전환 커널

Transition kernel

확률의 수학에서 전환 커널이나 커널은 응용 분야가 다른 수학의 함수다.예를 들어, 커널은 무작위 측정 또는 확률적 프로세스를 정의하는데 사용될 수 있다.커널의 가장 중요한 예는 마르코프 커널이다.

정의

, ) , (, T) T, 을(를) 두 개의 측정 가능한 공간으로 한다.A함수

다음 두 조건이 지속되는 경우 에서 t})까지의 (전환) 커널이라고 한다.[1]

  • 고정 대한 매핑
/ ([ + - 측정 가능;
  • 모든 고정 for 에 대해 매핑
, ) 에 대한 측정값 입니다

전환 커널 분류

전환 커널은 보통 그들이 정의하는 측정에 의해 분류된다.이 측정치는 다음과 같이 정의된다.

와 함께

모든 모든 {\에 대해 이 표기법으로 커널 을(를) 호출한다[1][2]

  • 모든 이 하위 확률 측정값인 경우 하위 확률 커널, 하위 확률 커널 또는 하위 마코프 커널
  • a 마르코프 커널, 확률 커널 또는 확률 커널(모든 s 확률 측정값인 경우
  • 모든 유한 측정인 경우 유한 커널
  • a 모든 (가) {\displaystyle \cappa _{}인 {\} -complete 측정값
  • s-값 커널은 유한한 커널의 계수 가능한 합으로 쓸 수 있는 커널이다.
  • A한결같이σ{\displaystyle \sigma}-finite 커널이 있다면 sκ(B나는)<>로 T{T\displaystyle};∞{\displaystyle \kappa_{s}(B_{나는})&lt에서 가장 셀 수 있게 많은 측정 가능한 세트 B1, B2,…{\displaystyle B_{1},B_{2},\dots}에 모든 s∈에 \infty}S{\displaystyles\in S}과 모든 있다. 나는 ∈

운영

In this section, let , and be measurable spaces and denote the product σ-algebra of and 포함

커널 제품

정의

Let be a s-finite kernel from to and be a s-finite kernel from to . Then the product 개의 커널 중 개는 다음과[3][4] 같이 정의된다.

모든 에 대해

속성 및 주석

The product of two kernels is a kernel from to . It is again a s-finite kernel and is a -finite kernel if and are -finite kernels낟알의 산물은 또한 연관성이 있다, 그것은 그것이 만족한다는 것을 의미한다.

3개의 적합한 s-배열 커널에 대해 1, , 3 ^{^{

The product is also well-defined if is a kernel from to . In this case, it is treated like a kernel from to that is independent of . This is equivalent to설정

모든 및 모든 에 대해[4][3]

커널 구성

정의

Let be a s-finite kernel from to and a s-finite kernel from to . Then the composition }}개의 커널은 다음과[5][3] 같이 정의된다.

모든 에 대해

속성 및 주석

구성은 에서 까지의 커널로, 다시 s-마인트가 된다.낟알의 구성은 그것이 만족한다는 의미인 연관성이 있다.

for any three suitable s-finite kernels . Just like the product of kernels, the composition is also well-defined if is a kernel from to .

대체 표기법은 }이다

연산자로서의 커널

+, + mathcal {\{T에 대한 양의 측정 가능한 함수의 집합이 되도록 한다

에서 T 까지의 모든 커널 은(는) 선형 연산자와 연결할 수 있다.

[6] 의해 주어지는.

이들[3] 연산자의 구성은 낟알의 구성과 양립할 수 있다.

참조

  1. ^ a b Klenke, Achim (2008). Probability Theory. Berlin: Springer. p. 180. doi:10.1007/978-1-84800-048-3. ISBN 978-1-84800-047-6.
  2. ^ Kallenberg, Olav (2017). Random Measures, Theory and Applications. Switzerland: Springer. p. 30. doi:10.1007/978-3-319-41598-7. ISBN 978-3-319-41596-3.
  3. ^ a b c d e Kallenberg, Olav (2017). Random Measures, Theory and Applications. Switzerland: Springer. p. 33. doi:10.1007/978-3-319-41598-7. ISBN 978-3-319-41596-3.
  4. ^ a b Klenke, Achim (2008). Probability Theory. Berlin: Springer. p. 279. doi:10.1007/978-1-84800-048-3. ISBN 978-1-84800-047-6.
  5. ^ Klenke, Achim (2008). Probability Theory. Berlin: Springer. p. 281. doi:10.1007/978-1-84800-048-3. ISBN 978-1-84800-047-6.
  6. ^ Kallenberg, Olav (2017). Random Measures, Theory and Applications. Switzerland: Springer. pp. 29–30. doi:10.1007/978-3-319-41598-7. ISBN 978-3-319-41596-3.