停止時刻(stopping time)とは、フィルトレーション $(\mathcal F_t)$ に対して、値を $[0,\infty]$ にとる確率変数 $\tau$ で、各時刻 $t$ について $\{\tau\le t\}\in\mathcal F_t$ となるもの、すなわち止めるかどうかをその時点までの情報だけで決める確率的な時刻である。連続な道の過程の閉集合への到達時刻は停止時刻である。標準 Brown 運動 $B$ の各時刻 $t$ の後の増分が $\mathcal F_t$ と独立なら、停止時刻 $\tau$ について、$\tau$ が有限である事象の上で $(B_{\tau+s}-B_\tau)_{s\ge0}$ は再び標準 Brown 運動で、時刻 $\tau$ までの情報と独立である(強 Markov 性)。
停止時刻(stopping time)は、確率過程を観測しながら「今止めるかどうか」を、その時点までの情報だけで決める確率的な時刻である。フィルトレーション $(\mathcal F_t)$ に関する停止時刻とは、値を $[0,\infty]$(離散時間なら $\mathbb N\cup\{\infty\}$)にとる確率変数 $\tau$ で、各時刻 $t$ について事象 $\{\tau\le t\}$ が $\mathcal F_t$ に属するものをいう。「初めて目標に着いた時刻」は停止時刻だが、「最後に目標にいた時刻」は一般に停止時刻でない。
停止時刻が重要なのは、決まった時刻について成り立つ性質の多くが、停止時刻でもそのまま成り立つからである。有界な停止時刻でのマルチンゲールの期待値の保存(マルチンゲール)とその拡張(Doobの任意抽出定理)がその例で、この記事の主定理である Brown 運動の 強 Markov 性 もそうである。標準 Brown 運動 $B$ と、ほとんど確実に有限な停止時刻 $\tau$ について、$(B_{\tau+s}-B_\tau)_{s\ge0}$ は再び標準 Brown 運動で、時刻 $\tau$ までの情報と独立である。
この記事では、離散時間の停止時刻と簡単な強 Markov 性を述べたあと、連続時間の停止時刻を定義し、フィルトレーションの右連続性が要る理由、到達時刻が停止時刻になる条件、停止時刻までの情報を表す σ-代数、停止時刻を上から近似する離散の停止時刻を順に扱う。これらを使って強 Markov 性を証明し、応用として鏡像原理を導く。
確率空間 $(\Omega,\mathcal F,P)$ と、$\sigma$-代数の増大列 $\mathcal F_0\subset\mathcal F_1\subset\cdots\subset\mathcal F$(フィルトレーション)を固定する。$\mathcal F_n$ は「時刻 $n$ までに分かる情報」を表す。
$\tau\colon\Omega\to\mathbb N\cup\{\infty\}$ が $(\mathcal F_n)$ に関する 停止時刻 であるとは、すべての $n\in\mathbb N$ について $\{\tau\le n\}\in\mathcal F_n$ であることをいう。停止時刻 $\tau$ について
$$
\mathcal F_\tau:=\{A\in\mathcal F\mid\text{すべての }n\text{ で }A\cap\{\tau\le n\}\in\mathcal F_n\}
$$
を、時刻 $\tau$ までの情報の σ-代数という。
$\{\tau=n\}=\{\tau\le n\}\setminus\{\tau\le n-1\}$ なので、条件は「すべての $n$ で $\{\tau=n\}\in\mathcal F_n$」と同値である(マルチンゲール の定義はこちらの形をとる)。$(X_n)$ が $(\mathcal F_n)$ に適合した実数値の列で $A\subset\mathbb R$ が Borel 集合なら、初到達時刻 $\tau_A:=\min\{n\mid X_n\in A\}$(そのような $n$ がなければ $\infty$)は停止時刻である。$\{\tau_A\le n\}=\bigcup_{k\le n}\{X_k\in A\}\in\mathcal F_n$ だからである。これに対し「時刻 $N$ までで最後に $A$ にいた時刻」は、その後の値を見ないと決まらないので、一般に停止時刻でない(ex-st-last-zero)。
