3.11 鞅论的应用
栗子
1：三人赌博，每一轮从中随机依次选出两个人，第一个被选中的人给第二个一枚硬币。如果其中一个人没有硬币，其余两人继续赌博，直到其中一个人赢得所有硬币。假设三个人被选中概率完全相等，且每次选择相互独立。如果最初三人拥有的硬币数分别为
\(a,b,c\)，求此游戏结束的平均时间。
解：设三个人在第 \(n\) 次赌博之后拥有的硬币分别为 \(X_n,Y_n,Z_n\)，记 \(S_n=X_n Y_n+Y_n Z_n+X_n Z_n\)。定义 \(M_n=\sum_{k=1}^n (S_k - {\mathbb E}[S_k |
X_0,Y_0,Z_0,...,X_{k-1},Y_{k-1},Z_{k-1}])\)，则可以证明 \(\{M_n\}\) 是鞅。下面想要计算 \(M_n\) 的具体表达式，需要分情况讨论：
case1：\(X_{k-1}Y_{k-1}Z_{k-1}>0\)，可以验证
\({\mathbb E}[X_k Y_k | X_{k-1}=x,Y_{k-1}=y] =
xy-1/3\)，因此有 \({\mathbb E}[S_k |
X_{k-1},Y_{k-1},Z_{k-1}] = S_{k-1}-1\)；
case2：\(X_{k-1}=0\)，此时有 \(X_k=0\)，\({\mathbb E}[S_k | X_{k-1},Y_{k-1},Z_{k-1}] =
S_{k-1}-1\)；
因此有 \(M_{n} =
S_n-S_0+n\)，可以验证鞅的停时定理 3
条件成立，从而有 \({\mathbb E}[M_{\tau}] =
{\mathbb E}[M_0]=0\)，又有 \({\mathbb
E}[M_\tau] = {\mathbb E}S_\tau - {\mathbb E}S_0 + {\mathbb E}\tau =
{\mathbb E}\tau - {\mathbb E}S_0 = 0\)，因此 \({\mathbb E}\tau={\mathbb
E}S_0=ab+bc+ac\)。
Note：如何想到这样定义一个鞅？首先考虑一阶统计量
\(S_n=X_n+Y_n+Z_n\)
恒等于常数，因此考虑二阶统计量。
栗子 2（随机徘徊）：一维随机徘徊，\(Y_n\)表示第 \(n\) 个时刻质点移动的距离，\(P(Y_n=1)=P(Y_n=-1)=1/2\)，在 \(n\) 时刻质点离开原点的距离为 \(X_n=\sum_{i=1}^n Y_i\)，其中 \(X_0=0\)，容易验证 \(\{X_n\}\) 关于 \(\{Y_n\}\) 是鞅。下面需要讨论：
从原点到达 1 的平均时间；
设 \(a<0 为两个整数，质点先到达 \(a\) 的概率 \(P_a\)？ 设 \(a<0 为两个整数，质点到达 \(a\) 或 \(b\) 的平均时间？ 解：(1) 定义停时 \(\tau_1=\min \{n: X_0=0,X_n=1 \}\)，那么需要求 \({\mathbb E}\tau\)，可以考虑用鞅的停时定理 3，首先假设条件 \({\mathbb E}\tau<\infty\) 成立，\({\mathbb E}[|X_{n+1}-X_n| | Y_0,...,Y_n]={\mathbb E}[|Y_{n+1}|]=1\)，于是停时定理 3 条件满足，那么就有 \({\mathbb E}X_{\tau} = {\mathbb E}X_0=0\)，但是根据停时的定义有 \({\mathbb E}X_\tau=1\)，矛盾，这说明假设 \({\mathbb E}\tau<\infty\) 不成立，所以 \({\mathbb E}\tau=\infty\)。 设 \({\tau}\) 表示从 \(0\) 出发达到 \(a\) 或 \(b\) 的时间，\(\tau\) 关于 \(\{Y_n\}\) 是停时，容易验证 \(P(\tau<\infty | X_0=0)=1\)，而且 \(|X_{\tau \wedge n}| \le \max{-a,b}\)，因此 \({\mathbb E}[\sup_{n} |X_{\tau\wedge n}|]<\infty\)，鞅的停时定理 2 条件满足，因此有 \({\mathbb E}X_\tau = aP_a + bP_b ={\mathbb E}X_0=0\)，另外有 \(P_a+P_b=1\)，于是可以得到 \(P_a=b/(b-a)\)。 设 \(\tau\) 为从 \(0\) 出发达到 \(a\) 或 \(b\) 的时间，\(\tau\) 关于 \(\{Y_n\}\) 是停时，接下来的关键就是构造一个新的鞅，使其与时间 \(n\) 产生直接的关系，这样利用停时定理的时候就能求得 \({\mathbb E}\tau\)。那么可以取 \({Z_n} = \sum_{k=1}^n (X_k^2 - {\mathbb E}[X_k^2 | Y_0,...,Y_{k-1}])\)，关于 \(\{Y_n \}\) 是鞅，并且可以验证 \({\mathbb E}[X_k^2 | Y_0,...,Y_{k-1}]={\mathbb E}[(X_{k-1}+Y_k)^2 | Y_0,...,Y_{k-1}] = X_{k-1}^2+1\)，因此有 \({Z_n}=X_n^2-n\)。验证停时定理 3 的条件 \({\mathbb E}[|Z_{n+1}-Z_n| | Y_0,...,Y_n] \le 2|X_n|{\mathbb E}|Y_{n+1}| + 1+1 \le 2\max(-a,b)+2\)，根据停时定理 3 有 \({\mathbb E}Z_\tau = P_a(a^2-{\mathbb E}\tau) + P_b(b^2 - {\mathbb E}\tau) = {\mathbb E}Z_0=0\)，故 \({\mathbb E}\tau=-ab\)。 Note：利用停时定理时，条件 \({\mathbb E}\tau<\infty\) 可以先假设成立，然后用求解的结果来验证。 3.12 连续鞅论 定义（鞅）：\(\{X(t), t\ge0\}\) 为一个随机过程，如果 \(\{X(t),t\ge0\}\) 满足下列条件： （存在性）对任意的 \(t\ge0\)，有 \({\mathbb E}|X(t)|<\infty\)； （鞅性）对任意的 \(0\le t_0 X(t_{n})\)； 则称 \(\{X(t),t\ge0\}\) 是鞅。 定义（上鞅）：\(\{X(t), t\ge0\}\) 为一个随机过程，如果 \(\{X(t),t\ge0\}\) 满足下列条件： （存在性）对任意的 \(t\ge0\)，有 \({\mathbb E}X(t)^-<\infty\)； （鞅性）对任意的 \(0\le t_0 X(t_{n})\)； 则称 \(\{X(t),t\ge0\}\) 是上鞅。下鞅定义类似。 定理 3.12（停时定理）：设 \(\{X(t),t\ge0\}\) 是鞅，\(\tau\) 是关于 \(\{X(t),t\ge0\}\) 的停时，若 \(P(\tau<\infty)=1\)，且 \({\mathbb E}[\sup_{t\ge0} |X_{\tau \wedge t}|] < \infty\)，则 \({\mathbb E}X_\tau = {\mathbb E}[X(0)]\)。