反射原理(Brown運動)

同義語:reflection principle (Brownian motion)鏡像原理(Brown運動)

概要

反射原理(Brown運動)(reflection principle)とは、1 次元の標準 Brown 運動 $B$ を停止時刻 $T$ から先で水平線 $y=B_T$ に関して上下に折り返した過程が、再び標準 Brown 運動になるという定理である。強 Markov 性と増分の上下対称性から従う。最大値 $M_t=\max_{s\le t}B_s$ について $a>0$、$b\le a$ のとき $P(M_t\ge a,\ B_t\le b)=P(B_t\ge 2a-b)$ が成り立ち、とくに $P(M_t\ge a)=2P(B_t\ge a)$ である。ここから到達時刻の分布、零点をもたない確率、時刻 $1$ までの最後の零点が逆正弦分布に従うことが導かれる。

$$\newcommand{C}[0]{\mathbb{C}} \newcommand{div}[0]{\mathbin{÷}} \newcommand{N}[0]{\mathbb{N}} \newcommand{Q}[0]{\mathbb{Q}} \newcommand{R}[0]{\mathbb{R}} \newcommand{Z}[0]{\mathbb{Z}} $$

前提知識: Brown運動, 停止時刻, 正規分布

1 次元の Brown 運動が初めて高さ $a$ に達した瞬間から先の道を、水平線 $y=a$ で上下に折り返す。折り返した道もまた Brown 運動である。これが 反射原理(reflection principle)である。鏡像原理ともいう。到達した後の動きは過去と独立で、上に行くのも下に行くのも同じ確からしさだから、折り返しても確率が変わらない、という考えを、強 Markov 性によって厳密にしたものである。
折り返しを使うと、「時刻 $t$ までに高さ $a$ に達したか」という道全体についての事象が、時刻 $t$ の 1 点の値についての事象に書き換わる。たとえば標準 Brown 運動 $B$ とその最大値 $M_t:=\max_{0\le s\le t}B_s$ について
$$ P(M_t\ge a)=2P(B_t\ge a)\qquad(a>0) $$
が成り立ち、右辺は正規分布の表から計算できる。この記事では反射原理を過程の等式として証明し、そこから最大値と終点の同時分布、到達時刻の分布、零点の分布と逆正弦法則を導く。
反射原理は、格子の道を折り返して数える離散の鏡像原理(最短経路の数え上げと鏡像原理、ランダムウォーク)の連続版にあたる。境界に触れる確率の計算、半直線上の熱方程式の解(像の方法)、障壁のある量の分布など、Brown 運動が水準を越えるかどうかが問題になる場面の基本的な道具である。

設定と記号

確率空間 $(\Omega,\mathcal F,P)$ の上の 1 次元の標準 Brown 運動 $B=(B_t)_{t\ge0}$($B_0=0$、すべての道が連続)を考え、$\mathcal F_t:=\sigma(B_s\mid s\le t)$ とおく。

  • $M_t:=\max_{0\le s\le t}B_s$(時刻 $t$ までの最大値。道が連続なので最大値がある)。
  • $a>0$ について $T_a:=\inf\{t\ge0\mid B_t=a\}$(初めて $a$ に達する時刻。$\inf\emptyset=\infty$)。
  • $\Phi$ は標準正規分布の分布関数、$\varphi(u):=\frac1{\sqrt{2\pi}}e^{-u^2/2}$ はその密度である。$B_t$ は $N(0,t)$ に従うので $P(B_t\ge x)=1-\Phi(x/\sqrt t)$ である。
    $\{a\}$ は閉集合で道は連続なので、$T_a$ は停止時刻である(停止時刻 の定理「到達時刻が停止時刻になる条件」の 2)。$B_0=0< a$ と 中間値の定理 から、$\{M_t\ge a\}=\{T_a\le t\}$ である。
    連続な道の空間 $C:=C([0,\infty),\mathbb R)$ には、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 $\mathcal C$ を入れる。過程の分布はこの σ-代数の上の測度である。
使う道具:強 Markov 性

