鞅收敛定理

杜布（Doob）收敛定理表明，波动不大的鞅几乎必然收敛到一个极限，这为证明随机序列收敛提供了一个强大且非常普遍的途径。

Definition

鞅收敛定理是指一阶矩有界的鞅几乎必然收敛，并且在一致可积性条件下，它在一阶矩意义下收敛并等于其极限的条件期望。

Scope

本主题涵盖杜布的上穿不等式和一阶矩有界过程的几乎必然鞅收敛定理，一致可积性在升级到一阶矩收敛和通过其极限闭合鞅中的作用，p大于1时p阶矩的收敛，以及列维（Levy）的向上和向下收敛定理及其推论零一律。

Core questions

• 为什么一阶矩有界会强制鞅几乎必然收敛？
• 什么附加条件能提供均值收敛和闭合极限变量？
• 列维定理如何描述沿过滤的条件期望的极限？
• 这些定理如何产生零一律和其他收敛结果？

Key concepts

• 上穿不等式
• 几乎必然收敛
• 一致可积性
• 闭合鞅
• 列维零一律

Key theories

杜布鞅收敛定理

一阶绝对矩有界的鞅几乎必然收敛到一个有限极限，通过上穿不等式证明，该不等式限制了过程穿越任何区间的次数，从而在最小假设下实现收敛。

一致可积性与均值收敛

一致可积的鞅几乎必然收敛且在一阶均值意义下收敛，并通过其极限闭合，这意味着每个项是给定相应信息的该极限的条件期望，这表征了行为良好的鞅。

列维向上和向下定理

给定一个递增或递减的σ-代数族，一个固定的可积变量的条件期望几乎必然且在均值意义下收敛到给定极限σ-代数的条件期望，其中柯尔莫哥洛夫（Kolmogorov）的零一律是一个特例。

Clinical relevance

鞅收敛是贝叶斯后验随数据积累而保持一致性的基础，是随机逼近和在线学习算法几乎必然收敛的基础，是通过逆向鞅实现大数强定律的基础，也是控制序贯检验和模型选择的似然比收敛的基础。

History

杜布在20世纪40年代证明了几乎必然收敛定理并引入了上穿论证，而列维早些时候已经建立了沿过滤的条件期望的收敛性；这些共同构成了现代教材中鞅理论的收敛骨干。

Key figures

• Joseph L. Doob
• Paul Levy
• David Williams

Seminal works

• williams1991

Frequently asked questions

鞅的几乎必然收敛是否意味着其均值的收敛？

并非如此；几乎必然收敛源于一阶矩有界，但期望的收敛和闭合性质需要更强的一致可积性条件。

什么是上穿不等式？

它根据鞅的当前大小，限制了鞅向上穿过固定区间的预期次数；由于一个不收敛的有界序列必须无限次地在某个区间内振荡，这个界限强制了几乎必然收敛。