30 UvodDefinicija 1.2.20 Konačnodimenzionalne raspodele slučajnog procesa{X t : t ∈ T } su date saF t1 ,...,t n(x 1 , . . . , x n ) = P {(X t1 , . . . , X tn ) ∈ (−∞, x 1 ]×· · ·×(−∞, x n ]},n ∈ Ngde su t i ∈ T, x i ∈ R d , i = 1, 2, . . .Teorema 1.2.13 Familija konačnodimenzionalnih raspodela na ((R d ) n , B((R d ) n ))zadovoljava sledeća dva uslova:1. uslov saglasnostiF t1 ,...,t m,t m+1 ,...,t n(x 1 , . . . , x m , ∞, . . . , ∞) = F t1 ,...,t m(x 1 , . . . , x m ) (1.83)za svako m < n i t 1 , . . . , t n ∈ T .2. uslov simetrijeF t1 ,...,t n(x 1 , . . . , x n ) = F tπ(1) ,...,t π(n)(x π(1) , . . . , x π(n) ) (1.84)za svako n ∈ N i svako π iz grupe permutacija brojeva {1, 2, . . . , n}.Teorema 1.2.14 (Kolmogorov) Za svaku familiju funkcija raspodele kojazadovoljava uslov saglasnosti i simetrije postoji prostor verovatnoće (Ω, F, P )i slučajan proces {X t : t ∈ T } definisan na njemu, čije su konačnodimenzionalneraspodele upravo one date.Prostor (Ω, F, P ) iz prethodne teoreme je prostor((R d ) T , B(R d ) T , P X ) u kojemje mera P X dobijena produženjem odgovarajućih konačnodimenzionalnihverovatnosnih mera. Mera P X se naziva raspodela verovatnoća procesa X t .Dakle, svaki (klasičan) slučajan proces možemo posmatrati iz tri ekvivalentneperspektive: kao merljivo preslikavanje Ω → (R d ) T , kao preslikavanjeT → L 0 (Ω) ili kao zajedničko-merljivo preslikavanje T × Ω → R d . Koduopštenih slučajnih procesa imaćemo analogne koncepte koji nisu ekvivalentni,već definišu uopštene procese različitog tipa.Definicija 1.2.21 Slučajan proces X t je stacionaran ako za svako h > 0i svako t i , t i + h ∈ T, i ∈ N važiF t1 +h,...,t n+h(x 1 , . . . , x n ) = F t1 ,...,t n(x 1 , . . . , x n ). (1.85)Proces je stacionaran u širem smislu ako je E(X t ) = const i Cov(X t , X s ) =C(t − s), gde je C funkcija jedne promenljive.
1.2 Osnovi stohastičke analize 31Definicija 1.2.22 Slučajan proces X t je gausovski proces ako su sve njegovekonačnodimenzionalne raspodele normalne.Gausovski proces je potpuno okarakterisan svojim matematičkim očekivanjemm(t) = E(X t ) i kovarijansnom funkcijom E(X t X s ) − m(t)m(s).Definicija 1.2.23 Neka je (Ω, F, P ) prostor verovatnoće. Familija pod-σalgebri{F t } se naziva filter ako za svako s < t važi F s ⊆ F t .Definicija 1.2.24 Slučajan proces {X t : t ∈ T } je adaptiran filteru {F t }ako je za svako t ∈ T slučajna promenljiva X t (ω) F t -merljiva.Definicija 1.2.25 Slučajan proces {M t } je martingal u odnosu na filter{F t }, ako ima osobine:1. za svako t ∈ T je E(|M t |) < ∞2. za svako s ≤ t je E(M t |F s ) = M sAko se filter ne navodi eksplicitno, podrazumevamo da je F t σ-algebragenerisana familijom slučajnih promenljivih {X s : s ≤ t}.Definicija 1.2.26 Slučajan proces {X t } je markovski proces ako za svakot > s i svaki Borelov skup B iz R d važiskoro sigurno.P {X t ∈ B|F s } = P {X t ∈ B|X s } (1.86)Brownovo kretanjeDefinicija 1.2.27 Sučajan proces {B tkretanje (Wienerov proces) ako važi:: t ∈ [0, ∞)} se naziva Brownovo1. B 0 = 0 skoro sigurno.2. Priraštaji su nekorelirani.3. Za svako 0 < s < t priraštaj B t − B s ima normalnu N(0, (t − s)I)raspodelu, gde je I jedinična d × d matrica.