定常過程(stationary process)とは、時間をずらしても統計的な性質が変わらない確率過程である。有限次元分布全体が変わらないものを強定常、平均と共分散だけが変わらないものを弱定常という。弱定常過程は Wold 分解により白色雑音の移動平均と線形に決定的な部分へ一意に分かれ、線形予測の誤差が求まる。実数値の Gauss 列では、エルゴード性はスペクトル測度に原子がないことと同値である。
定常過程(stationary process)とは、時間をずらしても統計的な性質が変わらない確率過程である。何を「統計的な性質」とみるかで 2 つの定義がある。有限次元分布全体が変わらないものを 強定常過程、平均と共分散だけが変わらないものを 弱定常過程 という。
時系列のモデル(ARMAモデル)、平衡のゆらぎ(Ornstein–Uhlenbeck過程)、力学系の観測列(エルゴード定理)は、どれも定常過程として扱える。
2 つの定義で使う道具は異なる。弱定常過程は Hilbert 空間の幾何学で扱う。周波数への分解は Wiener–Khinchinの定理 の主題であり、この記事は時間の側の分解である Wold 分解 を証明する(thm-stp-wold)。強定常過程は測度を保つ変換として扱う。この記事は Gauss 列のエルゴード性をスペクトル測度で特徴づける(thm-stp-gauss-ergodic)。最後に、線形に完全に予測できることとエルゴード性が独立な性質であることを例で示す。
| 主張 | 内容 |
|---|---|
| prop-stp-relation | 強定常と弱定常の関係 |
| prop-stp-unitary | ずらしは張られる空間のユニタリ作用素である |
| thm-stp-wold | Wold 分解:白色雑音の移動平均と決定的な部分への一意な分解 |
| cor-stp-predict | $m$ 段先の線形予測とその誤差 |
| ex-stp-bandlimited | スペクトル密度をもつのに過去から完全に予測できる例 |
| thm-stp-gauss-ergodic | Gauss 列がエルゴード的であることとスペクトル測度に原子がないことは同値 |
$T$ を $\mathbb{Z}$、$\{0,1,2,\dots\}$、$\mathbb{R}$、$[0,\infty)$ のいずれかとする。
$(X_t)_{t\in T}$ を実数値または複素数値の確率変数の族とする。
強定常は 確率過程 の定義「独立増分・定常増分・定常過程・Gauss 過程」の定常と同じである(Dur19 §6.1、p. 331)。弱定常は 2 次定常、広義定常ともいい、文献によっては単に定常という。自己共分散関数の性質(正定値性など)は Wiener–Khinchinの定理 の命題「自己共分散の性質」にある。以下、弱定常過程では平均を引いて $E[X_t]=0$ とする。
1. 強定常なら $X_t$ はどれも $X_0$ と同じ分布なので 2 次モーメントは有限で、$E[X_t]$ は $t$ によらない。$(X_{t+\tau},X_t)$ の分布は $t$ によらないので、共分散も $t$ によらない。
2. 確率過程 の命題「Gauss 過程の定常性」である。Gauss 過程の有限次元分布は平均と共分散で決まる。
3. 独立で標準 Cauchy 分布に従う列は強定常だが 2 次モーメントをもたない。後者は ex-stp-weak-not-strong で示す。$\square$
$A,B$ を独立で値 $\pm1$ を確率 $\frac12$ ずつとる確率変数とし、$X_k=A\cos(k\pi/4)+B\sin(k\pi/4)$($k\in\mathbb{Z}$)とおく。$E[X_k]=0$ で、$E[X_{j}X_k]=\cos(j\pi/4)\cos(k\pi/4)+\sin(j\pi/4)\sin(k\pi/4)=\cos((j-k)\pi/4)$ なので弱定常である。しかし $X_0=A$ は値 $\pm1$ をとり、$X_1=(A+B)/\sqrt2$ は値 $0,\pm\sqrt2$ をとるので、$X_0$ と $X_1$ の分布は異なる。
次の表の列はどれも $T=\mathbb{Z}$ の例である。$(\varepsilon_k)$ は平均 $0$、分散 $\sigma^2>0$ で互いに無相関な列(白色雑音)とし、値は実数とする。
| 列 | 強定常 | 弱定常 | $R(k)$ |
|---|---|---|---|
| 独立同分布で分散 $\sigma^2$ | はい | はい | $\sigma^2\mathbf{1}_{\{k=0\}}$ |