独立な増分をもつ列では、停止時刻から先の増分が過去と独立に新しく始まる。
$\xi_1,\xi_2,\dots$ を独立で同じ分布 $\mu$ に従う $\mathbb R^d$ 値の確率変数とし、$\mathcal F_0=\{\emptyset,\Omega\}$、$\mathcal F_n=\sigma(\xi_1,\dots,\xi_n)$ とする。$\tau$ を $(\mathcal F_n)$ に関する停止時刻で $P(\tau<\infty)>0$ を満たすものとする。このとき、$A\in\mathcal F_\tau$、$m\ge1$、Borel 集合 $C_1,\dots,C_m\subset\mathbb R^d$ について
$$
P\bigl(A\cap\{\tau<\infty\}\cap\{\xi_{\tau+1}\in C_1,\dots,\xi_{\tau+m}\in C_m\}\bigr)=P(A\cap\{\tau<\infty\})\prod_{j=1}^m\mu(C_j)
$$
である。すなわち $\{\tau<\infty\}$ の上の条件付き確率のもとで、$(\xi_{\tau+k})_{k\ge1}$ は分布 $\mu$ の独立な列で、$\mathcal F_\tau$ と独立である。
$A\in\mathcal F_\tau$ なら $A\cap\{\tau=n\}=(A\cap\{\tau\le n\})\setminus(A\cap\{\tau\le n-1\})\in\mathcal F_n$ である。$\xi_{n+1},\dots,\xi_{n+m}$ は $\mathcal F_n$ と独立なので$$P\bigl(A\cap\{\tau=n\}\cap\{\xi_{n+1}\in C_1,\dots,\xi_{n+m}\in C_m\}\bigr)=P(A\cap\{\tau=n\})\prod_{j=1}^m\mu(C_j)$$である。$\{\tau=n\}$ の上では $\xi_{\tau+j}=\xi_{n+j}$ なので、$n\in\mathbb N$ について足し合わせると主張を得る。$\square$
以下、時刻は $[0,\infty)$ を動く。$\sigma$-代数の族 $(\mathcal F_t)_{t\ge0}$ が $s\le t$ で $\mathcal F_s\subset\mathcal F_t\subset\mathcal F$ を満たすとき フィルトレーション といい、
$$
\mathcal F_{t+}:=\bigcap_{s>t}\mathcal F_s
$$
とおく。$(\mathcal F_{t+})$ もフィルトレーションで、$\mathcal F_t\subset\mathcal F_{t+}$ である。すべての $t$ で $\mathcal F_{t+}=\mathcal F_t$ のとき、$(\mathcal F_t)$ は 右連続 であるという。$(\mathcal F_{t+})$ は右連続である($\bigcap_{s>t}\mathcal F_{s+}=\bigcap_{s>t}\bigcap_{r>s}\mathcal F_r=\mathcal F_{t+}$)。
$\tau\colon\Omega\to[0,\infty]$ を考える。
文献によっては 2 を停止時刻の定義に採る(Dur19 §7.3、p. 366)。次の補題のとおり、右連続なフィルトレーションでは 2 つの定義は一致する。
1:$\{\tau< t\}=\bigcup_{n\ge1}\{\tau\le t-1/n\}$ で、右辺の各項は $\mathcal F_{t-1/n}\subset\mathcal F_t$ に属する($t-1/n<0$ の項は空集合)。
2:条件 (<) を仮定する。$t\ge0$ と $m\ge1$ について $\{\tau\le t\}=\bigcap_{n\ge m}\{\tau< t+1/n\}\in\mathcal F_{t+1/m}$ なので、$\{\tau\le t\}\in\bigcap_m\mathcal F_{t+1/m}=\mathcal F_{t+}$ である。逆に $\tau$ が $(\mathcal F_{t+})$ に関する停止時刻なら、1 により $\{\tau< t\}=\bigcup_n\{\tau\le t-1/n\}$ で、各項は $\mathcal F_{(t-1/n)+}\subset\mathcal F_t$ に属する。