証明では 停止時刻 の定理「強 Markov 性」を使う。$T$ を停止時刻とし、$\{T< \infty\}$ の上で $W_s:=B_{T+s}-B_T$($s\ge0$)とおく。$P(T< \infty)>0$ なら、$P(\cdot\mid T< \infty)$ のもとで $W$ は標準 Brown 運動で、時刻 $T$ までの情報を表す σ-代数 $\mathcal F_{T+}$ と独立である。$B$ が $T$ で「新しく出発し直す」ことを表す。決まった時刻 $T=s$ では、これは独立増分性($(B_{s+u}-B_s)_{u\ge0}$ が標準 Brown 運動で $\mathcal F_s$ と独立)にほかならない(Brown運動 の命題「対称性・尺度変換・時間の平行移動」)。

主定理:折り返した道も Brown 運動

反射した過程

停止時刻 $T$ について
$$ B^*_t:=\begin{cases}B_t&(t\le T)\\ 2B_T-B_t&(t>T)\end{cases} $$
とおく。$B^*$ を $T$ で 反射した過程 という。$T< \infty$ なら、$t>T$ での $B^*$ は $B$ を水平線 $y=B_T$ に関して上下に折り返したものである。$T=\infty$ なら $B^*=B$ である。

$B^*$ の道も連続である($t=T$ で $2B_T-B_T=B_T$)。

反射原理

$T$ を停止時刻とすると、$T$ で反射した過程 $B^*$ は標準 Brown 運動である。すなわち $B^*$ と $B$ は $(C,\mathcal C)$ の上で同じ分布をもつ。

到達後の部分だけを $-1$ 倍しても全体の分布は変わらない

要点:道を「$T$ までの部分」と「$T$ からの増分 $W$」に分けると、両者は独立で、$W$ と $-W$ は同じ分布をもつ。$B$ は前半に $W$ を、$B^*$ は前半に $-W$ を貼り合わせたものなので、同じ分布をもつ。

詳しい証明を開く

分解。$P(T< \infty)=0$ なら $B^*=B$ なので、$P(T< \infty)>0$ とする。$\{T< \infty\}$ の上で $Y:=(T,(B_{t\wedge T})_{t\ge0})$ と $W_s:=B_{T+s}-B_T$ を考える。各 $t$ について $t\wedge T$ は有限な停止時刻なので、$B_{t\wedge T}$ は $\mathcal F_{t\wedge T}$-可測で、$\mathcal F_{t\wedge T}\subset\mathcal F_T\subset\mathcal F_{T+}$ である(停止時刻 の命題「停止時刻での値の可測性」と補題「$\mathcal F_\tau$ の基本性質」)。$T$ も $\mathcal F_T$-可測なので、$Y$ は $\mathcal F_{T+}$-可測である。

貼り合わせ。$r\ge0$、$f,w\in C$ について $\Psi(r,f,w)(t):=f(t)+w((t-r)\vee0)$ とおく。$\{T< \infty\}$ の上で、$t\le T$ なら $B_t=B_{t\wedge T}$、$t>T$ なら $B_t=B_T+W_{t-T}$、$B^*_t=B_T-W_{t-T}$ なので、$B=\Psi(Y,W)$、$B^*=\Psi(Y,-W)$ である($w(0)=0$ に注意)。$\Psi(\cdot)(t)$ は可測である。実際 $s:=(t-r)\vee0$、$s_n:=\lceil2^ns\rceil2^{-n}$ とおくと $w(s_n)=\sum_{k\ge0}\mathbf 1_{\{s_n=k2^{-n}\}}w(k2^{-n})$ は $(r,w)$ の可測関数で、$w$ の連続性から $w(s_n)\to w(s)$ である。