| 既約な Markov連鎖 を定常分布から出発させた有限状態の列 | はい | はい | 連鎖で決まる |
| $X_k=\cos(\lambda k+U)$、$U$ は $[0,2\pi)$ の一様分布 | はい | はい | $\frac12\cos\lambda k$ |
| 移動平均 $X_k=\varepsilon_k+b\varepsilon_{k-1}$($\varepsilon$ が独立同分布のとき強定常) | 雑音による | はい | $R(0)=\sigma^2(1+b^2)$、$R(\pm1)=\sigma^2b$ |
| 自己回帰 $X_k=\sum_{j\ge0}a^j\varepsilon_{k-j}$($\lvert a\rvert< 1$) | 雑音による | はい | $\sigma^2a^{\lvert k\rvert}/(1-a^2)$ |
| $X_k=Z$($k$ によらない、分散 $s^2$) | はい | はい | $s^2$ |
連続時間の代表は定常な Ornstein–Uhlenbeck過程 である。以下では離散時間 $T=\mathbb{Z}$ を扱う。片側の添字 $\{0,1,\dots\}$ の実数値の強定常列は両側に延ばせる。$(Y_{-m},\dots,Y_m)$ の分布を $(X_0,\dots,X_{2m})$ の分布と定めると整合的なので、Kolmogorovの拡張定理 が使える。
弱定常過程 $(X_t)_{t\in\mathbb{Z}}$ を考える。確率変数は 2 乗可積分な複素確率変数の Hilbert 空間 $L^2(P)$ の元で、内積は $\langle U,V\rangle=E[U\overline V]$ である。$H$ を $\{X_t\}_{t\in\mathbb{Z}}$ の張る閉部分空間とする。
$UX_t=X_{t+1}$ をみたすユニタリ作用素 $U\colon H\to H$ がただ一つある。
有限和について $\bigl\|\sum_jc_jX_{t_j+1}\bigr\|^2=\sum_{j,l}c_j\overline{c_l}R(t_j-t_l)=\bigl\|\sum_jc_jX_{t_j}\bigr\|^2$ である。よって $\sum_jc_jX_{t_j}\mapsto\sum_jc_jX_{t_j+1}$ は矛盾なく定まる等長写像で、$H$ へ連続に延びる。値域は閉で $X_t$ をすべて含むので全射である。一意性は $X_t$ が $H$ を張ることによる。$\square$
$R(k)=\langle U^kX_0,X_0\rangle=\int_{\mathbb{T}}e^{ik\lambda}\,dF(\lambda)$ となる円周 $\mathbb{T}=\mathbb{R}/2\pi\mathbb{Z}$ 上の有限な正の測度 $F$(スペクトル測度)がただ一つある(Wiener–Khinchinの定理)。
時間の順序を入れる。$H_t$ を $\{X_s\mid s\le t\}$ の張る $L^2(P)$ の閉部分空間(時刻 $t$ までの 線形な過去)とし、$H_{-\infty}=\bigcap_tH_t$ とおく。$H_{t-1}\subset H_t$ で $UH_t=H_{t+1}$ であり、$UH_{-\infty}=H_{-\infty}$ である。
$P_t$ を $H_t$ への直交射影とする。$\varepsilon_t=X_t-P_{t-1}X_t$ を時刻 $t$ の 革新 といい、$\sigma^2=\|\varepsilon_t\|^2$ を 1 段予測誤差 という($U\varepsilon_t=\varepsilon_{t+1}$ なので $t$ によらない)。$\sigma=0$ のとき過程は 線形に決定的 であるといい、$H_{-\infty}=\{0\}$ のとき 純非決定的 であるという。
$P_{t-1}X_t$ は過去の線形結合(の極限)による最良の平均 2 乗予測で、$\varepsilon_t$ はそれで説明できない新しい部分である。
$(X_t)_{t\in\mathbb{Z}}$ を平均 $0$ の弱定常過程とし、$\sigma>0$ とする。
1. $\varepsilon_t\in H_t$ は定義から、$\varepsilon_t\perp H_{t-1}$ は射影の性質から分かる。$s< t$ なら $\varepsilon_s\in H_s\subset H_{t-1}$ なので $\varepsilon_s\perp\varepsilon_t$ である。
