ROMAN RÓŻAŃSKI (Wrocław)
Własności efektywnych planów sekwencyjnych dla procesu urodzin i śmierci
(Praca przyjęta do druku 18.10.1978)
Problem opisu efektywnych planów sekwencyjnych dla procesu Poissona, Wie- nera, ujemno-dwumianowego został rozwiązany przez S. Trybulę w pracy [6].
W artykule [3] Do Sun Bai opisał efektywne plany sekwencyjne dla łańcucha Mar- kowa o skończonej ilości stanów. Następnie, S. Trybula w pracy [7] podał charak-
teryzację efektywnych planów sekwencyjnych dla procesu Markowa o skończonej ilości stanów. W niniejszej pracy udowodniono własności efektywnych planów sekwencyjnych dla procesu urodzin i śmierci o przeliczalnej ilości stanów. Porlano
przykłady takich planów.
I. Absolutna ciągłość miar generowanych przez proces urodzin i śmierci. Przez ()oznaczmy wektor{)., p), gdzie .i. > O, p > O. Niech (Q, !F, P0) będzie przestrzenią probabilistyczną a Xr(w) procesem urodzin i śmierci, który spełnia następujące
warunki:
(l) Po({w: X,+.:~,(w) = i+l}IXr(w) =i)= ;.aiL1t+o(Lłt) >O, (2) Po({w: Xt+.ót(w) = i-l}IXr(w) =i)= pbiL1t+o(L1t) >O, (3) . P0({w: Xr+At(w) = i±k}l X,(w) =i)= o(L1t) l1 > 0, k ~ 2, (4) P0({w: X,+.:~1(w) = i}l X,(w) =i)= (ł-(J.ai+pb1)L1t+o(Lłt)) >O, ( 5) P o ( {w : Xr + "' (w) < o} 1 x, ( cv) = o) = o,
(6) P0({w: X0(w) =n})= l,
gdzie ai > O, ). > O, ft > O Vi ~ O, b0 = O, b1 > O dla i~ l.
W przypadku gdy a0 = O zakładamy dodatkowo, że
P0({w: Xr+ .. 1,(w) > 0}1 X,(w) =O)= O dla każdego O.
(7) Ponadto zakładamy, że prawie wszystkie realizacje tego procesu mają tylko skończoną liczbę skoków w przedziale [0, t], dla każdego t >O.
Niech 00 będzie ustaloną wartością parametru O. Wprowadźmy dalej następujące
oznaczenia:
ha,o(Xk+U x,J = Pe({w: xtk+:(w) = xk+t}l.\"tt(ro) = xk),
Po(Xo, Xt' ... 'x,.) ~ Po( {ro: x,o(w) = Xo, Xt/oJ) =X l ' ••• ' Xt"(w) = x,J) =
n-l n-l
=
n
Po({w: Xr4+1(ro) = xk+t }l Xt"(co) = xk) =I1
h"e(xk+t ,x"),k=O k=O
gdzie (} = t0 < t1 < t2 < ... < 111 = T; T> O, a x0 , Xv ... , x" są nieujemnymi liczbami całkowitymi.
Na mocy założeń (1)-(6) miara P8 jest równoważna mierze P00 na a-aJgebrze generowanej przez zmienne losowe ~o, Xr 1, ••• , Xr" oraz
dPo (ro) = _g~(X,0(w),XtJw), ... ,_~/w))_
dPo0 Pe0(.Yr0(w), Xt1(w), ... , X1"(w)) Niech tk = .~T, k =O, l, ... , 2".
W dalszym ciągu pokażemy, że z prawdopodobieństwem l istnieje lim _ p~J~r~?_>), Xt_1(w), ... , Xt"(w) )___:__
n---"'00 Pe0(X,0(w),X,1(w), ... ,X,"(w)) ·
Prawie wszystkie realizacje procesu xt mają skończoną liczbę skoków na odcinku [0, T]. Dla danej realizacji XtCw) oznaczmy ją przez v((J)), a chwile tych skoków oznaczmy przez 'l'1 (w), 'l'2(ro), ... , 'l'"{ w). Niech ki( n), i = l, 2, ... , v(w), będzie taką nieujemną liczbą całkowitą, dla której:
ki(n)T· 2-n < 'l';( w)~ (ki(n)+ l )T· 2-~'~.
