をある 停止時刻 $T$ で止めた値 $B_T$ の分布として実現すること、またはそのような $T$ のことである。$T$ に $E[T]< \infty$ を課すと、$\mu$ は平均 $0$ で分散が有限でなければならず、そのとき $E[T]=\int x^2\,d\mu$ となる。逆にこの条件を満たすどの $\mu$ も埋め込める、というのが Skorokhod の埋め込み定理 である。最初の埋め込み定理は Skorokhod による(ロシア語の原論文は 1961 年。MP10 p. 151)。
埋め込みを繰り返すと、平均 $0$・分散有限の独立同分布の和 $S_n$ を、Brown 運動を停止時刻の増大列で見た値として実現できる。これにより、Brown 運動について証明した極限定理が一般のランダムウォークに移る。中心極限定理、Donskerの定理(不変原理)、重複対数の法則(Hartman–Wintner の定理)がその例である。
| 結果 | 内容 | この記事での扱い |
|---|---|---|
| prop-sk-wald | $E[T]< \infty$ なら $E[B_T]=0$、$E[B_T^2]=E[T]$ | 証明する |
| thm-sk-main | 埋め込み定理(Dubins の構成) | 証明する |
| thm-sk-ay | Azéma–Yor の構成 | 主張と例 |
| thm-sk-rw | ランダムウォークの埋め込み | 証明する |
| cor-sk-clt | 中心極限定理 | 証明する |
| ex-sk-anything | $E[T]=\infty$ を許せばどの分布も埋め込める | 証明する |
同じ人名の「Skorokhod の表現定理」は、分布収束する確率変数の列を、同じ分布をもつ概収束列に取り直す別の定理である(確率変数の収束)。Dur19 は埋め込み定理のほうを Skorokhod's representation theorem とよんでいる(Theorem 8.1.1、p. 389)。
以下、$B=(B_t)_{t\ge0}$ は $B_0=0$ の標準 Brown 運動、$(\mathcal F_t)$ はそのフィルトレーション(停止時刻 の記事の右連続なもの)とし、停止時刻はこれについてのものとする。
実数直線上の確率測度 $\mu$ について、停止時刻 $T$ で、$T< \infty$ がほとんど確実に成り立ち、$B_T$ が分布 $\mu$ に従い、$E[T]< \infty$ となるものを求める問題を、$\mu$ の Skorokhod の埋め込み問題 という。このような $T$ を $\mu$ の 埋め込み という。
$T$ を $E[T]< \infty$ の停止時刻とすると、$E[B_T]=0$、$E[B_T^2]=E[T]$ である。
$B_t$ と $B_t^2-t$ は右連続なマルチンゲールである。有界な停止時刻 $S\le n$ について $X_S=E[X_n\mid\mathcal F_S]$($X$ はこのどちらか)が成り立つ(Dur19 Theorem 7.5.1 の証明、p. 376)。$m>n$ について $\mathcal F_{T\wedge n}\subset\mathcal F_{T\wedge m}$ なので、条件つき期待値を重ねて
$$
E\bigl[B_{T\wedge m}\mid\mathcal F_{T\wedge n}\bigr]=E\bigl[B_m\mid\mathcal F_{T\wedge n}\bigr]=B_{T\wedge n}
$$
であり、$(B_{T\wedge n})_{n\ge0}$ は $(\mathcal F_{T\wedge n})$ についてのマルチンゲールである。同じく $E[B_{T\wedge n}^2]=E[T\wedge n]\le E[T]$ なので、これは $L^2$ で有界である。マルチンゲール収束定理 の定理「$L^p$ 収束定理」により $B_{T\wedge n}$ は $L^2$ で収束し、$T< \infty$ と道の連続性から概収束の極限は $B_T$ なので、$L^2$ の極限も $B_T$ である。よって
$$
