局所時間(local time)とは、1 次元の Brown 運動 $B$ が時刻 $t$ までに水準 $a$ の近くで過ごした時間の密度 $L^a_t=\lim_{\varepsilon\to0}\frac1{2\varepsilon}\int_0^t1_{(a-\varepsilon,a+\varepsilon)}(B_s)\,ds$ のことである。滞在時間の公式 $\int_0^tg(B_s)\,ds=\int g(a)L^a_t\,da$ により、道ごとの滞在測度の Lebesgue 測度に関する密度になる。Trotter の定理により時刻と水準について連続な版がとれる。水準 $0$ の局所時間の逆関数は Brown 運動の到達時刻の過程と同じ分布をもち、Ray–Knight の定理は水準の関数としての分布を与える。
前提知識: Brown運動, 田中の公式, Radon–Nikodymの定理
局所時間(local time)とは、1 次元の Brown運動 $B$ が時刻 $t$ までに水準 $a$ の近くで過ごした時間の密度
$$
L^a_t=\lim_{\varepsilon\to0}\frac1{2\varepsilon}\int_0^t1_{(a-\varepsilon,a+\varepsilon)}(B_s)\,ds
$$
のことである。時刻 $t$ までに集合 $A$ に滞在した時間 $\mu_t(A):=\int_0^t1_A(B_s)\,ds$ は実数直線の上の測度(滞在測度)になり、局所時間はその Lebesgue 測度に関する密度である:
$$
\int_0^tg(B_s)\,ds=\int_{\mathbb R}g(a)\,L^a_t\,da .
$$
これを 滞在時間の公式(occupation density formula)という。Brown 運動の道は各水準を非可算回通過するので「$a$ を訪れた回数」は意味をもたないが、局所時間はそれに代わる量である。ランダムウォーク では、水準 $a$ を訪れた回数がその離散版にあたる。
局所時間の存在と、各水準 $a$ を固定したときの性質(水準 $a$ にいる時刻にしか増えないこと、期待値、水準 $0$ の局所時間と最大値過程の分布の一致)は 田中の公式 の記事で証明されている。この記事では、局所時間を水準 $a$ の関数として見る。
$B=(B_t)_{t\ge0}$ を $B_0=0$ の標準 Brown 運動とし、道はすべて連続とする。$\varepsilon>0$、$a\in\mathbb R$ について
$$
L^{a,\varepsilon}_t:=\frac1{2\varepsilon}\int_0^t1_{(a-\varepsilon,a+\varepsilon)}(B_s)\,ds
$$
とおく。$(a,\omega)\mapsto L^{a,\varepsilon}_t(\omega)$ は可測な関数の積分なので可測である。$p_s(x):=e^{-x^2/2s}/\sqrt{2\pi s}$ は $N(0,s)$ の密度である。
田中の公式の記事では、ある $T>0$ を固定して $[0,T]$ の上で局所時間を構成している。$T< T'$ のとき、$[0,T']$ で構成した過程を $[0,T]$ に制限したものは、どちらも $\lvert B_t-a\rvert-\lvert a\rvert-\int_0^t\operatorname{sgn}(B_s-a)\,dB_s$ に確率 $1$ で等しいので、$T$ によらない過程 $(L^a_t)_{t\ge0}$ が定まる。
滞在測度は道ごとに決まる測度で、その台は道の像 $B[0,t]$ である。局所時間はこの測度を水準ごとの密度に分解したものになる。
近似 $L^{a,\varepsilon}_t$ は 2 乗平均で一様に抑えられる。これが極限の操作を支える。
すべての $a\in\mathbb R$、$\varepsilon>0$、$t\ge0$ について $E\bigl[(L^{a,\varepsilon}_t)^2\bigr]\le t$ である。
$J:=(a-\varepsilon,a+\varepsilon)$ とおく。Fubiniの定理 から
$$
E\Bigl[\Bigl(\int_0^t1_J(B_s)\,ds\Bigr)^2\Bigr]=2\int_0^t\int_s^tP(B_s\in J,\ B_u\in J)\,du\,ds
$$
