Spazi di Misura e Applicazioni Misurabili

Sia  un insieme e F ⊂P  (famiglia di tutti i

sottoinsiemi).

Si dice che F è una −algebra se ∈F , stabile al

complementare di ogni suo elemento, unione ed
intersezione numerabile.

La coppia  , F  si dice spazio misurabile,

aggiungendo una misura abbiamo uno spazio di
probabilità  , F , P .

La misura P è tale che:

i  P ∅=0 e P =1
ii  per una successione  An n⊂F a due a due disgiunti P . ∪n≥1 An =∑n≥1 P  An 

sia  E ,  un altro spazio misurabile e definiamo una

funzione
X : E

questa si dice misurabile se ∀ A∈  X −1  A∈F .

Una variabile aleatoria (v.a.) è un applicazione

misurabile, inoltre questa induce una misura di
probabilità nello spazio di arrivo, definita tramite
la misura d'origine.

Se  , F , P è lo spazio d'origine, tramite una v.a.

X Abbiamo uno spazio d'arrivo  E ,  ,  con misura
definita come segue

 A=P  X −1  A ∀ A∈

Filtrazione di uno spazio misurabile  , F 

Si definisce Filtrazione l'oggetto {F t , t≥0 } famiglia

di sub −algebre tali che:

1. F t⊂F ∀ t ≥0

2. F t⊂F s se ts

inoltre definiamo F ∞= V t F = .∪ F ⊆F

t t t

Introduciamo le notazioni per F .

t =. ∩ st  F s e F −.
t =. ∪ st  F s

; una filtrazione è continua a destra se F t=F t

.
.

Quindi la −algebra F t racchiude tutte le informazioni

al tempo t mentre la filtrazione può essere intesa
come un flusso di informazioni disponibili al variare
del tempo.

Assoluta Continuità delle misure e Teorema

di Radon-Nikodym.
Siano μ e ν misure nello stesso spazio di misura (),
allora μ si dice assolutamente continua rispetto alla
ν se μ(A) = 0 per ogni insieme A per il quale ν(A) =
0. Questa situazione viene presentata con la
scrittura μ << ν.
Teorema di Radon-Nikodym

Siano μ e ν misure nello stesso spazio, sia μ

assolutamente continua rispetto a ν, con ν σ-finita1,
allora μ possiede una densità rispetto alla ν, cioè
una funzione misurabile f a valori in [0,∞], denotata
con f = dμ/dν, tale che

.  A=∫A fd  ∀ A∈ F

Medie condizionate

Illustriamo i concetti fondamentali che portano ad

una definizione rigorosa e generale di media
condizionata da una sotto −algebra di uno spazio
di probabilità assegnato.

Sia  , F , P uno spazio di probabilità, presi due

eventi A , B∈F possiamo scrivere

 A∩B
P  A | B=P se P  B≠0
P  B

fissato un tale evento possiamo definire una nuova

misura sullo spazio di probabilità originario

P .| B : F [0,1] ∀ A∈ F

consideriamo ora una v.a nello spazio spazio

assegnato tale che E | X |∞ e calcoliamo la media
con la nuova misura condizionata dall'evento B

1 se  è l'unione numerabile di insiemi di misura finita

 E  X | B=∫ X dP . | B .

Considerazioni di carattere generale, riguardo il

condizionamento, portano all'utilizzo di strumenti
più rigorosi e penetranti come il Teorema di
Radon-Nikodym. Sia  , F , P uno spazio di
probabilità e G⊂F una sub −algebra , definiamo
PG restringendo P a G

P G : G [0,1] P G =P  A ∀ A∈G⊂ F

se X è una v.a con E | X |∞ definiamo una

funzione di insieme

  B=∫B XdP ∀ B∈G

questa funzione è assolutamente continua rispetto

alla misura P ≪ P , mettiamoci nello spazio
 , G , P G  ed applichiamo il teorema di Radon-
Nikodym. Allora esiste una funzione ivi
misurabile, la possiamo indicare con E  X | G ; per
concludere abbiamo

∫B E  X | G dP G=∫B XdP ∀ B∈G .

Due osservazioni:

i) gli integrali hanno due misure differenti come

si può osservare

ii) la media è q.c. Unica nel senso che esistono

diverse versioni che differiscono per un insieme
con misura nulla.

In quest'ottica, una media condizionata risulta

essere una classe di equivalenza piuttosto che un
elemento singolo.

Alcune proprietà delle Medie Condizionate

i  Se G=∅ ,  E  X | G=EX

ii  Se X è G−misurabile E  X | G= X q.c.

iii Sia X una v.a. di  , F , P con E | X |∞ e H ⊂G⊂F allora

E  X | H =E E  X |G | H 

iv  Siano X ,Y v.a : E | XY |∞ e E |Y |∞ . Se X G−misurabile allora

E  XY | G= XE Y |G 

Tempi d'arresto

Sempre in attesa delle Martingale introduciamo i

tempo d'arresto; questi sono una classe di tempi
aleatori che si basano essenzialmente su ciò che è
accaduto (es. tempi di primo passaggio).

Sia  , F  uno spazio misurabile e {F t , t≥0 } una

filtrazione su di esso; la T : ℝ
.
è un tempo
d'arresto se

.
: T ≤t=T ≤t ∈ F t ∀ t∈ℝ
Es. La v.a costante T=t è un tempo d'arresto

T =t≤t =∈F t ∀t

Definizione −algebra arrestata al tempo T.

Sia T un tempo d'arresto rispetto la filtrazione

{F t , t≥0 } , definiamo

F T = A∈F ∞ : A∩T ≤t ∈F t ∀ t 

Martingale

Le martingale sono dei processi o anche

successione di v.a legate da una particolare forma
di dipendenza (martingalità); ad esempio le
passeggiate aleatorie presentano tale
caratteristica. Queste proprietà rendono l'oggetto
matematico più maneggevole, ricordiamo come altre
forme di dipendenza interna dei processi la
Markovianità e la stazionarietà.

