Articulo de referencia

Càdlàg

En matemáticas , una función càdlàg ( del francés : continue à droite, limite à gauche ), RCLL ("continua por la derecha con límites por la izquierda") o corlol ("continua por l...

En matemáticas , una función càdlàg ( del francés : continue à droite, limite à gauche ), RCLL ("continua por la derecha con límites por la izquierda") o corlol ("continua por la derecha, límite por la izquierda") es una función definida en los números reales (o un subconjunto de ellos) que es continua por la derecha en todas partes y tiene límites por la izquierda en todas partes. Las funciones càdlàg son importantes en el estudio de procesos estocásticos que admiten (o incluso requieren) saltos, a diferencia del movimiento browniano , que tiene trayectorias de muestra continuas. El conjunto de funciones càdlàg en un dominio dado se conoce como espacio de Skorokhod .

Dos términos relacionados son càglàd , que significa " continue à gauche, limite à droite ", la inversión izquierda-derecha de càdlàg, y càllàl, que significa " continue à l'un, limite à l'autre " (continua por un lado, límite por el otro), para una función que en cada punto del dominio es càdlàg o càglàd.

Definición

Las funciones de distribución acumulativa son ejemplos de funciones càdlàg.
Ejemplo de una función de distribución acumulativa con un conjunto infinito numerable de discontinuidades.

Dejar(METRO,d){\displaystyle (M,d)}Sea un espacio métrico y seamiR{\displaystyle E\subseteq \mathbb {R} }. Una funciónF:miMETRO{\displaystyle f:E\to M}Se denomina función càdlàg si, para cadatmi{\displaystyle t\in E},

  • el límite izquierdoF(t):=límitestF(s){\displaystyle f(t-):=\lim _{s\to t^{-}}f(s)}existe; y
  • el límite correctoF(t+):=límitest+F(s){\displaystyle f(t+):=\lim _{s\to t^{+}}f(s)}existe y es igual aF(t){\displaystyle f(t)}.

Eso es,F{\displaystyle f}es continua por la derecha con límites por la izquierda.

Ejemplos

  • Todas las funciones continuas en un subconjunto de los números reales son funciones càdlàg en ese subconjunto.
  • Como consecuencia de su definición, todas las funciones de distribución acumulativa son funciones càdlàg. Por ejemplo, la acumulativa en el puntor{\displaystyle r}corresponder a la probabilidad de ser menor o igual quer{\displaystyle r}, es decirPAG[incógnitar]{\displaystyle \mathbb {P} [X\leq r]}En otras palabras, el intervalo semiabierto de interés para una distribución de dos colas(,r]{\displaystyle (-\infty ,r]}está cerrado a la derecha.
  • El derivado correctoF+{\displaystyle f_{+}^{\prime }}de cualquier función convexaF{\displaystyle f}Definida en un intervalo abierto, es una función cadlag creciente.

Espacio Skorokhod

El conjunto de todas las funciones càdlàg demi{\displaystyle E}aMETRO{\displaystyle M}a menudo se denota porD(mi:METRO){\displaystyle \mathbb {D} (E:M)}(o simplementeD{\displaystyle \mathbb {D} }) y se denomina espacio de Skorokhod en honor al matemático ucraniano Anatoliy Skorokhod . Al espacio de Skorokhod se le puede asignar una topología que intuitivamente nos permite "mover un poco el espacio y el tiempo" (mientras que la topología tradicional de convergencia uniforme solo nos permite "mover un poco el espacio"). [ 1 ] Para simplificar, tomemosmi=[0,T]{\displaystyle E=[0,T]}yMETRO=Rnorte{\displaystyle M=\mathbb {R} ^{n}}— véase Billingsley [ 2 ] para una construcción más general.

Primero debemos definir un análogo del módulo de continuidad ,ϖF(δ){\displaystyle \varpi '_{f}(\delta)}. Para cualquierFmi{\displaystyle F\subseteq E}, colocar

wF(F):=sorbers,tF|F(s)F(t)|{\displaystyle w_{f}(F):=\sup _{s,t\in F}|f(s)-f(t)|}

y, paraδ>0{\displaystyle \delta >0}, definimos el módulo càdlàg como

ϖF(δ):=infΠmáximo1ikwF([ti1,ti)),{\displaystyle \varpi '_{f}(\delta ):=\inf _{\Pi }\max _{1\leq i\leq k}w_{f}([t_{i-1},t_{i})),}

donde el ínfimo recorre todas las particionesΠ={0=t0<t1<<tk=T},kmi{\displaystyle \Pi =\{0=t_{0}<t_{1}<\dots <t_{k}=T\},\;k\in E}, conmini(ti+1ti)>δ{\displaystyle \min _{i}(t_{i+1}-t_{i})>\delta }Esta definición tiene sentido para los no-càdlàgF{\displaystyle f}(del mismo modo que el módulo de continuidad habitual tiene sentido para funciones discontinuas).F{\displaystyle f}es càdlàg si y solo silímiteδ0ϖF(δ)=0{\displaystyle \lim _{\delta \to 0}\varpi '_{f}(\delta )=0}.