独立性と対称性。強 Markov 性(rem-rpb-strong-markov)を $A=\{Y\in D\}$ に使うと、$\{T< \infty\}$ の上の組 $(Y,W)$ の分布は、積の形の集合の上で「$Y$ の分布 $\times$ 標準 Brown 運動の分布」と一致し、Dynkinのπ-λ定理 により積測度に等しい。標準 Brown 運動 $\beta$ について $-\beta$ も標準 Brown 運動なので(Brown運動 の命題「対称性・尺度変換・時間の平行移動」)、$(Y,-W)$ の $\{T< \infty\}$ の上の分布も同じ積測度である。よって $\Gamma\in\mathcal C$ について

$$P(B\in\Gamma)=P(B\in\Gamma,\,T=\infty)+P(\Psi(Y,W)\in\Gamma,\,T< \infty)=P(B^*\in\Gamma,\,T=\infty)+P(\Psi(Y,-W)\in\Gamma,\,T< \infty)=P(B^*\in\Gamma)$$

である。$B^*$ は $B^*_0=0$ で道が連続なので、標準 Brown 運動である。$\square$

ここで使ったのは、強 Markov 性と、増分の分布が上下対称であることだけである。MP10 Theorem 2.19(p. 44)も同じく、到達後の道とその $-1$ 倍を前半に貼り合わせる議論で証明している。

最大値と終点の同時分布

反射原理を $T=T_a$ に当てる。

最大値と終点の同時分布

$t>0$、$a>0$、$b\le a$ について
$$ P(M_t\ge a,\ B_t\le b)=P(B_t\ge2a-b)=1-\Phi\Bigl(\frac{2a-b}{\sqrt t}\Bigr) $$
である。

折り返すと $b$ 以下の終点が $2a-b$ 以上の終点に移る

$B^*$ を $T_a$ で反射した過程とする。$T_a\le t$ なら $B^*_t=2a-B_t$ である($T_a=t$ でも $B_t=a$ なので成り立つ)。よって $\{M_t\ge a,\ B_t\le b\}=\{T_a\le t,\ B^*_t\ge2a-b\}$ である。一方 $T_a>t$ なら $B^*_t=B_t$ で、道は $[0,t]$ で $a$ に達しないので $B_t< a\le2a-b$ である。したがって $\{B^*_t\ge2a-b\}\subset\{T_a\le t\}$ で、
$$ P(M_t\ge a,\ B_t\le b)=P(B^*_t\ge2a-b)=P(B_t\ge2a-b) $$
である。最後の等号は thm-rpb-main による。$\square$

最大値の分布

$t>0$、$a>0$ について $P(M_t\ge a)=2P(B_t\ge a)=P(\lvert B_t\rvert\ge a)$ である。とくに $M_t$ と $\lvert B_t\rvert$ は同じ分布をもち、$P(M_t>0)=1$ である。

$\{M_t\ge a\}$ を $\{B_t\le a\}$ と $\{B_t>a\}$ に分ける。後者では $M_t\ge B_t>a$ である。thm-rpb-joint を $b=a$ に使い、$P(B_t=a)=0$ を使うと $P(M_t\ge a)=P(B_t\ge a)+P(B_t>a)=2P(B_t\ge a)$ である。$B_t$ と $-B_t$ は同じ分布なので、これは $P(\lvert B_t\rvert\ge a)$ に等しい。$a\downarrow0$ とすると $P(M_t>0)=\lim_{a\downarrow0}P(\lvert B_t\rvert\ge a)=1$ である。$\square$

この系は 停止時刻 の系「最大値の分布(鏡像原理)」と同じ主張で、そちらは強 Markov 性から Fubiniの定理 で直接示している。Brown運動 の定理「鏡像原理」はこれを到達時刻の言葉で述べたものである。

同時密度

$t>0$ とする。$(M_t,B_t)$ の分布は、領域 $\{(m,y)\mid m>0,\ y< m\}$ の上の密度
$$ f_t(m,y)=\frac{2(2m-y)}{\sqrt{2\pi t^3}}\exp\Bigl(-\frac{(2m-y)^2}{2t}\Bigr) $$
をもつ。

象限の形の集合で比べる

要点:密度 $f_t$ の測度と $(M_t,B_t)$ の分布が、集合 $[a,\infty)\times(-\infty,b]$ の上で一致することを確かめ、Dynkinのπ-λ定理 で全体に広げる。