3:2 と $\mathcal F_{t+}=\mathcal F_t$ による。$\square$
停止時刻 $\sigma,\tau$ について $\sigma\wedge\tau$、$\sigma\vee\tau$ は停止時刻である($\{\sigma\wedge\tau\le t\}=\{\sigma\le t\}\cup\{\tau\le t\}$、$\{\sigma\vee\tau\le t\}=\{\sigma\le t\}\cap\{\tau\le t\}$)。停止時刻の増加列 $\tau_n\uparrow\tau$ の極限は停止時刻であり($\{\tau\le t\}=\bigcap_n\{\tau_n\le t\}$)、条件 (<) を満たす時刻の減少列 $\tau_n\downarrow\tau$ の極限は条件 (<) を満たす($\{\tau< t\}=\bigcup_n\{\tau_n< t\}$)。
$(X_t)_{t\ge0}$ を $\mathbb R^d$ に値をとる過程で、$(\mathcal F_t)$ に 適合(各 $X_t$ が $\mathcal F_t$-可測)しているとする。$D\subset\mathbb R^d$ について
$$
\tau_D:=\inf\{t\ge0\mid X_t\in D\}\qquad(\inf\emptyset=\infty)
$$
を $D$ への 到達時刻 という。$\{\tau_D\le t\}$ は非可算個の時刻の値で決まるので、可測性には道の連続性が要る。
1:$t>0$ とし、$\{\tau_G< t\}=\bigcup_{q\in\mathbb Q\cap[0,t)}\{X_q\in G\}$ を示す。右辺の事象では $\tau_G\le q< t$ である。逆に $\tau_G< t$ なら、$s< t$ で $X_s\in G$ となるものがある。$G$ は開集合で道は $s$ で右連続なので、$s\le q< t$ の有理数 $q$ で $X_q\in G$ となるものがある。右辺は $\mathcal F_t$ の元の可算和なので $\mathcal F_t$ に属する。後半は lem-st-two の 2 による。
2:$\rho(x):=\inf_{y\in K}\lvert x-y\rvert$ は連続で、$K$ が閉集合なので $\rho(x)=0\iff x\in K$ である。$t\ge0$ を固定し、$Q_t:=(\mathbb Q\cap[0,t])\cup\{t\}$ とおいて$$\{\tau_K\le t\}=\Bigl\{\inf_{q\in Q_t}\rho(X_q)=0\Bigr\}$$を示す。右辺は $\mathcal F_t$-可測な確率変数の可算個の下限で決まるので $\mathcal F_t$ に属する。
$\tau_K\le t$ とする。$s_n\downarrow\tau_K$ で $X_{s_n}\in K$ となる列がとれ($\tau_K$ 自身がその集合に属するなら $s_n=\tau_K$)、道の連続性と $K$ が閉集合であることから $X_{\tau_K}\in K$ である。$s\mapsto\rho(X_s)$ は連続で $[0,t]$ の上で値 $0$ をとるので、その点に近づく $Q_t$ の点をとれば下限は $0$ である。逆に下限が $0$ なら、$q_n\in Q_t$ で $\rho(X_{q_n})\to0$ となる列がある。$[0,t]$ はコンパクトなので部分列が $s\in[0,t]$ に収束し、連続性から $\rho(X_s)=0$、すなわち $X_s\in K$ であり、$\tau_K\le s\le t$ である。$\square$
1 の結論は「$(\mathcal F_t)$ に関する停止時刻」まで強めることができない。$\tau_G=t$ となる道では、時刻 $t$ の直後に $G$ に入るかどうかを見ないと $\{\tau_G\le t\}$ が決まらないからである(ex-st-open-not-stopping)。このため Brown 運動を扱うときは、右連続なフィルトレーション $(\mathcal F_{t+})$ で考えることが多い(MP10 Remark 2.14、pp. 41–42)。Brown 運動の Borel 集合への到達時刻も、零集合を加えて完備にした右連続なフィルトレーションについては停止時刻であることが知られているが、その証明ははるかに難しい(Dur19 p. 366。この記事では証明しない)。