である。$s< u$ のとき $B_u-B_s$ は $B_s$ と独立で $N(0,u-s)$ に従うので、長さ $2\varepsilon$ の区間に入る確率は密度の最大値を掛けて $2\varepsilon/\sqrt{2\pi(u-s)}$ 以下であり、$P(B_s\in J,B_u\in J)\le P(B_s\in J)\sup_yP(B_u-B_s\in J-y)\le\frac{2\varepsilon}{\sqrt{2\pi s}}\cdot\frac{2\varepsilon}{\sqrt{2\pi(u-s)}}$ である。$\int_s^t(u-s)^{-1/2}du=2\sqrt{t-s}$ と $\int_0^ts^{-1/2}\cdot2\sqrt{t-s}\,ds=2t\,\mathrm B(\tfrac12,\tfrac32)=\pi t$ から、左辺は $2\cdot\frac{4\varepsilon^2}{2\pi}\cdot\pi t=4\varepsilon^2t$ 以下である。$(2\varepsilon)^2$ で割ればよい。$\square$
$t>0$ を固定する。$(a,\omega)$ について可測な関数 $\mathcal L^a_t(\omega)\in[0,\infty]$ で、次を満たすものがある。
1. 各水準での $L^1$ 収束。 $a$ を固定する。$L^{a,\varepsilon}_t\to L^a_t$ は確率収束で、lem-lt-l2 から $(L^{a,\varepsilon}_t)_\varepsilon$ は $L^2$ で有界なので一様可積分である。よって $E\lvert L^{a,\varepsilon}_t-L^a_t\rvert\to0$ である。
2. 重みつきの $L^1$ での Cauchy 列。 $w(a):=e^{-\lvert a\rvert}$、$\varepsilon_n:=2^{-n}$ とし、$L^1(w(a)da\otimes P)$ のノルムを考える。$a\mapsto E\lvert L^{a,\varepsilon_n}_t-L^{a,\varepsilon_m}_t\rvert$ は可測で、1 から各 $a$ で $n,m\to\infty$ のとき $0$ に近づき、lem-lt-l2 と Cauchy–Schwarz の不等式から $2\sqrt t$ 以下である。$\int w\,da=2< \infty$ なので 優収束定理 から
$$
\int_{\mathbb R}w(a)\,E\bigl\lvert L^{a,\varepsilon_n}_t-L^{a,\varepsilon_m}_t\bigr\rvert\,da\longrightarrow0\qquad(n,m\to\infty)
$$
である。$L^1$ の完備性から極限があり、部分列 $(n_k)$ を選ぶと $w(a)da\otimes P$ についてほとんどいたるところ収束する。$\mathcal L^a_t:=\liminf_kL^{a,\varepsilon_{n_k}}_t\in[0,\infty]$ とおくと、これは可測で、$L^1(w(a)da\otimes P)$ での極限に等しい。Fubiniの定理 から、ほとんどすべての $a$ で $E\lvert L^{a,\varepsilon_{n_k}}_t-\mathcal L^a_t\rvert\to0$(さらに部分列をとる)であり、1 と合わせて $\mathcal L^a_t=L^a_t$(確率 $1$)である。これが主張 1 である。
3. 連続な試験関数。 $g$ を台がコンパクトな連続関数とし、$g_\varepsilon(x):=\frac1{2\varepsilon}\int_{x-\varepsilon}^{x+\varepsilon}g(a)\,da$ とおく。$1_{(a-\varepsilon,a+\varepsilon)}(x)=1_{(x-\varepsilon,x+\varepsilon)}(a)$ と Fubini の定理から、道ごとに
$$
\int_{\mathbb R}g(a)L^{a,\varepsilon}_t\,da=\int_0^tg_\varepsilon(B_s)\,ds
$$
である。$g$ は一様連続なので $g_\varepsilon\to g$ は一様収束で、右辺は $\int_0^tg(B_s)\,ds$ に近づく。一方、$g$ の台が $[-K,K]$ に含まれるなら、左辺と $\int g(a)\mathcal L^a_t\,da$ の差の期待値は $\sup\lvert g\rvert e^K\int wE\lvert L^{a,\varepsilon_{n_k}}_t-\mathcal L^a_t\rvert da\to0$ で抑えられる。よって各 $g$ について確率 $1$ で $\int_0^tg(B_s)\,ds=\int g(a)\mathcal L^a_t\,da$ である。