E[B_T]=\lim_nE[B_{T\wedge n}]=0,\qquad E[B_T^2]=\lim_nE[B_{T\wedge n}^2]=\lim_nE[T\wedge n]=E[T]
$$
である(最後は単調収束定理)。$\square$
したがって埋め込み問題が解けるのは、$\mu$ が平均 $0$ で分散が有限のときに限り、解はどれも $E[T]=\int x^2\,d\mu$ を満たす。
$a< 0< b$ とし、$T_{a,b}:=\inf\{t\ge0\mid B_t\notin(a,b)\}$ とおく。$T_{a,b}$ は停止時刻で $E[T_{a,b}]=-ab< \infty$ であり、
$$
P(B_{T_{a,b}}=b)=\frac{-a}{b-a},\qquad P(B_{T_{a,b}}=a)=\frac b{b-a}
$$
である。とくに、平均 $0$ で 2 点 $a< 0< b$ に台をもつ分布は $T_{a,b}$ で埋め込める。
$T:=T_{a,b}$ は閉集合への到達時刻なので停止時刻である(停止時刻 の定理「到達時刻が停止時刻になる条件」)。$t\le T$ では $|B_t|\le\max(-a,b)=:K$ なので、有界な停止時刻 $T\wedge n$ で $E[T\wedge n]=E[B_{T\wedge n}^2]\le K^2$ であり、単調収束定理から $E[T]\le K^2< \infty$ である。prop-sk-wald から $E[B_T]=0$ で、$B_T\in\{a,b\}$ なので $aP(B_T=a)+bP(B_T=b)=0$ を解いて確率の式を得る。$E[T]=E[B_T^2]=a^2\frac b{b-a}+b^2\frac{-a}{b-a}=-ab$ である。$\square$
一般の分布は、2 点の分布を順に積み重ねて埋め込む。そのために、確率変数を「各段で 2 つに分かれる」マルチンゲールで近似する。
$X$ を $E[X^2]< \infty$ の確率変数とする。$\mathcal G_0$ を自明な σ-代数、$X_0:=E[X]$ とし、帰納的に
$$
\xi_n:=\begin{cases}1&(X\ge X_n)\\-1&(X< X_n)\end{cases},\qquad\mathcal G_{n+1}:=\sigma(\xi_0,\dots,\xi_n),\qquad X_{n+1}:=E[X\mid\mathcal G_{n+1}]
$$
とおく。このとき次が成り立つ。
1. $\mathcal G_{n+1}$ の原子は、$\mathcal G_n$ の原子 $A$ を $A\cap\{X\ge x_A\}$ と $A\cap\{X< x_A\}$ に分けたものである。$X_{n+1}$ はそれぞれの上で $X$ の条件つき平均で、前者では $x_A$ 以上、後者では $x_A$ 未満である。前者の値を $b$、後者の値を $a$ とする。両方の確率が正なら、$x_A$ は $a$ と $b$ の重みつき平均なので $a< x_A< b$ である($b=x_A$ なら平均が $x_A$ であることに反する)。
2. $X_n$ は $(\mathcal G_n)$ についてのマルチンゲールで、$E[X_n^2]\le E[X^2]$(条件つき期待値の縮小性)なので、マルチンゲール収束定理 の定理「$L^p$ 収束定理」と定理「Lévy の上向き定理」により、$\mathcal G_\infty:=\sigma\bigl(\bigcup_n\mathcal G_n\bigr)$ として $X_n\to X_\infty:=E[X\mid\mathcal G_\infty]$ がほとんど確実に、かつ $L^2$ で成り立つ。$X_\infty=X$ を示せばよい。