詳しい証明を開く

$\nu(E):=\iint_Ef_t\,dm\,dy$ とおき、$\mu$ を $(M_t,B_t)$ の分布とする。周辺。$y$ を固定して $u=2m-y$ と置換すると、$m>\max(0,y)$ は $u>\lvert y\rvert$ に対応し、$\int_{m>\max(0,y)}f_t(m,y)\,dm=\int_{\lvert y\rvert}^\infty\frac{u}{\sqrt{2\pi t^3}}e^{-u^2/(2t)}\,du=\frac1{\sqrt{2\pi t}}e^{-y^2/(2t)}$ である。よって $\nu$ の $y$ の周辺分布は $N(0,t)$ で、$\nu$ は確率測度である。

$b\le a$ の場合。$m\ge a$、$y\le b$ なら $y\le m$ である。$u=2m-y$、続いて $v=2m-b$ と置換して

$$\nu([a,\infty)\times(-\infty,b])=\int_a^\infty\int_{2m-b}^\infty\frac{2u}{\sqrt{2\pi t^3}}e^{-\frac{u^2}{2t}}\,du\,dm=\int_a^\infty\frac{2}{\sqrt{2\pi t}}e^{-\frac{(2m-b)^2}{2t}}\,dm=P(B_t\ge2a-b)$$

で、thm-rpb-joint により $\mu([a,\infty)\times(-\infty,b])$ に等しい。

$b>a$ の場合。$\mu$ も $\nu$ も $\{y\le m\}$ に集中している($M_t\ge B_t$)。この上では $a< y\le b$ なら $m\ge y>a$ なので、$[a,\infty)\times(a,b]$ の測度は $y$ の周辺分布だけで決まり、$\mu$ でも $\nu$ でも $P(a< B_t\le b)$ である。$b\le a$ の場合と合わせて、すべての $a>0$、$b\in\mathbb R$ で両者は一致する。

結論。集合 $[a,\infty)\times(-\infty,b]$($a>0$、$b\in\mathbb R$)の全体は共通部分で閉じていて、$(0,\infty)\times\mathbb R$ の Borel 集合族を生成する。$\mu,\nu$ はどちらもこの集合に確率 $1$ を与える($\mu$ は cor-rpb-max の $P(M_t>0)=1$ による)。Dynkinのπ-λ定理 により $\mu=\nu$ である。$\square$

最大値からの下がり幅

$t>0$ とする。$M_t-B_t$ も $\lvert B_t\rvert$ と同じ分布をもつ。さらに $(M_t,\,M_t-B_t)$ の分布は 2 つの成分を入れ替えても変わらない。

$(m,y)\mapsto(m,m-y)$ は Jacobian の絶対値が $1$ の線形変換で、$\{m>0,\ y< m\}$ を $\{m>0,\ x>0\}$ に移す。thm-rpb-density から $(M_t,M_t-B_t)$ の密度は $g_t(m,x):=f_t(m,m-x)=\frac{2(m+x)}{\sqrt{2\pi t^3}}e^{-(m+x)^2/(2t)}$($m,x>0$)で、$m$ と $x$ について対称である。よって $M_t-B_t$ と $M_t$ は同じ分布をもち、cor-rpb-max により $\lvert B_t\rvert$ とも同じ分布をもつ。$\square$

1 つの時刻での等式にとどまらず、過程 $(M_t-B_t)_{t\ge0}$ は過程 $(\lvert B_t\rvert)_{t\ge0}$ と同じ分布をもつ(P. Lévy の定理。MP10 Theorem 2.34、p. 50。この記事では証明しない)。

到達時刻の分布

到達時刻の分布

$a>0$ とし、$Z$ を標準正規分布に従う確率変数とする。$T_a$ は $a^2/Z^2$ と同じ分布をもち、
$$ P(T_a\le t)=2\Bigl(1-\Phi\Bigl(\frac a{\sqrt t}\Bigr)\Bigr),\qquad\text{密度}\quad\frac{a}{\sqrt{2\pi t^3}}e^{-a^2/(2t)}\quad(t>0) $$
である。とくに $T_a$ は $a^2T_1$ と同じ分布をもつ。