過去の分解。 $N_t$ を $\{\varepsilon_s\mid s\le t\}$ の張る閉部分空間とする。$H_t$ は $H_{t-1}$ と $X_t$ で張られ、$X_t=\varepsilon_t+P_{t-1}X_t$ なので
$$
H_t=H_{t-1}\oplus\mathbb{C}\varepsilon_t
$$
である。ここから $H_t=N_t\oplus H_{-\infty}$ を示す。$H_{-\infty}\subset H_{s-1}$ と $\varepsilon_s\perp H_{s-1}$ から $N_t\perp H_{-\infty}$ である。$Y\in H_t$ が $N_t$ と直交するとする。$Y\perp\varepsilon_t$ と上の直和から $Y\in H_{t-1}$ であり、$Y\perp\varepsilon_{t-1}$ から $Y\in H_{t-2}$ である。繰り返すと $Y\in H_{-\infty}$ である。よって主張が成り立つ。
2. $X_t\in H_t=N_t\oplus H_{-\infty}$ を分解する。$(\varepsilon_{t-j}/\sigma)_{j\ge0}$ は $N_t$ の正規直交基底なので
$$
X_t=\sum_{j\ge0}\frac{\langle X_t,\varepsilon_{t-j}\rangle}{\sigma^2}\varepsilon_{t-j}+P_{H_{-\infty}}X_t
$$
であり、Bessel の不等式から係数は 2 乗総和可能である。$U$ はユニタリなので $\langle X_{t+1},\varepsilon_{t+1-j}\rangle=\langle UX_t,U\varepsilon_{t-j}\rangle=\langle X_t,\varepsilon_{t-j}\rangle$ で、係数は $t$ によらない。$\psi_0=\langle\varepsilon_t+P_{t-1}X_t,\varepsilon_t\rangle/\sigma^2=1$ である。
3. $U$ は $H_{-\infty}$ を保つユニタリなので、$H_{-\infty}$ への射影と可換であり($H_{-\infty}^\perp$ も保つ)、$V_{t+1}=UV_t$ である。よって $V$ は弱定常である。$V_t\in H_{-\infty}$ と $N_s\perp H_{-\infty}$ から $\varepsilon_s\perp V_t$ である。$H^V_t$ を $\{V_s\mid s\le t\}$ の張る閉部分空間とする。$s\le t$ で $X_s\in N_t\oplus H^V_t$ なので $H_t\subset N_t\oplus H^V_t$ である。両辺を $H_{-\infty}$ へ射影すると $H_{-\infty}\subset H^V_t$ を得る。逆の包含は明らかである。よって $H^V_t$ は $t$ によらず、$V_{t}\in H^V_{t-1}$ なので $V$ は線形に決定的である。$W_s\in N_s$ なので、$W$ の線形な過去は $N_t$ に含まれる。$\bigcap_tN_t$ の元はすべての $\varepsilon_t$ と直交し($\varepsilon_t\perp N_{t-1}$)、$N_t$ の元なので $0$ である。よって $W$ は純非決定的である。
4. $\eta_t$ は $\eta_s$($s< t$)と無相関で、$Y_s\in H_{-\infty}$ と直交するから、$X_s$($s\le t-1$)を分解した式により $\eta_t\perp X_s$、すなわち $\eta_t\perp H_{t-1}$ である。$X_t-\eta_t=\sum_{j\ge1}a_j\eta_{t-j}+Y_t$ は $H_{t-1}$ に属する($\eta_{t-j}\in H_{t-j}$、$Y_t\in H_{-\infty}$)。よって $P_{t-1}X_t=X_t-\eta_t$、すなわち $\eta_t=\varepsilon_t$ である。係数は $a_j=\langle X_t,\eta_{t-j}\rangle/\|\eta_{t-j}\|^2=\psi_j$ であり、残りの $Y_t$ は $V_t$ に等しい。$\square$