Połóżmy także k0(n) =O; k,.<w>+1(n) = 2"-1, 't'o(w) =O, 'l'"<w>+t = T. Otrzymamy wówczas
lim p9(X,0(w), X,1(w), ... , Xt"(w))
n-.oo Pe0 (Xt0(w), X,1(w}, ... , x,:(w)) =
= lim
~
n-l 0 hk,a(Xtt+1(w); X,"((l)))
k=O · .
n-l 0 h~c.o0(Xtt+ (w);X,t(w))
k=O
=
(8)
= li m
[n .
((.t( X"".'m~~ o( w)) ~/2" +~( T/2")) 0 ~.\',_•< ">+O( w);_ X,,,_ w>_ 0( w)+-~) + _n-+oo k= 1 ( ..1.0(Xr~c<w>-o(w))T/2"+o(T/2") )o(X'~"~c(ro)+o(w); Xr,.<w>-o(w)+ l)+
(1L (Xr4(ro)-o(w))T/2"+o(T/2"))ó (Xrt<w>+o(w); XrL(w)-o(w) -l)+ o(T/2"))
- - - - -- -· --- --··- - --- -- -·-·---·-·-·-·--- --- --- --- · --··-- ----X
+ (1Lo (XTt<ro>-o(w) )T/2" +a(T/2"))o ( XTL<w>+o( w); XT~.<ro>-o(m) -1 )+o(T/2") v(w) ( (1-(J.(Xr,(w)+O(w)) +p(XT,(w)+O((!))))+o(T/2")r1+1(n)-k<(n)-l
)l_
X
n (t -( J.~(X ~;. :,-;~( ,,, ) ) +
l'o ( x,.,
m)+ o(~>)))+ o( T
/2") y·~ ..
(n)-k,(iif~ ,- l -
= rrv(w) ( e -(A(XTj(w)+O(w))+I'(XTi(w)+O(w))(ri + t<w)-T,(w)) ) X \' -~)N(T(w)) (-/L )Z(T,w) =
-(J"O(X'~". (w)+f'o(XT· (w))("~" H J(w)-T;(w)) A tL
i=O \ e i(w)+o 1{w)+o O rO
Tj(w) jest czasem przebywania procesu Xr(w) w stanie j na odcinku [0, T].
N(T, w)-ilość skoków w prawo procesu X,(c·>) w przedziale [0, T].
Z(T, w)-ilość skoków w lewo procesu Xr(w) w przedziaJe [0, T].
Po~azaliśmy więc, że z pra\vdopodobieństwem l lim Pa(Xr/w); Xr1(w); ... ;Xr"(('>))
n~oo Po0 (Xr0(w); Xr1 (w); ... ;Xr"(w))
e
Prawie wszystkie realizacje rozpatrywanego przez nas prccesu urodzin i śmierci X,(w), t E [0, T], są funkcjami prawostronnie ciągłymi, o skokach jednostkowych.
Zbiór tych funkcji oznaczmy przez D1 • Proces Xt(w) generuje miarę /Lo.r określoną
na najmniejszym a-ciele podzbiorów zbioru D1 zawierającym zbiory cylindryczne, [4]. Oznaczmy to a-ciało przez !F T. Niech .?F,. będzie najmniejszym a-ciałem, wzglę-
dem którego funkcje x({,.T): D1 -> R są mierzalne; k =O, l, 2, ... , 2". Niech J.ln,o,r będzie obcięciem miary /Lo.r na !F,.. Na mocy założeń (1)-(6) miara ft,.,o,r jest
równoważna mierze fln.oo,T· Z twierdzenia 14.1 z [2] wynika, że
U w a g a. dflo. r/dp..fJ0, T oznacza tu część absolutnie ciągłą miary p8 T względem 1'8o,1' •
W dalszym ciągu W) korzystamy następujący lemat:
LEMAT l. Niech a, {1 będą dwiema miarami. WóH·czas rniara rx jest absolutnie ciągła względem miary {1 ·wtedy i tylko H'tedy, gdy część absolutnie ciągła miary {1 względem miary a jest funkcją dodatnią a-prawie wszędzie.