$\{T_a\le t\}=\{M_t\ge a\}$ と cor-rpb-max から、$P(T_a\le t)=P(\lvert B_t\rvert\ge a)=P(\lvert Z\rvert\ge a/\sqrt t)=P(a^2/Z^2\le t)$ である($B_t$ は $\sqrt tZ$ と同じ分布、$P(Z=0)=0$)。$t$ で微分すると密度を得る。$\square$

$P(T_a< \infty)=\lim_{t\to\infty}P(T_a\le t)=1$ なので Brown 運動はどの高さにも必ず達するが、密度が $t^{-3/2}$ の程度でしか減らないので $E[T_a]=\infty$ である(停止時刻 の例「初到達時刻の分布」)。さらに $a\mapsto T_a$ は独立定常増分をもつ増加過程(指数 $\frac12$ の安定従属過程)になる(MP10 Theorem 2.35・Remark 2.36、p. 51。この記事では証明しない)。

零点と逆正弦法則

零点をもたない確率

$0< s< t$ とすると
$$ P\bigl(\text{区間 }(s,t)\text{ で }B\text{ が }0\text{ にならない}\bigr)=\frac2\pi\arcsin\sqrt{\frac st} $$
である。

時刻 $s$ で出発し直し、反射原理で $0$ に達しない確率を計算する

要点:時刻 $s$ で $B_s=x\ne0$ にいるとき、残りの時間 $t-s$ に $0$ に達しない確率は、反射原理により $P(\lvert W_{t-s}\rvert< \lvert x\rvert)$ である。$B_s$ と $W_{t-s}$ の 2 つの独立な正規変数の比較は、平面の偏角が一様に分布することで計算できる。

詳しい証明を開く

出発し直す。$W_u:=B_{s+u}-B_s$ は標準 Brown 運動で $B_s$ と独立である(rem-rpb-strong-markov)。$P(B_s=0)=P(B_t=0)=0$ なので、確率 $0$ の事象を除いて、求める事象は $N:=\{B_s+W_u\ne0\ (0\le u\le t-s)\}$ に等しい。道の連続性から $N$ は有理数の $u$ だけで書ける事象で、$x>0$ について、中間値の定理 により $\{x+W_u\ne0\ (u\le t-s)\}=\{\max_{u\le t-s}(-W_u)< x\}$ である。$-W$ も標準 Brown 運動なので、cor-rpb-max により、この確率は $h(x):=1-P(\lvert W_{t-s}\rvert\ge x)=P(\lvert W_{t-s}\rvert< x)$ である。$x< 0$ では $W$ を $-W$ に替えて $h(x):=P(\lvert W_{t-s}\rvert< \lvert x\rvert)$ となる。$B_s$ と $W$ は独立なので、Fubiniの定理 により $P(N)=E[h(B_s)]=P(\lvert W_{t-s}\rvert< \lvert B_s\rvert)$ である(右辺の 2 つの変数は独立)。

偏角で計算する。$Z_1:=B_s/\sqrt s$、$Z_2:=W_{t-s}/\sqrt{t-s}$ は独立な標準正規変数で、

$$\lvert W_{t-s}\rvert< \lvert B_s\rvert\iff(t-s)Z_2^2< sZ_1^2\iff\frac{Z_2^2}{Z_1^2+Z_2^2}< \frac st$$

である。$(Z_1,Z_2)$ の密度 $\frac1{2\pi}e^{-(z_1^2+z_2^2)/2}$ を極座標 $(R\cos\theta,R\sin\theta)$ に書き換えると $\frac1{2\pi}e^{-r^2/2}r\,dr\,d\theta$ となり、偏角 $\theta$ は $[0,2\pi)$ の一様分布に従う。$c:=\sqrt{s/t}\in(0,1)$ について $\{\theta\in[0,2\pi)\mid\lvert\sin\theta\rvert< c\}$ は長さ $\arcsin c$ の区間 4 つからなるので、確率は $\frac{4\arcsin c}{2\pi}=\frac2\pi\arcsin\sqrt{s/t}$ である。$\square$

逆正弦法則(最後の零点)