この定理は等長作用素の分解の確率論の形である。$U^{-1}$ の $H_0$ への制限は等長作用素で、$H_0\ominus U^{-1}H_0=\mathbb{C}\varepsilon_0$ である。thm-stp-wold の直交分解は、片側シフト作用素 の定理「Wold 分解」のユニタリ部分 $H_{-\infty}$ と、重複度 $1$ のシフト部分に当たる。
$m\ge1$ について、$X_{t}$ の $H_{t-m}$ への射影は
$$
P_{t-m}X_t=\sum_{j\ge m}\psi_j\varepsilon_{t-j}+V_t
$$
であり、$m$ 段予測誤差は $\|X_t-P_{t-m}X_t\|^2=\sigma^2\sum_{j=0}^{m-1}\lvert\psi_j\rvert^2$ である。$m\to\infty$ で誤差は $\|W_t\|^2$ に増加し、$R(0)=\|W_t\|^2+\|V_t\|^2$ である。
$H_{t-m}=N_{t-m}\oplus H_{-\infty}$ なので、右辺は $H_{t-m}$ に属する。残り $\sum_{j< m}\psi_j\varepsilon_{t-j}$ は $N_{t-m}$ と $H_{-\infty}$ の両方に直交する。誤差の式は $\varepsilon$ の直交性による。$\square$
$W$ のスペクトル測度は密度 $\frac{\sigma^2}{2\pi}\bigl\lvert\sum_j\psi_je^{-ij\lambda}\bigr\rvert^2$ をもつ。実際 $R_W(k)=\sigma^2\sum_j\psi_{j+k}\overline{\psi_j}$ で、Parseval の等式からこれはこの密度の Fourier 係数である($\ell^2$ の $\psi$ で成り立つ)。
$\lvert a\rvert< 1$、$X_t=\sum_{j\ge0}a^j\xi_{t-j}$($\xi$ は分散 $\sigma^2$ の白色雑音)とする。$\xi_t=X_t-aX_{t-1}\in H_t$ なので、$Y=0$ とした一意性から $\varepsilon=\xi$、$\psi_j=a^j$、$V=0$ である。$a=0.8$、$\sigma=1$ なら $m$ 段予測誤差は $\frac{1-a^{2m}}{1-a^2}$ で、$m=1,2,5,10$ で $1,\ 1.64,\ 2.4795,\ 2.7458$ となり、$R(0)\approx2.7778$ に増加する。
$X_t=\xi_t+2\xi_{t-1}$($\xi$ は分散 $1$ の白色雑音)とする。$\xi$ は革新ではない。実際 $\eta_t=\sum_{j\ge0}(-\frac12)^jX_{t-j}$ とおくと $X_t=\eta_t+\frac12\eta_{t-1}$ であり、スペクトル密度 $\frac1{2\pi}\lvert1+2e^{-i\lambda}\rvert^2=\frac4{2\pi}\lvert1+\frac12e^{-i\lambda}\rvert^2$ から、$\eta$ は分散 $4$ の白色雑音で、$\eta_t\in H_t$ である。一意性により $\varepsilon=\eta$、$\sigma^2=4$、$\psi_1=\frac12$ である。
Wold 分解は過去から雑音を復元できる表示を選ぶ。過去の $n$ 個での予測誤差は $n=1,2,5,10$ で $4.2,\ 4.0476,\ 4.0007,\ 4.0000007$ で、$\xi$ の分散 $1$ ではなく $4$ に近づく。
$0< \omega< \pi$、$Y_t=A\cos\omega t+B\sin\omega t$($A,B$ は平均 $0$、同じ分散で無相関)とする。$Y_{t+1}=2\cos\omega\,Y_t-Y_{t-1}$ なので $Y$ は線形に決定的である。$(\xi_t)$ を $Y$ と無相関な白色雑音とし、$X_t=\xi_t+Y_t$ とおくと、$\varepsilon=\xi$、$\psi_0=1$、$\psi_j=0$($j\ge1$)、$V=Y$ である。