Una martingala può essere intesa come una

formalizzazione del “gioco equo”.
Definizione di Martingala.

Il Processo { X n , n≥1 } è una martingala adatta alla

filtrazione naturale se:

i  E | X n |∞ per n≥1

ii  E  X n | X 1 ... X n−1 = X n−1 q.c

per le Submartingale e Supermartingale cambia

soltanto la proprietà ii), quindi per le
Submartingale avremo E  X n | X 1 ... X n −1 ≥ X n−1 q.c mentre per
una Supermartinagala E  X n | X 1 ... X n −1 ≤ X n−1 q.c .

Al posto della serie X 1 ... X n−1 , dato che abbiamo

assunto la filtrazione naturale, possiamo indicare
la sub −algebra F n−1= X 1 ... X n−1 ; se non viene
utilizzata la filtrazione naturale tra le
caratteristiche dobbiamo inporre che

Xn è F n −misurabile

e la ii) indicarla come

ii  E  X n | F n−1= X n−1 q.c

Concludiamo dicendo che una supermartinagala è un

gioco sfavorevole e la submartingala un gioco
favorevole.
Esempi di Martingala

Martingala di Doob

Sia Y una v.a integrabile e {F t , t≥0 } una

filtrazione. Definiamo

X t =E Y | F t 

dimostriamo che questa è una martingala:

X n1=E  X n1 | F n = propr. iii  medie condiz.= E  E Y | F n1| F n =E Y | F n = X n

Passeggiata Aleatoria

Sia { X n , n≥1 } una successione di v.a indipendenti ed

identicamente distribuite con EX n=0 ; si chiama
passeggiata aleatoria con passi Xj il processo
stocastico

S n =∑ j=1...n X j

assumiamo come filtrazione quella naturale così

che ogni Sn è F n−misurabile .

Verifichiamo che una passeggiata aleatoria è una

martingala, infatti

EX n=0  E | X n |=0 quindi E | X n |∞ e E | S n |∞ ∀n

quindi Sn è integrabile. In fine

E  S n | F n−1=E S n−1 X n | F n−1 =S n−1EX n=S n−1

Abbiamo applicato la proprietà ii) delle medie
condizionate (stiamo dando un senso alla parte
introduttiva). Se le v.a hanno media non nulla
pari a  la martingala sarà data da M n=S n−n  ;
mentre se 0 Sn è una submartingala, con 0 Sn

è una supermartigala.

Sotto le stesse condizioni consideriamo che le

Xj ammettono momento secondo finito, quindi
2
 ∞ , allora il processo

M n=S 2n−n 2

è una martingala infatti

2 2 2 2 2 2
M n1−M n=S n1−n1 − S n−n =2Xn 1 S n X n 1−

a quest'ultimo oggetto applichiamo la media

E  M n1−M n | F n =E 2X n1 S n X 2n1− 2 | F n=0

applicando la linearità della media, alcune

proprietà della media condizionata e
l'indipendenza delle v.a X. In questa situazione
S 2n è una submartingala.

Analizziamo

M n=S 2n−n 2  S 2n =M nn  2

in questo caso abbiamo un processo S 2n

(submartingala) composto da una martingala ed un

processo deterministico crescente in n, sempre
positivo e nullo al tempo zero.

Definizione di processo previsibile

Un processo V n con n≥1 è detto previsibile rispetto

alla filtrazione F n n≥0 se V 0 ∈F 0 e V n1 è F n−misurabile .

Quindi la conoscenza di Fn determina il valore a

tempo n+1.

Teorema di Doob-Meyer

Sia Xn n≥1 un processo adattato alla filtrazione

{F n , n≥1 } integrabile per ogni n>0. Allora esiste ed
è unica la decomposizione

X n=M nV n n≥1

Con M una martingala e V un processo previsibile

rispetto la filtrazione in esame, nullo al tempo
zero. Questo è detto compensatore.

Dimostrazione sola Unicità.

Dimostriamo l'unicità della decomposizione, sia

' ' ' '

X n=M nV n=M nV n quindi Y n=M n−M n =V n −V n n≥1

quindi Y è una Martingala sia un processo previsibile quindi

Y n1−Y n=E Y n1 | F n −E Y n | F n =E Y n1−Y n | F n=0 n≥1 con Y 0=0

da cui segue l'unicità.

Applicazione: Rovina del giocatore

Diamo il seguente Teorema come preliminare e

soprassediamo sul più famoso “Teorema della
convergenza dominata”.

Sia Xn n≥1 una martingala rispetto alla

filtrazione Fn n≥1 e  un tempo d'arresto
rispetto alla stessa, allora

EX 1 =EX n∧ n∧=min  , n

Sia Xn una successione di v.a indipendenti tali

che

1
P  X k =1=P  X k =−1=
2

e quindi definiamo la passeggiata aleatorio

S n = k =1...n X k

Questa è una martingala infatti le X hanno media

nulla.

Siano a ,b∈ℕ. definiamo un tempo d'arresto

= a , b=inf {n | S n ∉−a , b}=inf {n | S n=−a o S n=b }

finito cioè P ∞=1 , quindi il gioco finisce in

un tempo finito.

Consideriamo il processo S n∧ arrestato, con

l'ausilio del teorema precedente abbiamo che

ES n∧=ES 1 inoltre S n ∧  n ∞ S 

per il “Teorema della convergenza dominata”

ES n∧  ES 

di conseguenza

b
ES =−aP  S =−ab1−P  S =−a =0 quindi P  S =−a=
ab