$L:=\sup\{s\in[0,1]\mid B_s=0\}$(時刻 $1$ までで最後に $0$ にいた時刻)とおく。$0< s< 1$ について
$$ P(L\le s)=\frac2\pi\arcsin\sqrt s $$
であり、$L$ は密度 $\dfrac1{\pi\sqrt{s(1-s)}}$($0< s< 1$)をもつ。この分布を 逆正弦分布 という。

$B$ の零点の集合は閉集合で $0$ を含むので、$L$ は最大値として定まり $B_L=0$ である。$P(B_1=0)=0$ なので、確率 $1$ で $L< 1$ である。$\{L\le s\}$ は確率 $0$ の事象 $\{B_1=0\}$ を除いて「$(s,1)$ で $0$ にならない」と一致するので、thm-rpb-zero を $t=1$ で使えばよい。密度は $s$ で微分して得る。$\square$

逆正弦分布の密度は両端 $0,1$ の近くで大きく、中央 $\frac12$ で最も小さい。公平な賭けを時刻 $1$ まで続けると、最後に損益が $0$ に戻る時刻は、中ほどよりも始めのほうか終わりのほうになりやすい。
同じ逆正弦分布は、$[0,1]$ で最大値をとる時刻と、$[0,1]$ のうち $B>0$ である時間の長さにも現れる(MP10 Theorem 5.26(p. 136)と Theorem 5.28(p. 137))。後者は Donskerの定理 の定理「逆正弦法則」と Feynman–Kacの公式 の例「第 2 の逆正弦法則」で証明されている。前者の同書の証明は、cor-rpb-max を時刻 $s$ の前後の 2 つの独立な Brown 運動に当て、上の証明と同じ偏角の計算に帰着させている。この証明は 逆正弦法則 の定理「最大値をとる時刻の逆正弦法則」にある。

例

数値
  • $P(M_1\ge1)=2(1-\Phi(1))\approx0.3173$、$P(M_1\ge2)=2(1-\Phi(2))\approx0.0455$。
  • $P(M_1\ge1,\ B_1\le0)=P(B_1\ge2)\approx0.0228$。時刻 $1$ までに $1$ に達してから $0$ 以下に戻る道は、$1$ に達する道の $7$% ほどである。
  • $P(L\le\frac12)=\frac2\pi\arcsin\frac1{\sqrt2}=\frac12$。$P(L\le0.1)=P(L\ge0.9)=\frac2\pi\arcsin\sqrt{0.1}\approx0.2048$ なので、最後の零点は確率 $0.41$ ほどで両端の $10$% の時間に入る。
半直線の熱方程式と像の方法

$x>0$ から出発する Brown 運動 $X_t:=x-B_t$ を、初めて $0$ に達した時点で止める(吸収する)。$p_t(z):=\frac1{\sqrt{2\pi t}}e^{-z^2/(2t)}$ とおくと、$y>0$ について
$$ P\bigl(X_t\in dy,\ X_s>0\ (s\le t)\bigr)=\bigl(p_t(y-x)-p_t(y+x)\bigr)\,dy $$
である。実際、$X_s>0\ (s\le t)$ は $M_t< x$ と同じで、$X_t=y$ は $B_t=x-y$ と同じなので、thm-rpb-joint から $P(M_t< x,\ B_t\le b)=P(B_t\le b)-P(B_t\ge2x-b)$($b\le x$)を $b$ で微分すると密度 $p_t(b)-p_t(2x-b)$ を得て、$b=x-y$ を代入すればよい。右辺は $y=0$ で $0$ になる。$x$ に置いた熱源から、$0$ に関して対称な点 $-x$ に置いた負の熱源の寄与を引いたもので、熱方程式 を境界条件 $u(t,0)=0$ のもとで解く像の方法(鏡像法)の式である。

最大値の 2 倍から終点を引いた量

$R:=2M_t-B_t=M_t+(M_t-B_t)$ の密度は、cor-rpb-drawdown の密度 $g_t$ を $m+x=r$ の線分で積分して
$$ \int_0^rg_t(m,r-m)\,dm=\frac{2r^2}{\sqrt{2\pi t^3}}e^{-r^2/(2t)}\qquad(r>0) $$
である。これは 3 次元の標準 Brown 運動 $W$ の長さ $\lvert W_t\rvert$ の密度 $4\pi r^2(2\pi t)^{-3/2}e^{-r^2/(2t)}$ と一致する。