Z wzoru (8), twierdzenia 14.1 z [2] i Jematu l otrzymujemy twierdzenie:
TWIERDZENIE l. Niech X5 , s E [0, t], będzie procesem urodzin i śmierci, spełnia
jącym założenia (1)-(7). Wówczas miara flo.o generou:ana przez ten proces, jest absolutnie ciągła względem miary flo0,1 i gęstość dp.0,1/dp00 ,1 wyraża się wzorem:
-L;< a i)· +ba1)T1
_!!Po.t _ =
(-!:--)N(
t)(_f
-)Z(t) . _e-=:-; --:---;---:-:dp.00,1 1.0 !lo -L;<atlo+bt/lo)Tt- =
e i
= C(N(t), Z(t), P1(t); P2(t))J .. N<t>p,Z<t>e-().Pl<tHf.lPl<t>>,
gdzie N( t) jest liczbą skoków w prawo realizacji procesu, obseffi·owanyclz w przedziale [0, t], Z(t) -liczba skokóH.' w lewo realizacji procesu, obserwOl,ranych w prze- dziale [0, t],
P1(t)
=L
i at Tt(t), P2(t)=L
i bt Ti(t),T;(t)- czas przebywania procesu lV stanie i na odcinku [O, t].
II. Absolutna ciągłość miar generowanych przez czas zatrzymania i statystykę dostateczną. Niech D będzie przestrzenią funkcji rzeczywistych, prawostronnie
ciągłych,
:ff-najmniejsze a-ciało podzbiorów zbioru D, względem którego funkcje x(t):
D~ R, t E [0, oo), są funkcjami mierzalnymi,
Jf1 - najmniejsze a-ciało podzbiorów zbioru D, względem: którego funkcje x(s): D~ R, s E [0, t], są funkcjami mierzalnymi,
p,8 - miara probabi l i styczna na (D,.#'"), () E A c Rs,
P,o,t-obcięcie miary p0 do a-ciała .1f1,
r-czaszatrzymania,tzn: r: D~[O,oo]; {w: r(w)~t}E~1, p0({w: O~ r(w) < oo}) = l VO E A.
Załóżmy, że miara Po.t jest absolutnie ciągła względem miary p00 , 1 i gęstość wyraża się wzorem:
-t_fo,t
Po (x( · )) = g(t; S(~t( ·);t); O; Oo),0,t
gdzie g jest funkcją ciągłą, a St jest odwzorowaniem z D w R1, Jft-mierzalnym~
prawostronnie ciągłym względem t-p0 prawie ·wszędzie, V() E A .
Przez U oznaczmy [0, oo) xR5 3ll = (t(u),y(u)); t(u) E [0, oo), y(u) ER'.
Niech fAu będzie a-ciałem podzbiorów borelowskich zbioru U. Na (U, f!tłu) możemy określić miarę m0 w następujący sposób:
m0(B) = ,uo({x( · ); (-r(x( · )); ST(x<·>>(x( ·)))E B}).
Przy powyższych założeniach możemy sformułować następującą modyfikację lematu Sudakowa udowodnioną w pracy [5].
LEMAT 2. A-tiara m0 jest absolutrtie ciąg/a względem miary m00 oraz dnz0
-d-(u) = g(u, O, 00 ) = g(t(u),y(u), O, 00 ).
mo o
Rozpatrzmy teraz proces urodzin i śmierci Xt(w), t E [0, oo) spełniający założenia
(l )-(7). W tym przypadku
S,= (N(t), Z(t), P1(t), P2(t)), S-r = (N(1:), Z(r), P1(r), P2(r)).
U E u = (n(u), z(u), P1(u), P2(u)).
