萊維過程

设X_t是一个连续时间上的随机过程。也就是说，对于任何固定的t ≥ 0，X_t是一个随机变量。过程的增量为差值X_s − X_t（任意的时间t < s）。 独立增量意味着对于任何时间s > t > u > v，X_s − X_t和X_u − X_v相独立。

如果增量X_s − X_t的分布只依赖于时间间隔s − t，则称增量是稳定的。

例如，对于维纳过程，增量X_s − X_t服从均值为0，方差为s − t的正态分布。

对于泊松过程，增量X_s − X_t服从指数为s − t的泊松分布

莱维过程与无限可分分布有关：

• 增量的分布是无穷可分的。即对任意给定的n，X_t的分布可以表示为n个与X_t/n同分布的随机变量的和的分布。
• 反之，对于每个无穷可分的分布，可以构造出一个与之对应的Lévy过程。

当莱维过程的n阶矩${\displaystyle \mu _{n}(t)=E(X_{t}^{n})}$存在有限时， 它满足二项式等式：

${\displaystyle \mu _{n}(t+s)=\sum _{k=0}^{n}{n \choose k}\mu _{k}(t)\mu _{n-k}(s).}$

定义
X为维纳过程（或者标准布朗运动） 当且仅当

1. 对任何${\displaystyle \scriptstyle t\geq 0}$， 随机变量${\displaystyle X_{t}}$服从正态分布${\displaystyle \scriptstyle {\mathcal {N}}(0,t)}$,
2. 它的轨迹是几乎处处连续的；即， 对于几乎所有的事件${\displaystyle \scriptstyle \omega }$，关于t的函数${\displaystyle \scriptstyle \omega \mapsto X_{t}(\omega )}$是连续的。

性质

• 它的傅立叶变换为：

${\displaystyle \mathbb {E} {\Big [}e^{i\theta X_{t}}{\Big ]}=\exp \left(-{\frac {1}{2}}t\theta ^{2}\right)}$

其他性质可参考词条布朗运动。

定义
X为一个实参数为${\displaystyle \scriptstyle c\geq 0}$，测度为${\displaystyle \scriptstyle \nu }$ 复合泊松过程当且仅当它的傅立叶变换为：

${\displaystyle \mathbb {E} {\Big [}e^{i\theta X_{t}}{\Big ]}=\exp \left(ct\left(\int _{\mathbb {R} }e^{i\theta x}\nu (dx)-1\right)\right)}$.

性质

• 参数为 ${\displaystyle \scriptstyle c\geq 0}$，测度为Dirac测度${\displaystyle \scriptstyle \nu =\delta _{1}}$的复合泊松过程为泊松过程.
• 设N为参数为${\displaystyle \scriptstyle c\geq 0}$的泊松过程，${\displaystyle \scriptstyle S_{n}=\sum _{k=0}^{n}Y_{k}}$为一个随机游走（${\displaystyle \scriptstyle Y_{1}}$的分布为${\displaystyle \scriptstyle \nu }$），那么${\displaystyle \scriptstyle X_{t}=S_{N_{t}}}$为一个复合泊松过程。