4. すべての $g$ へ。 有理数 $p\le q$ と $j\ge1$ について、$[p,q]$ で $1$、$[p-\frac1j,q+\frac1j]$ の外で $0$、その間は 1 次関数の連続関数を $h_{p,q,j}$ とする。可算個なので、確率 $1$ ですべての $h_{p,q,j}$ について 3 の等式が成り立つ。また $E\int w\mathcal L_t\,da\le2\sqrt t$ なので、確率 $1$ ですべての $K$ について $\int_{-K}^K\mathcal L^a_t\,da< \infty$ である。この事象の上で、$j\to\infty$ として優収束定理から $\mu_t([p,q])=\int_p^q\mathcal L^a_t\,da$ が有理数の端点の閉区間で成り立つ。こうした区間の全体は共通部分で閉じていて Borel 集合族を生成し、両辺は区間 $[-K,K]$ の上で有限な測度なので、Dynkinのπ-λ定理 から 2 つの測度 $\mu_t$ と $\mathcal L^a_t\,da$ は等しい。とくに後者の全体の質量も $t$ である。有界な Borel 関数 $g$ については、測度の等式を単関数で近似すればよい。$\square$
滞在測度の絶対連続性そのものは、局所時間を使わずに示すこともできる(MP10 Theorem 3.26、p. 76)。そのときは Radon–Nikodymの定理 で密度をとり、それが局所時間に一致することを確かめる(同 Theorem 6.18、p. 165。そこでは確率 $1$ で、すべての $t$ について同時に公式が述べられている)。上の証明は向きが逆で、近似が密度に収束することから絶対連続性を導いている。
$x(s)=s$($0\le s\le t$)なら、滞在測度は $[0,t]$ の上の Lebesgue 測度で、密度は $1_{[0,t]}(a)$ である。密度はあるが、$a=0$ と $a=t$ で不連続である。$x(s)=s^2$ なら、$a\in(0,t^2)$ に対して $x(s)=a$ となる $s=\sqrt a$ での $1/\lvert x'(s)\rvert$ が密度になり、$1/(2\sqrt a)$ は $a\to0$ で有界でない。一般に $x'\ne0$ の滑らかな道では、密度は「$a$ を通過する各時刻での速さの逆数の和」である。Brown 運動の局所時間は、通過の回数と速さのどちらも意味をもたない道について、この和に代わる量である。
thm-lt-occupation の密度は、各 $t$ についてほとんどすべての $a$ で決まるだけである。実際には、すべての $(a,t)$ で同時に連続な版がとれる。
確率 $1$ ですべての $(a,t)\in\mathbb R\times[0,\infty)$ について連続な過程 $(L^a_t)$ で、各 $a$ について $(L^a_t)_t$ が水準 $a$ の局所時間と確率 $1$ で一致するものがある。さらに任意の $\gamma< 1/2$ について、この過程は確率 $1$ で局所的に $\gamma$-Hölder 連続である。
この記事では証明しない。MP10 Theorem 6.19(p. 165)は、$a$ を含む長さ $2^{-n}$ の 2 進区間を時刻 $t$ までに下向きに横切る回数を $D^{(n)}(a,t)$ として、確率 $1$ ですべての $(a,t)$ で $L^a_t=\lim_n2^{-n+1}D^{(n)}(a,t)$ が存在し、上の連続性をもつことを示している。こうして得た $L^a$ が各 $a$ で田中の公式を満たし、水準 $a$ の局所時間と確率 $1$ で一致することは、同 Theorem 7.33(p. 210)による。連続な版をとれば、滞在時間の公式は確率 $1$ ですべての $t$ について同時に成り立つ(同 Theorem 6.18、p. 165)。
ex-lt-smooth の滑らかな道では密度が不連続になりうるのに対し、Brown 運動の局所時間は水準について連続である。道が激しく振動することで、滞在の密度がかえってならされる。
次の尺度の関係は Brown 運動の自己相似性から出る。
$c>0$ とし、$(a_1,t_1),\dots,(a_k,t_k)\in\mathbb R\times[0,\infty)$ とする。確率ベクトルとして
$$
\bigl(L^{a_i}_{ct_i}\bigr)_{i=1}^k\overset{d}{=}\bigl(\sqrt c\,L^{a_i/\sqrt c}_{t_i}\bigr)_{i=1}^k
$$
である。とくに $L^0_t$ は $\sqrt t\,L^0_1$ と同じ分布をもつ。
$\varepsilon>0$ を固定する。変数変換 $u=cr$ から、道ごとに
$$
L^{a,\varepsilon}_{ct}=\frac{c}{2\varepsilon}\int_0^t1_{(a-\varepsilon,a+\varepsilon)}(B_{cr})\,dr