$\xi$ を $P(\xi=1)=P(\xi=-1)=\frac12$ の確率変数とし、$X_t:=t\xi$、$\mathcal F_t:=\sigma(X_s\mid s\le t)$ とおく。$\mathcal F_0=\sigma(X_0)=\{\emptyset,\Omega\}$ であり、$t>0$ では $\mathcal F_t=\sigma(\xi)$ である。$X$ の道は連続である。開集合 $G=(0,\infty)$ への到達時刻は、$\xi=1$ なら $\tau_G=\inf\{t\mid t>0\}=0$、$\xi=-1$ なら $\tau_G=\infty$ である。$t>0$ では $\{\tau_G< t\}=\{\xi=1\}\in\mathcal F_t$ なので条件 (<) は満たされるが、$\{\tau_G\le0\}=\{\xi=1\}$ は確率 $\frac12$ の事象で $\mathcal F_0$ に属さない。$\mathcal F_{0+}=\sigma(\xi)\ne\mathcal F_0$ なので、このフィルトレーションは右連続でない。
$\tau$ を $(\mathcal F_t)$ に関する停止時刻とする。
$$
\mathcal F_\tau:=\{A\in\mathcal F\mid\text{すべての }t\ge0\text{ で }A\cap\{\tau\le t\}\in\mathcal F_t\}
$$
とおく。$\tau$ が条件 (<) を満たすとき
$$
\mathcal F_{\tau+}:=\{A\in\mathcal F\mid\text{すべての }t>0\text{ で }A\cap\{\tau< t\}\in\mathcal F_t\}
$$
とおく。
lem-st-two の証明と同じ書き換えにより、$\mathcal F_{\tau+}$ は $(\mathcal F_{t+})$ に関する $\mathcal F_\tau$ と一致し、停止時刻 $\tau$ については $\mathcal F_\tau\subset\mathcal F_{\tau+}$ である。
1:$\Omega\in\mathcal F_\tau$ である。$A\in\mathcal F_\tau$ なら $A^c\cap\{\tau\le t\}=\{\tau\le t\}\setminus(A\cap\{\tau\le t\})\in\mathcal F_t$ であり、可算和についても明らかである。$r\ge0$ について $\{\tau\le r\}\cap\{\tau\le t\}=\{\tau\le r\wedge t\}\in\mathcal F_t$ なので、$\tau$ は $\mathcal F_\tau$-可測である。
2:$A\in\mathcal F_\sigma$ なら、$\{\tau\le t\}\subset\{\sigma\le t\}$ から $A\cap\{\tau\le t\}=(A\cap\{\sigma\le t\})\cap\{\tau\le t\}\in\mathcal F_t$ である。3 も $\{\tau< t\}\subset\{\sigma< t\}$ から同様である。$\square$
停止時刻での過程の値 $X_\tau$ が $\mathcal F_\tau$-可測であるためには、時刻と標本の両方について可測であることが要る。過程 $X$ が 発展的可測 であるとは、各 $t\ge0$ について写像 $[0,t]\times\Omega\to\mathbb R^d$、$(s,\omega)\mapsto X_s(\omega)$ が $\mathcal B([0,t])\otimes\mathcal F_t$-可測であることをいう。
1:$t>0$ を固定し、$s\in[0,t]$ について $X^{(n)}_s:=X_{t_{n,k}}$($s\in[t_{n,k-1},t_{n,k})$、$t_{n,k}:=kt2^{-n}$)、$X^{(n)}_t:=X_t$ とおく。$X^{(n)}$ は $s$ について区分的に定数で、各値は $\mathcal F_t$-可測なので、$(s,\omega)\mapsto X^{(n)}_s(\omega)$ は $\mathcal B([0,t])\otimes\mathcal F_t$-可測である。道は右連続なので、$n\to\infty$ で各 $(s,\omega)$ について $X^{(n)}_s(\omega)\to X_s(\omega)$ であり、可測関数の各点極限として $X$ も可測である。