$Y_n:=\xi_n(X-X_{n+1})$ とおく。$\xi_n$ は $\mathcal G_{n+1}$ 可測なので $E[Y_n]=E\bigl[\xi_nE[X-X_{n+1}\mid\mathcal G_{n+1}]\bigr]=0$ である。一方、$Y_n\to|X-X_\infty|$ がほとんど確実に成り立つ。実際、$X>X_\infty$ となる $\omega$ では十分大きい $n$ で $X>X_n$、$\xi_n=1$ となり $Y_n\to X-X_\infty$ であり、$X< X_\infty$ では同様に $\xi_n=-1$ で $Y_n\to X_\infty-X$、$X=X_\infty$ では $|Y_n|\le|X-X_{n+1}|\to0$ である。$|Y_n|\le|X|+|X_{n+1}|$ で、条件つき期待値の族 $\{E[X\mid\mathcal G]\}$ は一様可積分なので(一様可積分性 の例「条件付き期待値の族」と命題「一様可積分な族の作り方」の 3)、$(Y_n)$ も一様可積分であり、$E|X-X_\infty|=\lim_nE[Y_n]=0$ である。$\square$
$\mu$ を実数直線上の確率測度とする。$\mu$ の埋め込み $T$($E[T]< \infty$)が存在するのは、$\mu$ が平均 $0$ で分散が有限のときに限る。そのとき、Brown 運動のフィルトレーションについての停止時刻 $T$ で
$$
B_T\sim\mu,\qquad E[T]=\int x^2\,d\mu(x)
$$
となるものが存在する。
必要性は prop-sk-wald である。十分性を示す。$X\sim\mu$ とし、lem-sk-binary の $(X_n)$ をとる。$X_0=E[X]=0$ である。lem-sk-binary の 1 の証明から、$X_{k+1}\ge X_k$ と $\xi_k=1$ は同値なので、値の列 $(X_0,\dots,X_n)$ から $\mathcal G_n$ の原子が決まる。正の確率でとる値の列 $\mathbf x=(x_0,\dots,x_n)$ について、それに対応する原子の上で $X_{n+1}$ がとる値を $a_n(\mathbf x)\le x_n\le b_n(\mathbf x)$ とする(1 値なら $a_n=b_n=x_n$)。
$T_0:=0$ とし、帰納的に
$$
T_{n+1}:=\inf\Bigl\{t\ge T_n\ \Big|\ B_t\notin\bigl(a_n(\mathbf B_n),\,b_n(\mathbf B_n)\bigr)\Bigr\},\qquad\mathbf B_n:=(B_{T_0},\dots,B_{T_n})
$$
とおく($a_n=b_n$ や確率 $0$ の列では $T_{n+1}:=T_n$)。各 $T_n$ は停止時刻である。
同時分布. $(B_{T_0},\dots,B_{T_n})$ が $(X_0,\dots,X_n)$ と同じ同時分布をもつことを帰納法で示す。停止時刻 の主定理(強 Markov 性)により、$T_n$ から先の増分 $(B_{T_n+s}-B_{T_n})_{s\ge0}$ は $\mathcal F_{T_n}$ と独立な標準 Brown 運動である。$\mathbf B_n=\mathbf x$ のもとで $B_{T_{n+1}}$ は、$x_n$ から出た Brown 運動が区間 $(a,b)=(a_n(\mathbf x),b_n(\mathbf x))$ を出る点なので、lem-sk-two-point を平行移動して $P(B_{T_{n+1}}=b\mid\mathbf B_n=\mathbf x)=\frac{x_n-a}{b-a}$ である。$X_{n+1}$ も原子の上で平均 $x_n$ の 2 値 $a,b$ をとるので、条件つき分布は同じである。
期待値. 同じく $E[T_{n+1}-T_n\mid\mathbf B_n=\mathbf x]=(b-x_n)(x_n-a)$ で、これは原子の上での $E[(X_{n+1}-X_n)^2]$ に等しい。マルチンゲールの増分は直交するので $E[X_{n+1}^2]=E[X_n^2]+E[(X_{n+1}-X_n)^2]$ であり、帰納的に $E[T_n]=E[X_n^2]$ である。