反例:仮定を外すと成り立たないこと

各行は、反射原理(または cor-rpb-max)の証明で使った性質を 1 つだけ外す。

外す性質例成り立たなくなること
$T$ が停止時刻であること$\{B_2\ge B_1\}$ の上で $T:=1$、その他で $T:=\infty$反射した過程は確率 $1$ で $B^*_2\le B^*_1$ となり、Brown 運動でない
増分の分布の上下対称性ドリフトのある $X_t:=B_t+\mu t$($\mu>0$)大きい $t$ で $2P(X_t\ge a)>1$ となり、$P(\max_{s\le t}X_s\ge a)=2P(X_t\ge a)$ が成り立たない
道の連続性公平な $\pm1$ の和 $S_n$ を $X_t:=S_{\lfloor t\rfloor}$ と連続時間に延ばしたもの$t=a=1$ で $P(\max_{s\le1}X_s\ge1)=\frac12$、$2P(X_1\ge1)=1$
表の確かめ
各行の確かめを開く

1 行目:$\{T\le1\}=\{B_2-B_1\ge0\}$ は $\mathcal F_1$ と独立で確率 $\frac12$ なので、$\mathcal F_1$ に属さない(属すれば自分自身と独立になり、確率は $0$ か $1$ である)。$T$ は停止時刻でない。$\{T=1\}$ の上では $B^*_2-B^*_1=-(B_2-B_1)\le0$、$\{T=\infty\}$ の上では $B^*_2-B^*_1=B_2-B_1< 0$ である。標準 Brown 運動なら $P(B_2-B_1\le0)=\frac12$ である。

2 行目:$X$ の道は連続で、増分は独立で時刻をずらしても同じ分布をもつので、強 Markov 性の証明はそのまま通る。しかし $-X$ と $X$ の分布は違う。$t\to\infty$ で $P(X_t\ge a)=1-\Phi((a-\mu t)/\sqrt t)\to1$ 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。

3 行目:増分は対称で独立だが、道は整数時刻で跳ぶ。$\max_{s\le1}X_s=\max(0,S_1)$ なので $P(\max_{s\le1}X_s\ge1)=P(S_1=1)=\frac12$ である。連続な場合の証明で使った $P(B_t=a)=0$ が成り立たず、$P(S_1=1)=\frac12$ の分が二重に数えられる。正しい式は $P(\max_{k\le n}S_k\ge a)=P(S_n\ge a)+P(S_n>a)$ である(ランダムウォーク の命題「鏡像原理」)。

停止時刻でない時刻での反射の例として、MP10 Remark 2.20(p. 45)は $[0,1]$ で最大値をとる時刻で反射した過程を挙げ、その分布が Brown 運動の分布と互いに特異であることを述べている。

補足

  • 離散からの極限。 Donskerの不変原理 により、平均 $0$、分散 $\sigma^2\in(0,\infty)$ の独立同分布な歩幅のランダムウォーク $S_n$ について、$\max_{k\le n}S_k/(\sigma\sqrt n)$ の分布の極限は cor-rpb-max の $M_1$ の分布になる(MP10 Theorem 5.25、pp. 134–135)。離散の鏡像原理から連続の反射原理を推測できるのはこのためである。
  • 多次元。 $d$ 次元の Brown 運動の分布は直交変換で変わらないので、停止時刻から先の増分を超平面に関して鏡映しても、同じ証明で再び Brown 運動になる。

関連項目

参考文献

[1]
Peter Mörters, Yuval Peres, Brownian Motion, Cambridge University Press, 2010, Theorem 2.19(反射原理、p. 44)、Remark 2.20(p. 45)、Theorem 2.34(P. Lévy の定理、p. 50)、Theorem 2.35・Remark 2.36(p. 51)、Theorem 5.25(pp. 134–135)、Theorem 5.26(p. 136)、Theorem 5.28(p. 137)

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