$$
である。過程 $(B_{cr})_{r\ge0}$ は $(\sqrt c\,B_r)_{r\ge0}$ と同じ分布をもつ(どちらも中心化された Gauss 過程で共分散は $c\min(r,r')$。道の分布は有限次元分布で決まる)。右辺は道の可測な関数なので、$B_{c\cdot}$ を $\sqrt cB$ に替えても、$i=1,\dots,k$ をまとめた同時分布は変わらない。替えたものは
$$
\frac{c}{2\varepsilon}\int_0^t1_{(a-\varepsilon,a+\varepsilon)}(\sqrt c\,B_r)\,dr=\frac{c}{2\varepsilon}\int_0^t1_{(a/\sqrt c-\varepsilon/\sqrt c,\ a/\sqrt c+\varepsilon/\sqrt c)}(B_r)\,dr=\sqrt c\,L^{a/\sqrt c,\ \varepsilon/\sqrt c}_t
$$
である。よって $(L^{a_i,\varepsilon}_{ct_i})_i$ と $(\sqrt cL^{a_i/\sqrt c,\varepsilon/\sqrt c}_{t_i})_i$ は同じ分布をもつ。$\varepsilon\to0$ で両者はそれぞれ $(L^{a_i}_{ct_i})_i$、$(\sqrt cL^{a_i/\sqrt c}_{t_i})_i$ に確率収束するので、分布も一致する。後半は $c=t$、$t_1=1$、$a_1=0$ とすればよい。$\square$
田中の公式 の定理「Lévy の定理(局所時間と最大値)」により $L^0_1$ は $\lvert B_1\rvert$ と同じ分布をもつので、$L^0_t$ は $\sqrt t\,\lvert Z\rvert$($Z\sim N(0,1)$)と同じ分布をもつ。
水準 $0$ の局所時間 $L^0$ は非減少で連続なので、その「逆関数」
$$
\tau_\ell:=\inf\{t\ge0\mid L^0_t\ge\ell\}\qquad(\ell>0)
$$
を考えることができる。$\tau_\ell$ は、局所時間が $\ell$ に達するまでにかかる時間である。
$\ell>0$ について、$\tau_\ell$ は有限で、密度
$$
\frac{\ell}{\sqrt{2\pi t^3}}\exp\Bigl(-\frac{\ell^2}{2t}\Bigr)\qquad(t>0)
$$
をもつ。さらに過程 $(\tau_\ell)_{\ell>0}$ は、標準 Brown 運動の到達時刻の過程 $(T_\ell)_{\ell>0}$、$T_\ell:=\inf\{t\mid W_t=\ell\}$ と同じ分布をもつ。
$T>0$ を固定し、田中の公式 の定理「Lévy の定理(局所時間と最大値)」の記号で $\widetilde W:=-\int_0^\cdot\operatorname{sgn}(B_s)\,dB_s$、$\widetilde M_t:=\max_{s\le t}\widetilde W_s$ とする。この定理から、確率 $1$ で $[0,T]$ の上で $L^0=\widetilde M$ である。$\widetilde W$ は標準 Brown 運動で道は連続、$\widetilde W_0=0< \ell$ なので、$t\le T$ について
$$
\widetilde M_t\ge\ell\iff\exists s\le t,\ \widetilde W_s\ge\ell\iff\exists s\le t,\ \widetilde W_s=\ell
$$
である(中間値の定理)。よって、$\tau_\ell\le T$ の範囲で $\tau_\ell=\widetilde T_\ell:=\inf\{t\mid\widetilde W_t=\ell\}$ である。$T$ は任意なので、過程 $(\tau_\ell)_\ell$ は Brown 運動 $\widetilde W$ の到達時刻の過程に等しく、田中の公式 の定理「Lévy の定理」の証明と同じく、その分布は Brown 運動によらない。
$t>0$ について $P(\tau_\ell\le t)=P(\widetilde M_t\ge\ell)=2P(\widetilde W_t\ge\ell)=2\bigl(1-\Phi(\ell/\sqrt t)\bigr)$ である(反射原理(Brown運動)、$\Phi$ は標準正規分布の分布関数)。$t\to\infty$ で右辺は $1$ に近づくので $\tau_\ell$ は有限であり、$t$ で微分して $2\varphi(\ell/\sqrt t)\cdot\frac{\ell}{2}t^{-3/2}$($\varphi=\Phi'$)が密度である。$\square$
