مثال معروف انتگرال ایتو
\(\large{\int_{\,0}^{\,t}{{B_s}}\;d{B_s}=\frac{1}{2}B_t^2-\frac{1}{2}t}\)
این مثال بسیار معروفی در حوزه انتگرال گیری ایتو می باشد که البته نشان دهنده وجه تمایز بین حسابان معمولی و جسابان تصادفی نیز هست .
فرض کنید حرکت براونی با شروع اولیه از صفر داریم .
\(\large{{\phi_n}(s,\omega)=\sum\limits_j{{B_j}(\omega)\cdot{\chi_{[{t_j}\,,\,{t_{j + 1}})}}(s)}}\)
به جهت اثبات تابع فی را به صورت فوق تعریف می کنیم .
\(\large{{B_j}={B_{{t_j}}}},B_0=0\)
با استفاده از تعریف انتگرال تصادفی می توانیم بنویسیم
\(\large{\begin{array}{l}
E\left[{\int_{\,0}^{\,t}{{{\left({{\phi_n}-{B_s}}\right)}^2}} \;ds}\right]=E\left[{\sum\limits_j{\int_{\,{t_j}}^{\,{t_{j+1}}} {{{\left({{B_j}-{B_s}}\right)}^2}}\;ds}}\right]\\
\quad\quad\quad\quad\quad\quad\quad\quad=\sum\limits_j{\int_{\,{t_j}}^{\,{t_{j+1}}}{(s-{t_j})}\;ds}=\sum\limits_j{\frac{1}{2}{{({t_{j+1}}-{t_j})}^2}}\;\to\;0\quad\quad\Delta{t_j}\;\to \;0\end{array}}\)
\(\large{\int_{\,0}^{\,t}{{B_s}}d{B_s}=\mathop{\lim}\limits_{\Delta{t_j}\;\to\;0}\int_{\,0}^{\,t}{{\phi _n}}d{B_s}=\mathop{\lim}\limits_{\Delta{t_j}\;\to\;0} \sum\limits_j{{B_j}\Delta{B_j}}}\)
حال می توانیم بنویسیم
\(\Delta\left({B_j^2}\right)=B_{j+1}^2-B_j^2\\B_{j+1}^2-B_j^2+B_j^2-B_j^2+2B_{j+1}B_j-2B_{j+1}B_j\\={\left({{B_{j+1}}-{B_j}}\right)^2}+2{B_j}\left({{B_{j+1}}-{B_j}}\right)=\\{\left({\Delta{B_j}}\right)^2}+2{B_j}\Delta{B_j}\)
با توجه به قاعده ادغام داریم
\(B_t^2-B_o^2=\\\)
\((B_{t}^2-B_{t-1}^2)+(B_{t-1}^2-B_{t-2}^2)+(B_{t-2}^2-B_{t-3}^2)+\cdots+(B_{1}^2-B_{0}^2)\\\)
\(=\sum\limits_j{\Delta\left({B_j^2}\right)}=\\\)\(\sum\limits_j({{{\left({\Delta{B_j}}\right)}^2}}+2{{B_j}\Delta{B_j}})=\)\(\sum\limits_j{{{\left({\Delta{B_j}}\right)}^2}}+2\sum\limits_j{{B_j}\Delta{B_j}}\\\)
یا به عبارتی
\(\sum\limits_j{{B_j}\Delta{B_j}}=\frac{1}{2}B_t^2-\frac{1}{2}\sum\limits_j{{{\left({\Delta{B_j}}\right)}^2}}\)
وقتی افراز زمانی را به سمت صفر میل دهیم خواهیم داشت
\(\Delta{t_j}\;\to\;0\Rightarrow\sum\limits_j{{{\left({\Delta{B_j}}\right)}^2}}\;\to\;t\)
سلام ممنون بخاطر سایت و مطالب و کتاب های عالی تون. اگه امکانش هست سوالم رو جواب بدید.
در انتگرال تصادفی وقتی از نقطه ابتدایی استفاده کنیم به آن انتگرال ایتو میگیم اگر از نقطه انتهایی و میانی استفاده کنیم.به آن چه میگوییم
با سلام، در انتگرال تصادفی اگر از نقطه میانی استفاده کنیم به آن انتگرال استراتونویچ گوییم.
سلام خیلیی ممنونم
اگر از نقطه انتهایی استفاده کنیم چه اسمی داره ؟و در چه کتابی میتونم درباره اش مطالعه کنم؟
در کتاب معادلات دیفرانسیل oksendal درباره اش چیزی ندیدم.
خیلی سپاسگذارم از پاسخگویی شما.
همانطور که جناب کاظمی فرمودن برای میانی stratonovich
اما حالت های دیگه کاربردی ندارند . البته استراتونووچ هم زیاد استفاده نمیشه
با سلام
من یک مدل کنترل بهینه تصادفی دارم که میخواستم قطعیش کنم شما روش ساده ایی برای آن سراغ دارید منبع یا جزوه ایی که من با مطالعش بتونم این کارو بکنم؟-ممنون