極限. $T_n$ は増加するので $T:=\lim_nT_n$ とおくと、$\{T\le t\}=\bigcap_n\{T_n\le t\}$ から $T$ は停止時刻で、単調収束定理と $L^2$ 収束から $E[T]=\lim_nE[X_n^2]=E[X^2]< \infty$ である。とくに $T< \infty$ で、道の連続性から $B_{T_n}\to B_T$ がほとんど確実に成り立つ。$B_{T_n}$ は $X_n$ と同じ分布をもち、$X_n\to X$ はほとんど確実に成り立つので、$B_{T_n}$ は $\mu$ に分布収束する。概収束は分布収束を導くので $B_T\sim\mu$ である。$\square$
この構成は Dubins による(MP10 Theorem 5.15 の証明、§5.3.1、pp. 127–129)。$T$ は Brown 運動の道だけから決まり、外から乱数を持ち込まない。
埋め込みは一意ではなく、目的に応じてさまざまな構成がある。
$X$ を平均 $0$、$E[X^2]< \infty$ の確率変数とし、$P(X\ge x)>0$ のとき $\Psi(x):=E[X\mid X\ge x]$、そうでないとき $\Psi(x):=0$ とおく。$M_t:=\max_{0\le s\le t}B_s$ として
$$
\tau:=\inf\{t\ge0\mid M_t\ge\Psi(B_t)\}
$$
とおくと、$B_\tau$ は $X$ と同じ分布に従い、$E[\tau]=E[X^2]$ である(MP10 Theorem 5.19、p. 129)。
$\Psi(x)$ は「$x$ 以上の部分の重心」で、$\tau$ は「これまでの最大値が、今いる点より上の重心に達したら止める」規則である。MP10 は $X$ が有限個の値をとる場合を Lemma 5.20・5.21(pp. 130–131)で証明し、一般の場合を極限操作として演習に回している。この記事では証明しない。Azéma–Yor の埋め込みは、$E[T]< \infty$ で $X$ を埋め込む停止時刻 $T$ の中で、最大値 $\max_{0\le t\le T}B_t$ を最大にするという性質をもつ(MP10 p. 151)。ほかに Root の構成などがある(同)。
$X$ を $\{-2,-1,0,1,2\}$ 上の一様分布とする。$E[X^2]=2$ である。
Dubins の構成. $X_0=0$ から、$\{X\ge0\}$ の平均 $1$ と $\{X< 0\}$ の平均 $-\frac32$ に分けて $(-\frac32,1)$ を出るまで走らせる。$1$ に出たら $\{0,1,2\}$ を $\{1,2\}$(平均 $\frac32$)と $\{0\}$ に分けて $(0,\frac32)$ を、$\frac32$ に出たら $(1,2)$ を出るまで走らせる。$-\frac32$ に出たら $(-2,-1)$ を出るまで走らせる。
Azéma–Yor の構成. $\Psi(-2)=0$、$\Psi(-1)=\frac12$、$\Psi(0)=1$、$\Psi(1)=\frac32$、$\Psi(2)=2$ で、MP10 Lemma 5.20 の手順は、$(-2,\frac12)$、$(-1,1)$、$(0,\frac32)$、$(1,2)$ を順に(今いる点がその区間の内側にあるときだけ)出るまで走らせることになる。$-2$ に出た道はそこで止まる。
どちらも $B_T$ は一様分布に従い $E[T]=2$ である(lem-sk-two-point から各段の出口の確率と期待時間を足し合わせて、有理数で確かめた)が、最初の区間からして異なり、2 つの停止時刻は異なる。
$\mu$ を平均 $0$・分散有限とし、$c:=\int_{(0,\infty)}v\,d\mu(v)=\int_{(-\infty,0)}(-u)\,d\mu(u)$ とおく($\mu=\delta_0$ でなければ $c>0$)。$(-\infty,0)\times(0,\infty)$ 上の測度 $c^{-1}(v-u)\,d\mu(u)\,d\mu(v)$ と、$(0,0)$ の重み $\mu(\{0\})$ を合わせると確率測度になり、これに従う $(U,V)$ を Brown 運動と独立にとって、$B$ が $(U,V)$ を出る時刻 $T_{U,V}$($U=V=0$ なら $0$)で止めると $B_{T_{U,V}}\sim\mu$、$E[T_{U,V}]=E[-UV]=\int x^2\,d\mu$ となる(Dur19 Theorem 8.1.1 の証明、pp. 389–391)。これは $\mu$ を平均 $0$ の 2 点分布の混合として書くことにあたる。$T_{U,V}$ は Brown 運動のフィルトレーションについての停止時刻ではないが($(U,V)$ を時刻 $0$ で読むフィルトレーションについての停止時刻である)、以下の応用にはこれで足りる(同 p. 390)。