2:$t\ge0$ を固定する。$\omega\mapsto(\tau(\omega)\wedge t,\omega)$ は $(\Omega,\mathcal F_t)$ から $([0,t]\times\Omega,\mathcal B([0,t])\otimes\mathcal F_t)$ への可測写像である($\tau\wedge t$ は停止時刻なので $\mathcal F_t$-可測)。これと発展的可測性を合成して、$X_{\tau\wedge t}$ は $\mathcal F_t$-可測である。よって $\{X_\tau\in C\}\cap\{\tau<\infty\}\cap\{\tau\le t\}=\{X_{\tau\wedge t}\in C\}\cap\{\tau\le t\}\in\mathcal F_t$ である。$\square$
連続時間の停止時刻の性質は、離散の値をとる停止時刻で近似して示すことが多い。止める時刻を、$\tau$ より真に後の最初の 2 進の格子点に遅らせればよい。
$\tau$ が条件 (<) を満たすとする。$n\ge1$ について
$$
\tau_n:=\frac{\lfloor2^n\tau\rfloor+1}{2^n}\quad(\tau<\infty),\qquad\tau_n:=\infty\quad(\tau=\infty)
$$
とおく。このとき次が成り立つ。
$k\ge0$ の整数について、$\tau_n\le k2^{-n}\iff\lfloor2^n\tau\rfloor\le k-1\iff\tau< k2^{-n}$ である。$t\ge0$ に対し $k:=\lfloor2^nt\rfloor$ とおくと、$\tau_n$ は格子点に値をとるので $\{\tau_n\le t\}=\{\tau_n\le k2^{-n}\}=\{\tau< k2^{-n}\}$ である。これは $k=0$ なら空集合、$k\ge1$ なら条件 (<) により $\mathcal F_{k2^{-n}}\subset\mathcal F_t$ に属する。よって 1 が成り立つ。同じ式で $A\in\mathcal F_{\tau+}$ について $A\cap\{\tau_n\le t\}=A\cap\{\tau< k2^{-n}\}\in\mathcal F_{k2^{-n}}\subset\mathcal F_t$ となるので、3 が成り立つ。2 は、$\tau_n$ が $\tau$ より真に大きい最初の $2^{-n}\mathbb Z$ の点で、$2^{-n}\mathbb Z\subset2^{-n-1}\mathbb Z$ であることによる。$\square$
下からの $\tau-2^{-n}$ は一般に停止時刻でない。$\{\tau-2^{-n}\le t\}=\{\tau\le t+2^{-n}\}$ は未来の情報を含むからである。
この節では、$B=(B_t)_{t\ge0}$ を $\mathbb R^d$ に値をとる連続な道の過程で、$(\mathcal F_t)$ に適合し、各 $t\ge0$ について過程 $(B_{t+s}-B_t)_{s\ge0}$ が標準 Brown 運動で $\mathcal F_t$ と独立であるものとする。標準 Brown 運動を、道が連続でない零集合の上で $B\equiv0$ に取り替えたもの(有限個の時刻での値の同時分布は変わらない)に $\mathcal F_t=\sigma(B_s\mid s\le t)$ をとると、この条件を満たす(Brown運動 の定義の独立増分性と、命題「対称性・尺度変換・時間の平行移動」による)。$C:=C([0,\infty),\mathbb R^d)$ に、各時刻での値をとる写像がすべて可測になる最小の σ-代数 $\mathcal C$ を入れ、$\beta$ で $C$ に値をとる標準 Brown 運動を表す。
$\tau$ を条件 (<) を満たす時刻で $P(\tau<\infty)>0$ となるものとし、$\{\tau<\infty\}$ の上で $W_s:=B_{\tau+s}-B_\tau$($s\ge0$)とおく。このとき、すべての $A\in\mathcal F_{\tau+}$ と $\Gamma\in\mathcal C$ について
