ウィーナー過程

数学におけるウィーナー過程（ウィーナーかてい、英: Wiener process）は、ノーバート・ウィーナーの名にちなんだ連続時間確率過程である。ウィーナー過程はブラウン運動の数理モデルであると考えられ、しばしばウィーナー過程自身をブラウン運動と呼ぶ。最もよく知られるレヴィ過程（右連続かつ定常な独立増分確率過程）の一つであり、純粋数学、応用数学、経済学、物理学などにおいてしばしば現れる。

概要[編集]

ウィーナー過程は純粋数学、応用数学の両方で重要な役割を演じる。

純粋数学においては、ウィーナー過程は連続時間マルチンゲールの研究から生じ、より複雑な確率過程を記述する鍵となる確率過程である。そのため、確率解析、拡散過程、あるいはポテンシャル論においてさえも、極めて重要な役割を果たしている。

応用数学においては、ウィーナー過程はホワイト・ノイズの積分を表すものとして用いられ、それゆえに電子工学におけるノイズ、フィルタリング理論における機器誤差、制御理論における未知の力 (unknown force) などの数理モデルとして有用である。

応用[編集]

ウィーナー過程の応用は数理科学の様々なところに現れる。

物理学においては、ブラウン運動、流体に浮遊する微粒子の拡散、フォッカー-プランク方程式やランジュバン方程式を通した様々な拡散の様子などを研究するのに用いられる。 こういった応用は量子力学における経路積分の厳密な定式化（ウィーナー積分として表されるシュレーディンガー方程式の解であるファインマン-カッツの公式によるもの）や宇宙論における永久インフレーションの研究の基礎を形成している。

また、数理ファイナンスの理論、特にブラックとショールズのオプション価格モデルなどにも顕著に現われている。

特徴づけ[編集]

ウィーナー過程 W_t は次の条件

• W₀ = 0
• W_t はほとんど確実に（確率 1 で）連続
• W_t は独立増分を持ち、0 ≤ s < t なる任意の s, t に対して、W_t − W_s は正規分布 N(0, t − s) に従う

によって特徴付けられる。ここで、N(μ, σ²) は期待値 μ, 分散 σ² の正規分布を表す。 また独立増分とは、「0 ≤ s ≤ t ≤ s′ ≤ t′ であるならば、W_t − W_s と W_t′ − W_s′ とが独立な確率変数となる」ことを意味する。

レヴィ条件 (Lévy characterization) からウィーナー過程を特徴づけられる。この場合、ウィーナー過程は、ほとんど確実に連続なマルチンゲールで W₀ = 0 かつ二次変分 [W_t, W_t] が t になるものとして特徴づけられる。

また、係数が標準正規分布 N(0, 1) に従う独立な確率変数であるような正弦級数で表されるスペクトル表現を持つ確率過程としてウィーナー過程を特徴付ける方法もある。このような表現はカルーネン-レーヴェの定理（英語版）を用いることで得られる。

平均 0, 分散 1 の独立同分布な離散時間連鎖のスケーリングの極限は、ウィーナー過程に確率収束する（ドンスカーの定理（英語版））。酔歩と同様にウィーナー過程は、一次元または二次元において再帰的 (recurrent) （つまり、出発点の半径任意の近傍に確率 1 で無限回戻ってくる）となるが、三次元以上では過渡的である。酔歩と異なる点は、それがスケール不変であることである。つまりいかなる非零定数 α ≠ 0 についても

$${\displaystyle \alpha ^{-1}W_{\alpha ^{2}t}}$$

はウィーナー過程となる。ウィーナー測度はウィーナー過程によって誘導される、g(0) = 0 を満たす連続関数 g たちの成す関数空間上の確率分布である。ウィーナー測度に基づいて定義される積分をウィーナー積分と呼ぶことがある。

一次元ウィーナー過程[編集]

