KNOWECON WIKI

ARTICLE

拉东-尼科迪姆导数

拉东-尼科迪姆导数 (Radon–Nikodym Derivative) 拉东-尼科迪姆导数是测度论中的核心概念，由 Johann Radon 于 1913 年提出、Otton Nikodym 于 1930 年推广。它推广了微积分中"导数"的直觉：给定两个测度 和 ，若 关于 绝对连续，则存在一个可测函数 f 使得 可表示为 f 对 的积分—— f 即称为

浏览 0 更新 2025-11-08

拉东-尼科迪姆导数 (Radon–Nikodym Derivative)

拉东-尼科迪姆导数是测度论中的核心概念，由 Johann Radon 于 1913 年提出、Otton Nikodym 于 1930 年推广。它推广了微积分中"导数"的直觉：给定两个测度 μ \mu 和 ν \nu ，若 ν \nu 关于 μ \mu 绝对连续，则存在一个可测函数 f f 使得 ν \nu 可表示为 f f 对 μ \mu 的积分——f f 即称为 ν \nu 关于 μ \mu 的拉东-尼科迪姆导数，记作 dνdμ \frac{d\nu}{d\mu} 。

动机：从密度函数到抽象导数

在初等概率论中，若随机变量 X X 具有概率密度函数 p(x) p(x) ，则其分布可写为：

P(X∈A)=∫Ap(x) dxP(X \in A) = \int_A p(x)\,dx

此处 dx dx 对应勒贝格测度，p(x) p(x) 就是分布关于勒贝格测度的"导数"。拉东-尼科迪姆定理将这一思想推广到任意测度空间：只要 ν \nu 关于 μ \mu 绝对连续，就一定存在这样的"广义密度" f f 。

绝对连续性与拉东-尼科迪姆定理

设 (Ω,F) (\Omega, \mathcal{F}) 为可测空间，μ \mu 和 ν \nu 为其上的 σ \sigma -有限测度。

绝对连续

称 ν \nu 关于 μ \mu 绝对连续（记作 ν≪μ \nu \ll \mu ），若对任意 A∈F A \in \mathcal{F} ：

μ(A)=0  ⟹  ν(A)=0\mu(A) = 0 \implies \nu(A) = 0

即 ν \nu 不会把正测度分配给 μ \mu -零集。这是密度函数存在性的必要条件。

拉东-尼科迪姆定理

若 ν≪μ \nu \ll \mu ，则存在唯一的（μ \mu -a.e.）非负 F \mathcal{F} -可测函数 f f ，使得对任意 A∈F A \in \mathcal{F} ：

ν(A)=∫Af dμ\nu(A) = \int_A f \, d\mu

称 f=dνdμ f = \frac{d\nu}{d\mu} 为 ν \nu 关于 μ \mu 的拉东-尼科迪姆导数。该定理是测度论中最重要的存在性定理之一，经典证明由 von Neumann 给出，依赖哈恩分解与希尔伯特空间方法。

基本性质

拉东-尼科迪姆导数具有与普通导数类似的性质：

  • 链式法则：若 ν≪μ≪λ \nu \ll \mu \ll \lambda ，则 dνdλ=dνdμ⋅dμdλ \frac{d\nu}{d\lambda} = \frac{d\nu}{d\mu} \cdot \frac{d\mu}{d\lambda} （λ \lambda -a.e.）。
  • 线性性：d(aν1+bν2)dμ=adν1dμ+bdν2dμ \frac{d(a\nu_1 + b\nu_2)}{d\mu} = a\frac{d\nu_1}{d\mu} + b\frac{d\nu_2}{d\mu} 。
  • 测度变换公式：对任意 ν \nu -可积函数 g g ，有 ∫g dν=∫g⋅dνdμ dμ \int g\,d\nu = \int g \cdot \frac{d\nu}{d\mu}\,d\mu 。

与概率论的联系

拉东-尼科迪姆导数在概率论中有两个核心应用。

条件期望

给定概率空间 (Ω,F,P) (\Omega, \mathcal{F}, P) 及子 σ \sigma -代数 G⊆F \mathcal{G} \subseteq \mathcal{F} ，对任意可积随机变量 X X ，定义 ν(A)=∫AX dP \nu(A) = \int_A X\,dP （A∈G A \in \mathcal{G} ）。由于 ν≪P∣G \nu \ll P|_{\mathcal{G}} ，由拉东-尼科迪姆定理，存在 G \mathcal{G} -可测的 f f 使得 ν(A)=∫Af dP \nu(A) = \int_A f\,dP 。该 f f 即为条件期望 E[X∣G] E[X \mid \mathcal{G}] ：

∫AX dP=∫AE[X∣G] dP∀A∈G\int_A X\,dP = \int_A E[X \mid \mathcal{G}]\,dP \quad \forall A \in \mathcal{G}

条件期望的整个理论体系建立于拉东-尼科迪姆导数之上。

测度变换与Girsanov定理

在金融数学中，从真实概率测度 P P 变换到风险中性测度 Q Q 时，拉东-尼科迪姆导数 dQdP \frac{dQ}{dP} 扮演核心角色。Girsanov定理表明，通过 dQdP \frac{dQ}{dP} 的适当构造，可将漂移项不为零的随机过程转化为鞅，这是Black-Scholes期权定价模型和现代资产定价理论的数学基础。

与勒贝格分解

并非任意两个测度之间都存在拉东-尼科迪姆导数。勒贝格分解定理指出，任意 σ \sigma -有限测度 ν \nu 可唯一分解为：

ν=νac+νs\nu = \nu_{\text{ac}} + \nu_{\text{s}}

其中 νac≪μ \nu_{\text{ac}} \ll \mu （绝对连续部分，有导数），νs⊥μ \nu_{\text{s}} \perp \mu （奇异部分，无导数）。若 ν \nu 中有狄拉克测度等离散成分，则不可对 μ \mu 求导——这对应着概率论中离散随机变量没有密度函数的直观。

经济学与计量经济学中的应用

  • 贝叶斯推断：后验分布关于先验分布的拉东-尼科迪姆导数正比于似然函数，这是贝叶斯定理的测度论表述。
  • 信息经济学：Kullback-Leibler散度 DKL(P∥Q)=∫log⁡(dPdQ) dP D_{KL}(P \parallel Q) = \int \log\left(\frac{dP}{dQ}\right)\,dP 的定义直接依赖拉东-尼科迪姆导数，用于量化信息增益与模型选择。
  • 决策理论与金融：在期望效用理论中，不同概率信念下的效用比较可通过拉东-尼科迪姆导数进行测度变换分析；等价鞅测度的存在性（资产定价第一基本定理）亦以此为基础，构成无套利定价的测度论根基。

拉东-尼科迪姆导数将初等微积分中"变化率"的直觉提升为测度之间"相对稠密程度"的精确描述，是现代概率论、随机分析和数理经济学不可或缺的工具。