$$
P\bigl(A\cap\{\tau<\infty\}\cap\{W\in\Gamma\}\bigr)=P\bigl(A\cap\{\tau<\infty\}\bigr)\,P(\beta\in\Gamma)
$$
である。すなわち $\{\tau<\infty\}$ の上の条件付き確率のもとで、$W$ は標準 Brown 運動で、$\mathcal F_{\tau+}$ と独立である。
道は連続なので $(t,\omega)\mapsto B_t(\omega)$ は可測であり、$W_s$ は $\{\tau<\infty\}$ の上の確率変数である。
$A\in\mathcal F_{\tau+}$ を固定し、$A^\ast:=A\cap\{\tau<\infty\}$ とおく。$\Phi\colon C\to\mathbb R$ を有界な可測関数として、等式
$$
E[\Phi(W);A^\ast]=P(A^\ast)\,E[\Phi(\beta)]\qquad(1)
$$
を示せばよい($\Phi=1_\Gamma$ が主張である)。
第 1 段(格子点に値をとる時刻)。 lem-st-dyadic の $\tau_n$ をとり、$W^{(n)}_s:=B_{\tau_n+s}-B_{\tau_n}$ とおく。$\{\tau_n<\infty\}=\{\tau<\infty\}$ であり、lem-st-dyadic の 3 により $A\in\mathcal F_{\tau_n}$ である。$k\ge1$ について $A_k:=A\cap\{\tau_n=k2^{-n}\}$ とおくと、$A_k=(A\cap\{\tau_n\le k2^{-n}\})\setminus(A\cap\{\tau_n\le(k-1)2^{-n}\})\in\mathcal F_{k2^{-n}}$ である。$A_k$ の上で $W^{(n)}$ は $B^{(k)}_s:=B_{k2^{-n}+s}-B_{k2^{-n}}$ に等しく、仮定により $B^{(k)}$ は標準 Brown 運動で $\mathcal F_{k2^{-n}}$ と独立である。よって
$$
E[\Phi(W^{(n)});A^\ast]=\sum_{k\ge1}E[\Phi(B^{(k)});A_k]=\sum_{k\ge1}E[\Phi(\beta)]\,P(A_k)=E[\Phi(\beta)]\,P(A^\ast)
$$
である。
第 2 段(有限個の時刻での連続関数)。 $0\le s_1<\dots< s_m$ と有界連続関数 $g\colon(\mathbb R^d)^m\to\mathbb R$ をとり、$\Phi(w):=g(w(s_1),\dots,w(s_m))$ とする。$A^\ast$ の上では lem-st-dyadic の 2 により $\tau_n\downarrow\tau$ なので、道の連続性から各 $j$ で $W^{(n)}_{s_j}\to W_{s_j}$ であり、$\Phi(W^{(n)})\to\Phi(W)$ である。$\Phi$ は有界なので、第 1 段の等式で $n\to\infty$ とすると、優収束定理 により (1) を得る。
第 3 段(一般の可測関数)。 同じ $s_1,\dots,s_m$ について、$(\mathbb R^d)^m$ の Borel 集合 $D$ に
$$
\mu(D):=P\bigl(A^\ast\cap\{(W_{s_1},\dots,W_{s_m})\in D\}\bigr),\qquad\nu(D):=P(A^\ast)\,P\bigl((\beta_{s_1},\dots,\beta_{s_m})\in D\bigr)
$$
を対応させる。どちらも有限測度で、第 2 段により有界連続関数の積分が一致する。閉集合 $F$ については $g_k(x):=\max(0,1-k\operatorname{dist}(x,F))$ が有界連続で $g_k\downarrow1_F$ なので、$\mu(F)=\nu(F)$ である。閉集合の全体は共通部分で閉じていて Borel 集合族を生成するので、Dynkinのπ-λ定理 により $\mu=\nu$ である。これは (1) が $\Phi=1_\Gamma$、$\Gamma=\{w\mid(w(s_1),\dots,w(s_m))\in D\}$(筒集合)について成り立つことを意味する。筒集合の全体は共通部分で閉じていて $\mathcal C$ を生成し、両辺は $\Gamma$ について有限測度なので、再び Dynkinのπ-λ定理 により (1) はすべての $\Gamma\in\mathcal C$ で成り立つ。単関数で近似すれば、有界な可測関数 $\Phi$ でも成り立つ。