$\xi_1,\xi_2,\dots$ を独立同分布で $E[\xi_1]=0$、$E[\xi_1^2]=\sigma^2< \infty$ とし、$S_n:=\xi_1+\dots+\xi_n$ とおく。停止時刻の列 $0=T_0\le T_1\le T_2\le\cdots$ で、次を満たすものがある。
thm-sk-main の構成は、Brown 運動の道 $\omega$ の可測な関数 $T=\Phi(\omega)$ として、$\xi_1$ の分布の埋め込みを与える。$T_1:=\Phi(B)$ とし、帰納的に $B^{(n)}:=(B_{T_n+s}-B_{T_n})_{s\ge0}$、$T_{n+1}:=T_n+\Phi(B^{(n)})$ とおく。停止時刻 の主定理(強 Markov 性)により、$B^{(n)}$ は $\mathcal F_{T_n}$ と独立な標準 Brown 運動で、$T_{n+1}$ も停止時刻である。$B^{(n)}$ と $\mathcal F_{T_n}$ の独立性から、組 $\bigl(T_{n+1}-T_n,\ B_{T_{n+1}}-B_{T_n}\bigr)=\bigl(\Phi(B^{(n)}),\ B^{(n)}_{\Phi(B^{(n)})}\bigr)$ は $\mathcal F_{T_n}$ と独立で、$(T_1,B_{T_1})$ と同じ分布をもつ。$(T_k-T_{k-1},B_{T_k}-B_{T_{k-1}})_{k\le n}$ は $\mathcal F_{T_n}$ 可測なので、これらの組は $k$ について独立同分布である。とくに増分 $B_{T_k}-B_{T_{k-1}}$ は独立で $\xi_1$ と同じ分布に従い 1 が、$T_k-T_{k-1}$ は独立同分布で $E[T_1]=E[\xi_1^2]$ から 2 が従う。$\square$
重複対数の法則 の命題「Skorokhod の埋め込み」は、この定理の $\sigma=1$ の場合である。
thm-sk-rw の仮定のもとで、$\sigma=1$ なら $S_n/\sqrt n$ は標準正規分布に分布収束する。
thm-sk-rw の $T_n$ をとる。$W_n(t):=B_{nt}/\sqrt n$ は標準 Brown 運動で(Brown運動 の命題「対称性・尺度変換・時間の平行移動」)、$S_n/\sqrt n$ は $B_{T_n}/\sqrt n=W_n(T_n/n)$ と同じ分布をもつ。$W_n(1)$ は標準正規分布に従うので、$W_n(T_n/n)-W_n(1)\to0$(確率収束)を示せば、確率変数の収束 の Slutsky の定理により $W_n(T_n/n)$、したがって $S_n/\sqrt n$ も標準正規分布に分布収束する。
$\varepsilon>0$ とする。道の連続性から、$\delta\in(0,1)$ を小さくとれば $P\bigl(\sup_{|t-1|\le\delta}|B_t-B_1|>\varepsilon\bigr)< \varepsilon$ である。$W_n$ も標準 Brown 運動なので、同じ不等式が $W_n$ でも成り立つ。$T_n/n$ は独立同分布で平均 $1$ の和の平均なので、大数の強法則 により $T_n/n\to1$ がほとんど確実に成り立ち、十分大きい $n$ で $P(|T_n/n-1|>\delta)< \varepsilon$ である。よって
$$
P\bigl(|W_n(T_n/n)-W_n(1)|>\varepsilon\bigr)\le P(|T_n/n-1|>\delta)+P\Bigl(\sup_{|t-1|\le\delta}|W_n(t)-W_n(1)|>\varepsilon\Bigr)< 2\varepsilon