一意性を使うには $Y_t\in H_{-\infty}$ を示せばよい。$m\ge0$ を固定し、$c_n=\frac2n\sum_{k=1}^n\cos(\omega(k+m))X_{t-m-k}\in H_{t-m-1}$ とおく。加法定理から $Y_{t-m-k}=Y_t\cos\omega(m+k)-Y_t'\sin\omega(m+k)$($Y_t'=-A\sin\omega t+B\cos\omega t$)である。$\frac2n\sum_k\cos^2\omega(k+m)\to1$、$\frac2n\sum_k\sin\omega(k+m)\cos\omega(k+m)\to0$ なので、$Y$ の部分は $Y_t$ に $L^2$ 収束する。$\xi$ の部分の分散は $\frac4{n^2}\sum_k\cos^2\omega(k+m)\,\sigma^2\to0$ である。よって $Y_t\in H_{t-m-1}$ である。$m$ は任意なので $Y_t\in H_{-\infty}$ で、$\xi_t=X_t-Y_t\in H_t$ である。
決定的な部分は周期成分だけではない。次の例はスペクトル測度に原子がないのに、過去から完全に予測できる。
$0< a< \pi$ とし、弱定常過程 $X$ のスペクトル測度を $dF=\frac1{2a}\mathbf{1}_{(-a,a)}(\lambda)\,d\lambda$ とする($R(k)=\frac{\sin ka}{ka}$、$R(0)=1$)。このとき $X$ は線形に決定的である。すなわち $\sigma=0$ で、$X_{t+1}\in H_t$ である。一方 $R(k)\to0$ である。
Wiener–Khinchinの定理 の定理「同型と周波数分解」により、$H$ は $L^2(F)$ と同型で、$X_t$ は $e^{it\lambda}$ に対応する。$J=\{e^{-i\lambda}\mid\lvert\lambda\rvert\le a\}$ は円周の真部分の閉じた弧で、$0\notin J$、$\mathbb{C}\setminus J$ は連結である。$w\mapsto1/w$ は $J$ の近傍で正則なので、Rungeの定理 の定理「Runge の定理(コンパクト集合)」(極の置き場を $\infty$ にとる)により、多項式 $p_n(w)=\sum_jc_{n,j}w^j$ で $p_n\to1/w$ が $J$ の上で一様に成り立つ。$w=e^{-i\lambda}$ を代入して $e^{it\lambda}$ を掛けると、$\sum_jc_{n,j}e^{i(t-j)\lambda}\to e^{i(t+1)\lambda}$ が $(-a,a)$ の上で一様に、したがって $L^2(F)$ で成り立つ。同型で戻すと $\sum_jc_{n,j}X_{t-j}\to X_{t+1}$ である。$\square$
$a=\pi/2$ のとき、過去の $n$ 個による予測誤差は $n=1,2,4,8,16,32$ で $0.5947,\ 0.3185,\ 0.0835,\ 0.00536,\ 2.13\times10^{-5},\ 3.27\times10^{-10}$ である。
ここからは実数値の強定常列 $(X_k)_{k\in\mathbb{Z}}$ を考える。その分布を $\mathbb{R}^{\mathbb{Z}}$ の上の確率測度 $\mu$、$\theta$ をずらし $(\theta x)_k=x_{k+1}$ とすると、$\theta$ は $\mu$ を保つ。逆に、測度を保つ変換 $S$ と確率変数 $f$ から $X_k=f\circ S^k$($k\ge0$。$S$ が可逆なら $k\in\mathbb{Z}$)は強定常列になる(Dur19 Example 6.1.4、p. 332)。したがって強定常列の理論は エルゴード定理 の設定そのものである。
実数値の強定常列は、$\theta$ が $\mu$ についてエルゴード的(エルゴード定理 の定義「不変集合とエルゴード性」)であるとき、エルゴード的 であるという。
エルゴード定理 の定理「Birkhoff の個別エルゴード定理」により、エルゴード的な定常列では、$E\lvert g(X)\rvert< \infty$ なら $\frac1n\sum_{k=0}^{n-1}g(\theta^kX)\to E[g(X)]$ がほとんど確実に成り立つ。つまり 1 本の標本から分布全体が読み取れる。独立同分布の列はエルゴード的である(Dur19 Example 6.1.5、p. 333)。$X_k=Z$ の列は $Z$ が定数でなければエルゴード的でない。
Gauss 列では、エルゴード性は共分散だけで決まる。
$(X_k)_{k\in\mathbb{Z}}$ を弱定常過程、$F$ をスペクトル測度とすると
$$
\frac1n\sum_{k=1}^n\lvert R(k)\rvert^2\to\sum_{\lambda\in\mathbb{T}}F(\{\lambda\})^2\qquad(n\to\infty)
$$
である。