結論。 $A=\Omega$ とすると、$P(\cdot\mid\tau<\infty)$ のもとで $W$ の分布は $\beta$ の分布に等しい。$W$ の道は連続で $W_0=0$ なので、$W$ は標準 Brown 運動である。一般の $A$ についての等式は、$W$ と $\mathcal F_{\tau+}$ の独立性を表す。$\square$
ここで使った Brown 運動の性質は、決まった時刻での Markov 性(増分の独立性と時間の平行移動)と、道の連続性だけである。停止時刻を離散の値の時刻で近似し、決まった時刻での性質を足し合わせ、連続性で極限に移る、という筋は Dur19 Theorem 7.3.9(pp. 368–369)と MP10 Theorem 2.16(p. 43)の証明と同じである。$\tau$ は条件 (<) を満たせばよいので、開集合への到達時刻(thm-st-hitting の 1)にもそのまま使える。
強 Markov 性のもとでは、停止時刻で道を折り返しても分布が変わらない。Brown運動 の定理「鏡像原理」は、そちらでは証明を省いている。ここでその証明を与える。
$B$ を 1 次元の標準 Brown 運動($B_0=0$)とし、$a>0$、$t>0$ とする。このとき
$$
P\Bigl(\max_{0\le s\le t}B_s\ge a\Bigr)=2P(B_t\ge a)=P(\lvert B_t\rvert\ge a)
$$
である。
$\mathcal F_t:=\sigma(B_s\mid s\le t)$ とし、$T:=\inf\{s\ge0\mid B_s=a\}$ とおく。thm-st-hitting の 2 により $T$ は停止時刻で、lem-st-two の 1 により条件 (<) を満たし、lem-st-ftau の 1 と $\mathcal F_T\subset\mathcal F_{T+}$ により $T$ は $\mathcal F_{T+}$-可測である。$B_0=0< a$ と道の連続性、中間値の定理 から、$\{\max_{s\le t}B_s\ge a\}=\{T\le t\}$ である。$P(T\le t)=0$ なら両辺は $0$ なので、$P(T<\infty)>0$ としてよい。
$W_s:=B_{T+s}-B_T=B_{T+s}-a$ とおく。thm-st-strong-markov を $A=\{T\in D\}$($D$ は Borel 集合)に使うと、$\{T<\infty\}$ の上で組 $(T,W)$ の分布は、$T$ の分布 $\lambda$ と $\beta$ の分布の積測度になる(積の形の集合で一致するので、Dynkinのπ-λ定理 による)。$\{T\le t\}$ の上で $B_t-a=W_{t-T}$ なので、$g(r,w):=1_{\{r\le t,\ w(t-r)\ge0\}}$ とおき、Fubiniの定理 を使うと
$$
P(T\le t,\ B_t\ge a)=E[g(T,W);T<\infty]=\int_{[0,t]}P(\beta_{t-r}\ge0)\,\lambda(dr)
$$
である。$r< t$ なら $P(\beta_{t-r}\ge0)=\frac12$ で、$\lambda(\{t\})=P(T=t)\le P(B_t=a)=0$ なので、右辺は $\frac12P(T\le t)$ である。一方 $B_t\ge a$ なら $T\le t$ なので、左辺は $P(B_t\ge a)$ である。よって $P(T\le t)=2P(B_t\ge a)$ である。最後の等式は $-B_t$ と $B_t$ が同じ分布をもち $P(B_t=-a)=0$ であることによる。$\square$
MP10 Theorem 2.21(p. 45)は、$T$ で折り返した過程 $B_t1_{\{t\le T\}}+(2a-B_t)1_{\{t>T\}}$ がまた Brown 運動であること(同 Theorem 2.19、p. 44)から、同じ等式を導いている。
cor-st-reflection の $T=T_a$ について、標準正規分布の分布関数を $\Phi$ とすると $P(T_a\le t)=2\bigl(1-\Phi(a/\sqrt t)\bigr)$ である。