$$
である。$\square$
この証明は Dur19 Theorem 8.1.3(p. 391)の筋に沿う。同じ考えで、時刻 $[0,1]$ 全体にわたって $S_{\lfloor nt\rfloor}/\sqrt n$ を $W_n(t)$ に近づけると Donskerの定理 が得られる(MP10 Lemma 5.24・Theorem 5.22、p. 132)。Brown 運動の重複対数の法則と $T_n/n\to1$ を合わせると、独立同分布の和の重複対数の法則が得られる(重複対数の法則)。この記事ではこの 2 つを証明しない。
$P(X=1)=P(X=-1)=\frac12$ なら $T=T_{-1,1}$($(-1,1)$ を出る時刻)が埋め込みで、$E[T]=1=E[X^2]$ である。これを繰り返した thm-sk-rw の $B_{T_n}$ は単純ランダムウォークで、$T_n-T_{n-1}$ は Brown 運動が幅 $2$ の区間を出る時間である。$P(X=-1)=\frac23$、$P(X=2)=\frac13$ なら $T=T_{-1,2}$ で、$E[T]=2=E[X^2]$ である(lem-sk-two-point)。
$\mu$ を任意の確率測度とし、$F^{-1}(u):=\inf\{x\mid\mu((-\infty,x])\ge u\}$、$\Phi$ を標準正規分布の分布関数とする。$Y:=F^{-1}(\Phi(B_1))$ とおき、
$$
T:=\inf\{t\ge1\mid B_t=Y\}
$$
とする。$T$ は停止時刻で、$T< \infty$ がほとんど確実に成り立ち、$B_T\sim\mu$ である。
$\Phi(B_1)$ は $(0,1)$ 上の一様分布に従うので $Y\sim\mu$ である。$Y$ は $\mathcal F_1$ 可測で、$t\ge1$ について $\{T\le t\}=\{\min_{1\le s\le t}|B_s-Y|=0\}\in\mathcal F_t$ なので $T$ は停止時刻である。$(B_{1+s}-B_1)_{s\ge0}$ は $\mathcal F_1$ と独立な標準 Brown 運動で(停止時刻 の主定理を $\tau=1$ に当てる)、標準 Brown 運動は確率 $1$ でどの水準にも到達する(反射原理(Brown運動) の系「最大値の分布」で $t\to\infty$ とし、負の水準には対称性を使う)ので、水準 $Y-B_1$ にも確率 $1$ で到達する。よって $T< \infty$ で $B_T=Y$ である。$\square$
$\mu=\delta_1$ なら $T$ は $1$ に初めて到達する時刻(時刻 $1$ 以降)で、prop-sk-wald から $E[B_T]=1\ne0$ なので $E[T]=\infty$ である。$E[T]< \infty$ の条件が、問題を意味のあるものにしている。
| 外した仮定 | 例 | 成り立たなくなる結論 |
|---|---|---|
| $\mu$ の平均が $0$ | $\mu=\delta_1$ | $E[T]< \infty$ の埋め込みの存在(prop-sk-wald により $E[B_T]=0$ でなければならない) |
| $\mu$ の分散が有限 | 密度 $\lvert x\rvert^{-3}$($\lvert x\rvert\ge1$)の分布(平均 $0$、2 次の積率が無限大) | $E[T]< \infty$ の埋め込みの存在($E[T]=E[B_T^2]=\infty$ になる) |
| 埋め込みに $E[T]< \infty$ を課すこと | ex-sk-anything | 必要条件(平均 $0$・分散有限):どの $\mu$ も埋め込める |
| 2 つの埋め込みが同じ規則であること | ex-sk-uniform5 の Dubins と Azéma–Yor | 埋め込みの一意性:同じ $\mu$ に異なる $T$ がある |
Mathpediaは寄付と、参考文献の書籍リンク(Amazonアソシエイト)の紹介料で運営されています。 支援について / 寄付する