時刻 t における確率密度関数は

$${\displaystyle f_{X}(x;t)={\frac {1}{\sqrt {2\pi \alpha t}}}e^{-x^{2}/{2\alpha t}}}$$

期待値は

$${\displaystyle \mu _{X}=0}$$

時刻 t₁, t₂ 間の共分散・相関は

$${\displaystyle R_{XX}(t_{1},t_{2})=K_{XX}(t_{1},t_{2})=\alpha \min\{t_{1},t_{2}\}\,}$$

でそれぞれ与えられる^[1]。

関連のある確率過程[編集]

以下のように定義される確率過程

$${\displaystyle X_{t}=\mu t+\sigma W_{t}}$$

はドリフト項 μ と無限小分散 σ² を持つウィーナー過程と呼ばれる。

ウィーナー過程に、条件 W₀ = W₁ = 0 が与えられることによって定まる条件付確率分布をブラウン橋（英語版）と呼ぶ。

幾何ブラウン運動は

$${\displaystyle \exp {\left[\beta t-\left({\alpha ^{2}t \over 2}\right)+\alpha W_{t}\right]}}$$

と表され、株価のように決して負の値をとることのない確率過程のモデルとして用いられる。

関連項目[編集]

• 抽象ウィーナー空間
• 古典ウィーナー空間

出典[編集]

参考文献[編集]

• Kleinert, Hagen (2004). Path Integrals in Quantum Mechanics, Statistics, Polymer Physics, and Financial Markets (4th ed.). World Scientific. ISBN 981-238-107-4. http://www.physik.fu-berlin.de/~kleinert/b5 
• Stark, Henry; Woods, John W. (2002). Probability and Random Processes with Applications to Signal Processing (3rd ed.). Prentice Hall. ISBN 0-13-020071-9 

表 話 編 歴 確率論
確率の歴史	アンドレイ・コルモゴロフ トーマス・ベイズ アンドレイ・マルコフ ジョゼフ・L・ドゥーブ 伊藤清
確率の定義	客観確率 統計的確率 古典的確率 公理的確率 主観確率 ベイズ確率 確率の拡張 外確率 負の確率
基礎概念	モデル 試行 結果 事象 標本空間 確率測度 確率空間 確率変数 確率変数の収束 確率分布 離散確率分布 連続確率分布 同時分布 周辺分布 条件付き確率分布 独立同分布 関数 確率質量関数 確率密度関数 累積分布関数 特性関数 用語 独立 期待値 モーメント 条件付き確率 条件付き期待値
確率の解釈	ベルトランの逆説 3囚人問題 モンティ・ホール問題 サンクトペテルブルクのパラドックス 合接の誤謬 ギャンブラーの誤謬
問題	壺問題 クーポンコレクター問題
法則・定理	ベイズの定理 大数の法則 中心極限定理 コルモゴロフの0-1法則 デ・フィネッティの定理 ウィーナー＝ヒンチンの定理
測度論	確率測度の拡張 カラテオドリの拡張定理 E.ホップの拡張定理 コルモゴロフの拡張定理 ヴィタリの収束定理 ルベーグの優収束定理 ラプラス原理 スコロホッドの表現定理
確率微分方程式	伊藤の補題
確率過程	独立増分過程 定常過程 マルチンゲール マルコフ過程 マルコフ性 マルコフ連鎖 マルコフ決定過程 部分観測マルコフ決定過程 マルコフ再生過程 ウィーナー過程 ブラウン運動 幾何ブラウン運動 非整数ブラウン運動 ベルヌーイ過程 ガウス過程 自己相似過程 経験過程 中華料理店過程 オルンシュタイン＝ウーレンベック過程
情報量	最大エントロピー原理 交差エントロピー 結合エントロピー カルバック・ライブラー情報量 相互情報量
応用	数理ファイナンス ブラック–ショールズ方程式 確率的ボラティリティモデル 系統学 ベイズ法
カテゴリ