$\lvert R(k)\rvert^2=\iint e^{ik(\lambda-\mu)}\,dF(\lambda)\,dF(\mu)$ なので、Fubini の定理により左辺は $\iint\frac1n\sum_{k=1}^ne^{ik(\lambda-\mu)}\,dF\,dF$ である。被積分関数は絶対値 $1$ 以下で、$\lambda=\mu$ で $1$、$\lambda\ne\mu$ で $0$ に収束する。優収束定理 により極限は $(F\times F)(\{\lambda=\mu\})=\sum_\lambda F(\{\lambda\})^2$ である。$\square$
$(X_k)_{k\in\mathbb{Z}}$ を平均 $0$ の実数値の弱定常な Gauss 列とし、$F$ をスペクトル測度とする。$X$ がエルゴード的であることと、$F$ に原子がないことは同値である。
$X$ は $\mathbb{R}^{\mathbb{Z}}$ の座標とし、$\theta$ をずらしとする。
原子があるならエルゴード的でない。 $F(\{\lambda_0\})>0$ とする。$Y_k=e^{-ik\lambda_0}X_k$ は弱定常で、スペクトル測度は $F$ を $\lambda_0$ だけ動かしたものなので、$0$ に原子をもつ。Wiener–Khinchinの定理 の定理「時間平均の収束」により、$A_n=\frac1n\sum_{k=1}^nY_k$ は $Z\in L^2$ に収束し、$E\lvert Z\rvert^2=F(\{\lambda_0\})>0$ である。$A_n\circ\theta=e^{i\lambda_0}\frac1n\sum_{k=2}^{n+1}Y_k$ で $A_n$ との違いは $L^2$ で $0$ に近づくので、$Z\circ\theta=e^{i\lambda_0}Z$ がほとんど確実に成り立ち、$g=\lvert Z\rvert^2\in L^1$ は $g\circ\theta=g$ をみたす。もしエルゴード的なら、Birkhoff の定理で $g=\frac1n\sum_{k< n}g\circ\theta^k\to E[g]$ となり $g$ は定数である。しかし $(\operatorname{Re}Z,\operatorname{Im}Z)$ は Gauss 変数の $L^2$ 極限なので平均 $0$ の(退化を許す)正規分布に従い、$Z\ne0$ の分布なので $\lvert Z\rvert^2$ は有界でなく、定数ではない。矛盾である。
原子がないならエルゴード的である。 $A$ を不変事象とし、$\delta>0$ とする。有限個の座標の有界連続関数は $L^2(\mu)$ で稠密なので、$g=g(X_{-m},\dots,X_m)$、$\lvert g\rvert\le1$ で $\|\mathbf{1}_A-g\|_2< \delta$ となるものがある。$\theta$ は測度を保ち $\mathbf{1}_A\circ\theta^k=\mathbf{1}_A$ なので、すべての $k$ で
$$
\bigl\lvert P(A)-E[g\cdot g\circ\theta^k]\bigr\rvert\le2\delta
$$
である(これを不等式 (1) とする)。
次を示す。$\gamma>0$ に対し $\kappa>0$ があって、$k>2m$ かつ $\max_{\lvert l\rvert\le2m}\lvert R(k+l)\rvert< \kappa$ なら $\bigl\lvert E[g\cdot g\circ\theta^k]-E[g]^2\bigr\rvert< \gamma$ である。そうでなければ、$\max_{\lvert l\rvert\le2m}\lvert R(k_i+l)\rvert\to0$ で差が $\gamma$ 以上の列 $k_i$ がある。$(X_{-m},\dots,X_m,X_{k_i-m},\dots,X_{k_i+m})$ は平均 $0$ の正規分布に従い、共分散行列は $X_{[-m,m]}$ の 2 つの独立なコピーの共分散行列に収束する。特性関数の収束から分布も収束するので、$g\otimes g$ の期待値は $E[g]^2$ に収束する。これは矛盾である。