各行は、定理・命題の仮定を 1 つだけ外す。
| 外す仮定 | 例 | 成り立たなくなること |
|---|---|---|
| $\tau$ が停止時刻であること(prop-st-rw) | 公平な $\pm1$ の和 $S_n$ で、時刻 $2$ までで最後に $0$ にいた時刻 $L$(ex-st-last-zero) | $\xi_{L+1}+\xi_{L+2}=0$ となる確率が $\frac14$ で、独立な公平な $\pm1$ の和の値 $\frac12$ と違う |
| フィルトレーションの右連続性(lem-st-two の 3) | ex-st-open-not-stopping の $\tau_G$ | 条件 (<) を満たすが停止時刻でない |
| $K$ が閉集合であること(thm-st-hitting の 2) | ex-st-open-not-stopping(道は連続、$G=(0,\infty)$ は閉集合でない) | 到達時刻が停止時刻でない |
| $\tau$ が条件 (<) を満たすこと(thm-st-strong-markov) | 標準 Brown 運動の、時刻 $1$ までで最後の零点 $L=\sup\{s\le1\mid B_s=0\}$ | $W_s=B_{L+s}$ は $(0,1-L]$ に零点をもたず、Brown 運動でない |
| 増分の分布の対称性(cor-st-reflection) | ドリフトのある Brown 運動 $X_t=B_t+\mu t$($\mu>0$) | 大きい $t$ で $2P(X_t\ge a)>1\ge P(\max_{s\le t}X_s\ge a)$ |
1 行目:$S_1=\pm1\ne0$ なので $L\in\{0,2\}$ で、$L=2\iff\xi_1+\xi_2=0$ である。$\{L=0\}=\{\xi_1=\xi_2\}$ は確率 $\frac12$ で $\mathcal F_0=\{\emptyset,\Omega\}$ に属さないので、$L$ は停止時刻でない。$L=2$ のとき $(\xi_{L+1},\xi_{L+2})=(\xi_3,\xi_4)$ で、和が $0$ となる条件付き確率は $\frac12$ である。$L=0$ のとき $(\xi_1,\xi_2)$ は $\xi_1=\xi_2$ を満たすので和は $0$ でない。よって確率は $\frac12\cdot\frac12=\frac14$ である。
2・3 行目:ex-st-open-not-stopping のとおりである。
4 行目:$P(B_1=0)=0$ で零点の集合は閉集合なので、ほとんど確実に $L<1$ で $B_L=0$ である。$L$ の定義から $W_s=B_{L+s}$ は $(0,1-L]$ に零点をもたない。よって確率 $1$ で、ある正の有理数 $\delta$ について $W$ は $(0,\delta]$ に零点をもたない。標準 Brown 運動 $\beta$ では、ex-st-first-passage の 3 により、すべての $\delta>0$ でほとんど確実に $(0,\delta]$ に零点がある。$W$ と $\beta$ の分布は違う。
5 行目:$X$ の増分は独立で、$X_{t+s}-X_t$ は $t$ によらない分布をもつ(強 Markov 性も成り立つ)が、$-X$ と $X$ の分布は違う。$a>0$ を固定して $t\to\infty$ とすると $P(X_t\ge a)=P(B_1\ge(a-\mu t)/\sqrt t)\to1$ なので、十分大きい $t$ で $2P(X_t\ge a)>1$ となり、確率である左辺と等しくなれない。
4 行目の $L$ は、時刻 $1$ までの道全体を見ないと決まらない。MP10 Remark 2.18(p. 44)は、$[0,1]$ で最大値をとる時刻について同じ現象を述べている。
連続時間の停止時刻の定義と到達時刻・2 進近似・強 Markov 性は Dur19 §7.3(pp. 366–369)と MP10 §2.2(pp. 40–45)にある。prop-st-rw と表の例、cor-st-reflection の Fubini の定理による証明の書き方は、この記事の組み立てである。
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