Kolmogorov Forward or Backward Equations
约 652 个字 1 张图片 预计阅读时间 3 分钟
Kolmogorov Backward Equation¶
对马尔可夫半群 \(\{ Q_t\}_{t\ge0}\) 和生成元 \(\mathcal{L}\),有
定义 \(f_t = Q_t f\),则有 \(\frac{\mathrm{d}}{\mathrm{d}t} f_t = \mathcal{L}f_t\)
Kolmogorov Forward Equation¶
算子的共轭(conjugate):对算子 \(P\),其共轭 \(p^*\) 满足 \(\langle Px, y\rangle = \langle x, P^*y\rangle\)
对于连续马尔可夫链,\(\mathbf{E}[f(X_t)]\) 有两种计算方式:站在时间 \(t\) 的角度,或者站在时间 \(t=0\) 的角度,因而有 \(\mathbf{E}[f(X_t)] = \langle f, p_t \rangle = \langle Q_tf, p_0 \rangle = \langle f, Q_t^*p_0 \rangle\),进而 \(p_t = Q_t^*p_0\)。所以 \(Q_t\) 的共轭和离散情况下 \(P^t\) 作用相同。
同理可得,\(\frac{\mathrm{d}}{\mathrm{d}t}\mathbf{E}[f(X_t)] = \langle \mathcal{L}f, p_t \rangle = \frac{\mathrm{d}}{\mathrm{d}t}\langle f, p_t \rangle\),即 \(\langle f, \mathcal{L}^*p_t \rangle = \langle f,\frac{\mathrm{d}}{\mathrm{d}t}p_t \rangle\),所以有
这就是 Kolmogorov Forward Equation (KFE)。对应离散情况下的等式为:\(\pi_t - \pi_{t-1} = (P - I) \pi_{t-1}\),\(\mathcal{L}^*\) 对应 \(P - I\)
Distribution Evolution of a Diffusion¶
对于 diffusion \(\mathrm{d}X_t = \mu(X_t)\mathrm{d}t + \sigma (X_t)\mathrm{d}B_t\),可以用 KFE 来计算概率密度分布 \(p_t(x)\),也就是找到算子 \(\mathcal{L}^*\)
由于
可以通过计算 \(\frac{\mathrm{d}}{\mathrm{d}t}\mathbf{E}[f(X_t)]\) 得到,
那么就有
Computing Stationary Distribution¶
设 \(\pi(x)\) 为 stationary distribution,代入上节所得式子,得
Evolution of High Dimension Diffusion¶
对高维情况
这里 \(X_t, \mu(X_t), \mathrm{d}B_t \in \mathbb{R}^n, \sigma (X_t) \in \mathbb{R}^{n \times n}\)
有:
- Itô formula
- Multi-dimensional integration by parts formula
通过计算可以得到:
进而得到: