关于满足特定条件的高斯过程中某事件概率严格大于0的推导疑问
嘿，我来帮你拆解这个逻辑链，其实这个结论是全支撑性质加上高斯过程的基本特性共同推导出来的，咱们一步步理清楚：
首先先解决你的第一个疑问：$Y$确实是高斯过程。因为$Y_t$是标准布朗运动$W$的随机积分，而布朗运动本身是高斯过程，随机积分本质上是高斯随机变量的线性组合的极限（黎曼和逼近），而高斯变量的线性组合仍然是高斯的，所以整个过程$Y$是高斯过程，而且显然$Y_0 = \int_0^0 K(0,s)dW_s = 0$，正好落在$C_0^T$这个空间里。
接下来看核心的推导步骤，关键在于第二个命题给出的全支撑性质：当条件满足时，$Y$的概率测度在$C_0^T$中具有全支撑，也就是说：
对于$C_0^T$中任何非空开集$U$，都有$\mathbb{P}[Y \in U] > 0$
现在咱们把目标事件${Y_t \geq \lambda t -1, t \in [0,T]}$转化为函数空间里的集合：
$$A = { y \in C_0^T : y(t) \geq \lambda t -1, \forall t \in [0,T] }$$
这个集合$A$本身不是开集，但我们可以找到一个完全包含在$A$里的非空开集，这样利用全支撑性质就能得到概率大于0的结论：
- 先构造一个“严格落在$A$内部”的连续函数：比如取$\delta > 0$（比如$\delta=0.5$），定义$y_0(t) = \lambda t - 1 + \delta$，显然$y_0 \in C_0^T$（因为$y_0(0)=0 > -1$，且连续），而且对所有$t \in [0,T]$，$y_0(t) > \lambda t -1$。
- 然后取$y_0$在$C_0^T$中的一个开邻域（用一致拓扑，也就是sup范数定义的邻域）：
$$U = \left{ y \in C_0^T : \sup_{t \in [0,T]} |y(t) - y_0(t)| < \frac{\delta}{2} \right}$$
这个邻域里的任意函数$y$都满足：
$$y(t) \geq y_0(t) - \frac{\delta}{2} = (\lambda t -1 + \delta) - \frac{\delta}{2} = \lambda t -1 + \frac{\delta}{2} > \lambda t -1$$
所以$U \subset A$。
因为$U$是$C_0^T$中的非空开集，根据全支撑性质，$\mathbb{P}[Y \in U] > 0$，而$U$是$A$的子集，所以$\mathbb{P}[Y \in A] \geq \mathbb{P}[Y \in U] > 0$，这就得到了你想要的结论$\mathbb{P}[Y_t \geq \lambda t -1, t \in [0,T] ]> 0$。
最后补充一下：第一个命题保证了$Y$存在连续版本，这是我们能把$Y$看作$C_0^T$中随机变量的前提——毕竟全支撑性质是在连续函数空间上定义的，没有连续版本的话这个讨论就不成立了。
备注：内容来源于stack exchange，提问作者User341562