Z twierdzenia l i lematu 2 wynika następujący lemat:
LEMAT 3. Niech Xt(w), t E [0, oo) będzie procesem urodzin i śmierci, spełniającym założenia (1)-(7). JVówczas miara m0 jest absolutnie ciągła względem miary m00 oraz (9)
Ill. Nierówność Cramera-Rao oraz własności efektywnych planów sekwencyjnych dla procesu urodzin i śmierci. Niech
a n(u)
af lng(u, O, 00 ) = -).--P1(u), -t--Ing(u, O, 00 ) = z(u) -Pz(u).
up, fl
Niech p(u, O) będzie funkcją .ału-mierzalną oraz m0-całkowalną VO E A, speł
niającą następujący wanmek:
(lO) V6 ~ rp(u, O)g(u, O, 00)dm00(u) = VoE0p(7:, S." O) = u
gdzie V,(-) =
{:.1. (. ),
:J-l (-)).= ~ V6cp(u, O)g(u, O, 00)dmo0(u), u
Po wykorzystaniu wzoru (9) otrzymujemy równość:
(li) E, [ N~o) -P, ( ~)] q.>(-r, S., 8) = :A E0<p(-r, S., 8) -E,[
:J.
<p( T, S., 8)]oraz
Biorąc q:;( r, Sr. O) = l, otrzymujemy I tożsamość \Valda
E,[-~it)_ -P1(r)] =O,
E,[ -
2;,r)_
-P,('r)] = O.(13)
Podstawiając rp(r, Sn O)= N(r)ji.-P1(r) otrzymainy:
(14) Ea [ --;:--PN(r) 1(-r) -12 = ;_2 l EoN(r) , oraz
(16) Eo [ --- --PZ(r) !-l 2(r) ]2 = - . .;-l EoZ(-r).
p- Podstawiając rp(r, Sr,(J) = N(r) otrzymamy:
(17) E,[-="i>')_P,(r)]N(r) =
:J.
E8N(>'),(18) E0[--Z(-,;l_pP 2(r)]N(r) - = _!_Eop 8"Nlr).
Stąd '''ynika (19)
(20)
Po podstawieniu tp(r, Sn O) = Z(r) otrzymamy:
(21) E0 [ -.- -P.tV( r) 1(r) Z(T) ] = ~;;- Ec . . 0Z(r),
l. Ol.
(22) E0 -[ Z(r) · --P2('r) ] Z(r) = -... -Ec 0Z(r).
!l cp
Z wzorów (14), (19) mamy (23)
(24)
Analogicznie otrzymujemy:
(25) E a
0Z 2( -r) = f'2 E0Pi( -r)-EoZ( -r) +2ft a p, EoZ( -r),
(26) DłZ(-r) = !-'2DłP2(-r) -EoZ(-r)+2f' ap, a EoZ(-r).
Na mocy wzorów (14)-(16) oraz twierdzenia 5 z [1], otrzymujemy następujące
twierdzenie:
TwiER.DZENlE 2. Niech -r będzie czasem zatrzymania, takim że dla
zachodzi wzór (lO).
Niech f: U--+- R będzie odwzorowaniem f11u-mierzalnym, spełniającym następujące
warunki:
(27) ~ f(u)g(u, (), ()o)dmo0(u) = EJ(-r, S-n())= h(()), u
gdzie h: A --+- R jest funkcją różniczkowalną;
(28) ~ / 2(u)g(u, (), ()o)dmo0(u) = Eo/2( -r, S,:) < oo,
u
(29) VoEJ('r:, S7:) = V0 ~f(u)g(u, (), ()o)dmo0(u) =
u
= ~ f(u)Vo(g(u, (), eo))dmoo(u) V() E A.
Wówczas otrzymujemy u
(30) Dlf(.:,
S.)~
Eo:(.:) (:., h(O)r +E~.:) (:p
h(O>)'.Otrzymana nierówność (30) przechodzi w równość, przy ustalonej wartości () E A, wtedy i tylko wtedy, gdy istnieje stała c(()), dla której:
(31) /(p) = c( O) [ {:;, h(O)) E;(.:) :A Ing( u, O, 00)+
mtJ0 - prawie wszędzie.