Ahora dejemosΛ{\displaystyle \Lambda }denotemos el conjunto de todas las biyecciones estrictamente crecientes y continuas demi{\displaystyle E}a sí mismo (estos son "ondulaciones en el tiempo"). Deje

F:=sorbertmi|F(t)|{\displaystyle \|f\|:=\sup _{t\in E}|f(t)|}

denotemos la norma uniforme en funciones enmi{\displaystyle E}Defina la métrica de Skorokhodσ{\displaystyle \sigma }enD{\displaystyle \mathbb {D} }por

σ(F,gramo):=infλΛmáximo{λI,Fgramoλ},{\displaystyle \sigma (f,g):=\inf _{\lambda \in \Lambda }\max\{\|\lambda -I\|,\|fg\circ \lambda \|\},}

dóndeI:mimi{\displaystyle I:E\to E}es la función identidad. En términos de la intuición de "ondulación",λI{\displaystyle \|\lambda -I\|}mide el tamaño de la "oscilación en el tiempo", yFgramoλ{\displaystyle \|fg\circ \lambda \|}mide el tamaño del "ondulación en el espacio".

La métrica de Skorokhod es, en efecto, una métrica. La topologíaΣ{\displaystyle \Sigma }generado porσ{\displaystyle \sigma }se denomina topología de Skorokhod enD{\displaystyle \mathbb {D} }.

Una métrica equivalente,

d(F,gramo):=infλΛ(λI+Fgramoλ),{\displaystyle d(f,g):=\inf _{\lambda \in \Lambda }(\|\lambda -I\|+\|fg\circ \lambda \|),}

fue introducido de forma independiente y utilizado en la teoría de control para el análisis de sistemas de conmutación. [ 3 ]

Propiedades del espacio Skorokhod

Generalización de la topología uniforme

El espaciodo{\displaystyle C}de funciones continuas enmi{\displaystyle E}es un subespacio deD{\displaystyle \mathbb {D} }. La topología de Skorokhod relativizada ado{\displaystyle C} coincide con la topología uniforme que existe allí.

Lo completo

A pesar deD{\displaystyle \mathbb {D} }no es un espacio completo con respecto a la métrica de Skorokhodσ{\displaystyle \sigma }, existe una métrica topológicamente equivalenteσ0{\displaystyle \sigma _{0}}con respecto a quéD{\displaystyle \mathbb {D} }está completo. [ 4 ]

Posibilidad de separación

Con respecto a cualquiera de los dosσ{\displaystyle \sigma }oσ0{\displaystyle \sigma _{0}},D{\displaystyle \mathbb {D} }es un espacio separable . Por lo tanto, el espacio de Skorokhod es un espacio polaco .

Estrechez en el espacio de Skorokhod

Mediante la aplicación del teorema de Arzelà-Ascoli , se puede demostrar que una secuencia(μnorte)norte=1,2,{\displaystyle (\mu _{n})_{n=1,2,\dots }}de medidas de probabilidad en el espacio de SkorokhodD{\displaystyle \mathbb {D} }es ajustado si y solo si se cumplen las dos condiciones siguientes:

límitealímite superiornorteμnorte({FD|Fa})=0,{\displaystyle \lim _{a\to \infty }\limsup _{n\to \infty }\mu _{n}{\big (}\{f\in \mathbb {D} \;|\;\|f\|\geq a\}{\big )}=0,}

y

límiteδ0límite superiornorteμnorte({FD|ϖF(δ)ε})=0 a pesar de ε>0.{\displaystyle \lim _{\delta \to 0}\limsup _{n\to \infty }\mu _{n}{\big (}\{f\in \mathbb {D} \;|\;\varpi '_{f}(\delta )\geq \varepsilon \}{\big )}=0{\text{ para todo }}\varepsilon >0.}

Estructura algebraica y topológica

Bajo la topología de Skorokhod y la suma puntual de funciones,D{\displaystyle \mathbb {D} }no es un grupo topológico, como puede verse en el siguiente ejemplo:

Dejarmi=[0,2){\displaystyle E=[0,2)}ser un intervalo semiabierto y tomarFnorte=χ[11/norte,2)D{\displaystyle f_{n}=\chi _{[1-1/n,2)}\in \mathbb {D} }ser una secuencia de funciones características. A pesar de queFnorteχ[1,2){\displaystyle f_{n}\rightarrow \chi _{[1,2)}}en la topología de Skorokhod, la secuenciaFnorteχ[1,2){\displaystyle f_{n}-\chi _{[1,2)}}no converge a 0.

Véase también

Referencias

  1. "Espacio Skorokhod - Enciclopedia de Matemáticas" .
  2. Billingsley, P. Convergencia de medidas de probabilidad . Nueva York: Wiley.
  3. Georgiou, TT y Smith, MC (2000). "Robustez de un oscilador de relajación". International Journal of Robust and Nonlinear Control . 10 ( 11– 12): 1005– 1024. doi : 10.1002/1099-1239(200009/10)10:11/12 < 1005::AID-RNC536 > 3.0.CO ; 2-Q .{{cite journal}}: CS1 maint: varios nombres: lista de autores ( enlace )
  4. Billingsley, P. Convergencia de medidas de probabilidad . Nueva York: Wiley.

Lecturas adicionales

  • Billingsley, Patrick (1995). Probabilidad y medida . Nueva York, NY: John Wiley & Sons, Inc. ISBN 0-471-00710-2.
  • Billingsley, Patrick (1999). Convergencia de medidas de probabilidad . Nueva York, NY: John Wiley & Sons, Inc. ISBN 0-471-19745-9.