到達時刻の過程 $(T_\ell)$ は独立で定常な増分をもつ増加過程で、指数 $1/2$ の安定従属過程(従属過程)と呼ばれる(MP10 Theorem 2.35・Remark 2.36、p. 51)。したがって $(\tau_\ell)$ も同じ性質をもつ。$\tau_\ell$ の時刻には Brown 運動は $0$ にいて、$\tau_\ell$ の跳びは $0$ から離れて戻ってくるまでの「遠足」(遊程)の長さにあたる。遊程の全体が局所時間を時刻とする Poisson 点過程をなすことは 遊程理論 で扱う。$E[\tau_\ell]=\infty$ であることも密度からわかる。
局所時間を時刻ではなく水準の関数として見ると、次の分布の等式が成り立つ。
$a>0$ とし、$B$ を $a$ から出る 1 次元の Brown 運動、$T:=\inf\{t\ge0\mid B_t=0\}$ とする。$L^x_T$ を連続な版の局所時間($B_0=0$ の場合と同じく、滞在測度の水準について連続な密度)とすると、
$$
\bigl(L^x_T\bigr)_{0\le x\le a}\overset{d}{=}\bigl(\lvert W(x)\rvert^2\bigr)_{0\le x\le a}
$$
である。ここで $W$ は $0$ から出る 2 次元の標準 Brown 運動である。
この定理はこの記事では証明しない(MP10 Theorem 6.28、p. 170)。
右辺は 2 次元の Bessel過程 の 2 乗(平方 Bessel 過程)である。たとえば $E[L^x_T]=E\lvert W(x)\rvert^2=2x$ で、出発点 $a$ に近い水準ほど、$0$ に着くまでに長く滞在する。$x=0$ では $L^0_T=0$ で、$0$ に初めて着く時刻までは水準 $0$ の局所時間は増えない。
田中の公式 の記事の節「一般化」のとおり、局所時間は連続な 半マルチンゲール $X$ についても $\lvert X_t-a\rvert-\lvert X_0-a\rvert-\int_0^t\operatorname{sgn}(X_s-a)\,dX_s$ で定義でき、凸関数への伊藤の公式(Meyer–田中の公式)の補正項として現れる。Markov 過程の側からは、水準 $a$ の局所時間は正の連続な 加法的汎関数 の典型例で、Revuz 測度は $\delta_a$ である。
| 主張 | 外す条件 | 例 | 成り立たなくなること |
|---|---|---|---|
| thm-lt-occupation | 1 次元 | 2 次元の Brown 運動 | 滞在測度は Lebesgue 測度に関して特異で、密度をもたない |
| thm-lt-occupation | 道が Brown 運動 | 定数の道 $x(s)=0$ | 滞在測度は $t\delta_0$ で、密度をもたない |
| thm-lt-trotter | 道が Brown 運動 | $x(s)=s$($0\le s\le t$) | 密度 $1_{[0,t]}(a)$ は $a=0,t$ で不連続で、どの版も連続にならない |
1 行目:平面の Brown 運動の像 $B[0,1]$ は確率 $1$ で面積 $0$ である(MP10 Theorem 2.24、p. 46)。滞在測度 $\mu_1$ はこの集合に全質量 $1$ をもつので、Lebesgue 測度に関して絶対連続にならない。2 行目:$\mu_t(\{0\})=t>0$ で、1 点の Lebesgue 測度は $0$ である。3 行目:密度はほとんどいたるところでしか決まらないが、$1_{[0,t]}$ とほとんどいたるところ等しい関数は、$0$ のすぐ左で $0$、すぐ右で $1$ となる点を含む区間をもつので、$a=0$ で連続にできない。
Brown 運動の局所時間は P. Lévy(1948 年)が導入し、H. F. Trotter(1958 年)が時刻と水準について連続な版の存在を示した。Ray–Knight の定理は D. Ray と F. B. Knight が 1963 年にそれぞれ独立に、別の方法で得た(以上は MP10 第 6 章 Notes and comments、pp. 187–188 による)。田中洋(Hiroshi Tanaka)による田中の公式は、局所時間を確率積分で表す(田中の公式)。thm-lt-occupation と prop-lt-scaling の証明は、MP10 の構成とは別に、田中の公式の近似から書き下ろしたものである。
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