DEFINICJA l. Planem sekwencyjnym nazywamy parę ( -r, f( -r, ST)), gdzie f: U --+- R
spełnia założenia twierdzenia 2.
W dalszym ciągu odwzorowanie f będziemy określać jako estymator funkcji h(()).
DEFINICJA 2. M<)wimy, że plan sekwencyjny (T ,/(T, S~) )jest efektywny w punkcie O, jeśli nierówność (30) przechodzi w równość, dla tej wartości O. W tym przypadkuf jest efektywnym estymatorem w punkcie O, a funkcja h(O) jest efektywnie estymowalna w tym punkcie.
DEFINICJA 3. Plan sekwencyjny (T, f( T, Sr:)) nazywamy efektywnym, jeżeli jest on efektywny dla każdej wartości O E A . Estymator f nazywamy wtedy efektywnym, a funkcję h(O) efektywnie estymowalną.
Niech plan (T, f( T, S T:)) będzie planem efektywnym dla funkcji h( O). Jest on
więc efektywny w dwóch różnych punktach 01 , 02 • Na mocy (31) możemy napisać:
~o - prawie wszędzie. Po odjęciu stronami otrzymamy:
+ [ c(02)A.ih~(02) E62N(T)
+[
c(02)uih;(02) Eo2Z(T) meo -prawie wszędzie.Otrzymujemy więc następujące twierdzenie:
TwiERDZENIE 3. Jeżeli plan (T ,f( T, S~)) jest planem efektywnym dla O E A, to istnieją stale a, {J, y, ~' e, dla których
rtn(u)+{Jz(u)+yP2(u)+ óP2(u)+ e= O, m60 - prawie wszędzie, rt2+y2 :F o, fJ2+ ó2 :F o.
Niech/będzie estymatorem efektywnym w punkcie 01 • Na mocy (31) możemy
napisać:
f(u) = c(ll1) [
1.~~~~ (ni:)
-P,(u))+~:~~~~~ (z,.~)
-P2(u))]+h(ll1), m8~-prawie ;wszędzie. Wykorzystując (13) otrzymamy:h(ll) = E8f(-t, S,)= (c(ll1)
~~~~~
)E0P1('r)(A-A1)++ (c(ll1)
;;~~~~~ (!'-,.,))
E0P2(..-)+h(ll1).A więc, jeżeli funkcja h( O) jest efektywnie estymowalna w punkcie 01 , to istnieją stałe a 1 , {3 v dla których
(32) h(O) = a.1().-A.1)E6P1(T)+{31(p-p,1)E9P2(T)+h(01).
Niech funkcja h(O) będzie efektywnie estymowalna w trzech różnych punktach 01, 02,03:
h( O) = a.1(A.-A.t)E8P1(T) + f3t(!-'- P,t)E8P2{7:) + h(Ot)·
h( O) = rx2(). -A.2)EoP1 ( 7:)+{32(1-' -!-'2)EoP2( 1:) +h(02), h(O) = a.3(A.-A.3)EoP1 (T)+ {33(1-'- ft3)EoP z( 1:) + h(03).
Stąd otrzymujemy, że jeżeli funkcja h(O), O E A, jest funkcją efektywnie estymowalną,
to istnieją stałe: k1 , k2 , k3 , k4 , h, 12 , / 3 , /4 , dla których:
h(O) = k1 J.#+k2A.+k3ft+k4 . /1 A.p + 12). +/3ft+ /4
PRzYKŁADY. Przyjmijmy b0 = O, ai > O. Oznaczmy:
Tr0(x(·)) = inf{t: LaiTi(t) =to}, EoP1(-r,0 ) = t0 , i
D2P1(Tto) =O, EoN(Tr0) = A.to, DtN(Tt0 ) =).to.
Niech h(O) = h(A., p)= h(A.). Niechestymator /(7:,0, S-r,0)będzie efekty\\ny dla tego planu. Wówczas jest on efektywny w punkcie 01 , a więc
A.ihl(01) ( N( Tro) )
/(T,o, Sr,o) = c(01) Eo1N(T,o) At -to +lz().1).
