Radon-Nikodym定理

Radon-Nikodym定理 (Radon-Nikodym Theorem)

Radon-Nikodym定理是测度论与概率论的基石之一，由奥地利数学家 Johann Radon 于 1913 年在 $\mathbb{R}^n$ 上首次证明，后由波兰数学家 Otto Nikodym 于 1930 年推广至一般测度空间。该定理刻画了两个测度之间"稠密嵌套"关系的本质：若测度 $\nu$ 关于 $\sigma$-有限测度 $\mu$ 绝对连续，则存在唯一的可测函数 $f$（称为 Radon-Nikodym 导数或密度函数），使得 $\nu$ 可由 $f$ 对 $\mu$ 的积分完全表示。

定理的严格陈述

设 $(\Omega, \mathcal{F})$ 为一可测空间，$\mu$ 与 $\nu$ 是定义于其上的两个 $\sigma$-有限测度。若 $\nu$ 关于 $\mu$ 绝对连续，记作 $\nu \ll \mu$，即对任意 $A \in \mathcal{F}$，当 $\mu(A) = 0$ 时必有 $\nu(A) = 0$，则存在一个非负 $\mathcal{F}$-可测函数 $f: \Omega \to [0, \infty)$，使得对任意 $A \in \mathcal{F}$ 有：

该函数 $f$ 在 $\mu$-几乎处处意义下唯一，记作 $\frac{d\nu}{d\mu}$，称为 $\nu$ 关于 $\mu$ 的 Radon-Nikodym 导数。若 $\mu$ 与 $\nu$ 相互绝对连续（$\nu \ll \mu$ 且 $\mu \ll \nu$，记作 $\nu \sim \mu$），则：

这两条链式法则使得密度函数的行为与微积分中的普通导数一致。

经济学与计量经济学中的应用

条件期望的概率密度表示：在概率空间 $(\Omega, \mathcal{F}, P)$ 上，给定子 $\sigma$-代数 $\mathcal{G} \subseteq \mathcal{F}$，条件期望 $E[X \mid \mathcal{G}]$ 本质上是指标测度 $\nu(A) = \int_A X \, dP$ 在 $(\Omega, \mathcal{G})$ 上关于 $P$ 限制的 Radon-Nikodym 导数。这一定义统一了初等概率论中按密度函数定义的离散与连续条件期望，并直接导出条件期望的投影性质——条件期望是 $L^2(\Omega, \mathcal{F}, P)$ 到 $L^2(\Omega, \mathcal{G}, P)$ 的正交投影，构成了OLS回归与最优预测的泛函基础。

测度变换与资产定价：在金融经济学中，Radon-Nikodym 定理是风险中性定价的理论根基。设 $P$ 为客观概率测度，$Q$ 为等价鞅测度（$Q \sim P$），则资产定价基本定理（无套利条件）要求存在 Radon-Nikodym 导数 $\frac{dQ}{dP}$ ——在 Black-Scholes 经济中即为：

其中 $\theta_s = (\mu - r)/\sigma$ 为风险的市场价格。任意衍生品的无套利价格可表为 $V_0 = E^Q[e^{-rT} H] = E^P[\frac{dQ}{dP} e^{-rT} H]$。Girsanov 定理保证了测度变换下布朗运动的漂移调整，其 Radon-Nikodym 导数的具体形式是新息过程（innovation process）与鞅表示定理的核心要素。

统计推断中的似然比：设 $\{P_\theta: \theta \in \Theta\}$ 为统计模型族，它们关于某个控制测度 $\mu$（通常取 Lebesgue 测度或计数测度）绝对连续，则 Rao-Blackwell 定理与 Neyman-Pearson 引理的表述均以 Radon-Nikodym 导数（即似然函数 $L(\theta) = \frac{dP_\theta}{d\mu}$）为中心。在贝叶斯统计中，后验分布同样是先验测度的 Radon-Nikodym 导数变换结果。

Lebesgue 分解：Radon-Nikodym 定理的补充结论是 Lebesgue 分解定理：对任意 $\sigma$-有限测度 $\nu$ 与 $\mu$，$\nu$ 可唯一分解为 $\nu = \nu_{\text{ac}} + \nu_{\text{s}}$，其中 $\nu_{\text{ac}} \ll \mu$ 且 $\nu_{\text{s}} \perp \mu$（奇异部分）。这在资产收益率建模中区分了连续分布与离散跳跃成分，也为Copula函数的 Sklar 定理提供了测度分解框架。