lem-stp-wiener により $\frac1n\sum_{k\le n}\lvert R(k)\rvert^2\to0$ なので、Chebyshev の不等式から $\lvert R(k)\rvert\ge\kappa$ となる $k$ の密度は $0$ で、その集合を有限個ずらした和集合も密度 $0$ である。$\lvert E[g\cdot g\circ\theta^k]-E[g]^2\rvert\le2$ なので、$\frac1n\sum_{k\le n}E[g\cdot g\circ\theta^k]-E[g]^2$ の絶対値の上極限は $\gamma$ 以下で、$\gamma$ は任意なので $0$ である。これと (1) から $\lvert P(A)-E[g]^2\rvert\le2\delta$ である。$\lvert E[g]-P(A)\rvert\le\delta$ なので、$\delta\to0$ として $P(A)=P(A)^2$ を得る。$\square$
同じ議論で、$R(k)\to0$ なら $P(A\cap\theta^{-k}B)\to P(A)P(B)$(混合性)であることも分かる。たとえば $\lvert a\rvert< 1$ の Gauss の自己回帰と ex-stp-bandlimited の Gauss 列は混合的である。
| 列 | Wold 分解 | エルゴード的か |
|---|---|---|
| 独立な $N(0,1)$ の列 | 純非決定的 | はい |
| ex-stp-bandlimited の Gauss 列 | 線形に決定的($\sigma=0$) | はい(thm-stp-gauss-ergodic) |
| $X_k=\xi G_k$($G$ は独立な $N(0,1)$、$\xi$ は $G$ と独立で $\pm\sqrt2,0$ を確率 $\frac14,\frac14,\frac12$ でとる) | 純非決定的(白色雑音) | いいえ($\frac1n\sum X_k^2\to\xi^2$) |
| $X_k=A\cos\omega k+B\sin\omega k$($A,B$ は独立な $N(0,1)$、$0< \omega< \pi$) | 線形に決定的 | いいえ(原子がある) |
| 外す条件 | 反例 | 成り立たなくなること |
|---|---|---|
| prop-stp-relation の 1 の 2 次モーメント | 独立な標準 Cauchy 分布の列 | 強定常だが弱定常でない |
| prop-stp-relation の 2 の Gauss 性 | ex-stp-weak-not-strong | 弱定常だが強定常でない |
| thm-stp-wold の定常性 | $S_t=\xi_1+\dots+\xi_t$($t\ge1$、$\xi$ は白色雑音) | 革新は $\xi_t$ だが $S_t=\sum_{j< t}\xi_{t-j}$ の項の数は $t$ とともに増え、$t$ によらない 2 乗総和可能な係数の表示をもたない。$\operatorname{Var}S_t=t\sigma^2$ |
| thm-stp-wold の 4 の $\eta_t\in H_t$ | ex-stp-ma の $\xi$ | $X_t=\xi_t+2\xi_{t-1}$ は同じ形の表示だが、$\xi_t\notin H_t$ で、$\xi\ne\varepsilon$ である |
| thm-stp-gauss-ergodic の Gauss 性 | 上の表の $\xi G_k$ | $F$ は一様で原子がないが、エルゴード的でない |
| thm-stp-gauss-ergodic の原子がないこと | 上の表の調和振動 | $\frac1n\sum_{k\le n}X_k^2\to\frac{A^2+B^2}2$ は定数でない |
ex-stp-ma の $\eta_s=\sum_{j\ge0}(-\frac12)^jX_{s-j}$ を $\xi$ で書くと $\eta_s=\xi_s+\frac32\sum_{j\ge1}(-\frac12)^{j-1}\xi_{s-j}$ である。$H_t$ は $\{\eta_s\mid s\le t\}$ の張る空間($H_{-\infty}=0$)なので、$\xi_t$ の $H_t$ への射影は $\sum_{s\le t}\frac{\langle\xi_t,\eta_s\rangle}{4}\eta_s=\frac14\eta_t$ である。そのノルムの 2 乗は $\frac1{16}\cdot4=\frac14$ で、$\xi_t$ のノルムの 2 乗 $1$ より小さい。よって $\xi_t\notin H_t$ である。
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