Otrzymaliśmy więc, że jeżeli estymator f( Tto' sr,) jest efektywny, to:
/(Tr0 , S-r,0 ) = c1N('tr0)+c2
Funkcją efektywnie estymowalną dla tego planu będzie funkcja h().)= C1Ato+cz.
W szczególności estymator f( 7:,0, S-rt) = N( -,:,)ft0 jest efektywnym estymatorem dla funkcji h(1) = 1.
Oznaczmy przez 'fx0 czas zatrzymania, jak następuje:
T x0 ( x( · ) ) = inf {t: N (t, x( · ) ) = x0} ,
h(O) = h(J., p,) = h(1), EoN('fx0 ) = Xo,
Z wzorów (13), (24) otrzymujemy, że
Eo
(L
a, T, ('tx))
= X o/;., D~(La,T,('fx0)) = Xo/12 •; i
Niech estymator f(-,:xo' s'J::J'O) będzie efektywny dla funkcji h(J.). Wówczas jest on efektywny w punkcie O 1
1(-r "., x0) = c(01)hi( 11) ;: { ~:
-L
l a1T,(r.,)} + h(01).A więc, jeżeli estymator f( T xo, x0 ) jest efektywny, to istnieją stałe c1 , c2 , dla których f('txo' Xo) = Ct
(L
a,T,('fxo))+c2.t
Wówczas funkcja efektywnie estymowalna przyjmie postać
X o h().)= c1 T+c2.
W szczególności estymator f( T:x , o x0 ) = L i a1 T1( 'fx o )fx0 jest efektywny dla funkcji h(1) = 1/1.
Załóżmy, że a1 = b1, a0 = b0 = O. Przez 7:~0 oznaczmy następujący czas zatrzy- mania:
Ti0(x(·)) = inf{t: N(t,x(·))+Z(t,x(·)) = x0 },
gdzie x0 jest liczbą naturalną, mniejszą od stanu populacji w chwili O, Eo{N(Ti0)+Z(Ti0) ) = Xo, D~{N(T!0)+Z(Ti0)) =O.
Z (13) otrzymujemy
Eo(L a,T,(Ti0)) = ).x_; , EoN( T;) = ).~u. Xo,
t f' r
Eo(Z(T~0)) = ).~p Xo.
Wykorzystując wzory (17), (18), (24), (26), otrzymamy
E"N('r;,)Z(-ri,) =
().t)'
x0(xo-l), m(~a,T,(-r;,)) = (A:op)•.Niech
Estymator ten jest efektywnym, nieobciążonym estymatorem funkcji h(ł., p) =
= 1/(ł.+ ft).
Prace cytowane
[l] )1(. 11. B a p p a, OcHoeoz MameMamut~ecKou cmamucmuKu (nepeB. c cpp~.), MocKBa 1974, str. 52-53.
[2] P. B i Ił i n g s l e y, Statistical inference for Markov process, The University of Chicago Press, 1961, str. 65.
[3] D o S u n B a i, E/ficient estimation o/ transition probabilities in a Markov chain, Ann. Math.
Statist. 3 (6) (1975).
[4] 11. r H X M a H, A. B. c I< o p o X o~' TeopuR CAYtlaUHblX npofłeCC08, T. l, Moci<Ba 1971, str. 600.
[5] R. R 6 ż a ń s k i, A modification o f Sudakov' s /emma and eff';citnt sequentia/ p/ans for the Ornstt!in-Uh/enbeck proctss, Zastosowania Matematyki 17 (1980), p. 73-86.
[6] S. T r y b u ł a, Sequential estimation in processes with independent increments, Dissertationes Mathematicae, LX, Warszawa 1968.
[7] -, Sequential estimation in Markov processes with finite number of states, Instytut Matematyki Politechniki Wrocławskiej, Komunikat nr 120.
INSTYTUT MATEMATYKI POLITECHNIK.I WROCLA WSKlEJ