Kapitel 4: Stationäre Prozesse

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "Kapitel 4: Stationäre Prozesse"

Transkript

1 Kapitel 4: Statioäre Prozesse M. Scheutzow Jauary 6, Maßerhaltede Trasformatioe I diesem Kapitel führe wir zuächst de Begriff der maßerhaltede Trasformatio auf eiem Wahrscheilichkeitsraum ei ud defiiere, wa eie solche Trasformatio ergodisch bzw. misched heißt. Parallel dazu etwickel wir de Begriff eies statioäre Prozesses ud erarbeite die Beziehug zwische diese Begriffe. Höhepukt des Kapitels ist der Ergodesatz, Satz 12. Im gaze Kapitel ist (Ω, F, P) ei fester Wahrscheilichkeitsraum. Defiitio 1. Sei (E, E) ei Messraum. Ei (E, E)-wertiger Prozess X = (X ) N heißt statioär, we gilt L((X ) N ) = L((X +1 ) N ). Bemerkug: Iduktiv folgt da für jedes k N L((X ) N ) = L((X +k ) N ). Bemerkug: Ei (E, E)-wertiger Prozess X ist statioär, geau da we für jedes k N gilt. L((X 1, X 2,..., X k )) = L((X 2, X 3,..., X k+1 )) Warug: Ma beachte, dass es i obiger Defiitio keieswegs geügt, dass L(X ) = L(X +1 ) für alle N gilt: Sid zum Beispiel Y 1, Y 2,... uabhägig N (0, 1)-verteilt ud X 1 = X 2 = Y 2 ud X k := Y k für k 3, da gilt L(X ) = L(X +1 ) = N (0, 1) für alle N, aber der Prozess (X ) N ist icht statioär, da zum Beispiel L(X 1, X 2 ) L(X 2, X 3 )! Beispiel: Jede Folge vo u.i.v. Zufallsgröße (mit Werte i eiem beliebige Messraum (E, E)) ist ei statioärer Prozess. Defiitio 2. Eie Abbildug T : Ω Ω heißt maßerhaltede Trasformatio auf (Ω, F, P), we T F-F-messbar ist ud PT 1 = P gilt. 1

2 Bemerkug: Die messbare Abbildug T : Ω Ω ist maßerhalted geau da, we PT 1 (A) = P(A) für alle A aus eiem -stabile Erzeuger vo F gilt. Lemma 3. Sei T eie maßerhaltede Trasformatio auf (Ω, F, P) ud Y eie (E, E)-wertige Zufallsgröße auf (Ω, F, P). Da ist X 1 := Y, X 2 := X 1 T, X 3 := X 2 T,... statioär. Beweis. Für N ud A 1,..., A E gilt P{X 1 A 1,...X A } = PT 1 {X 1 A 1,...X A } = P{X 1 T A 1,..., X T A } = P{X 2 A 1,..., X +1 A }. Da {A 1... A Ω...; N, A 1,..., A E} ei -stabiler Erzeuger vo E N ist, folgt die Behauptug. Es stellt sich die Frage ach eier Umkehrug vo Lemma 3. Nu ka ma sehr leicht sehe, dass es zu eiem gegebee statioäre Prozess X = (X ) N auf eiem Wahrscheilichkeitsraum (Ω, F, P) im allgemeie keie maßerhaltede Trasformatio T auf (Ω, F, P) ud Zufallsgröße Y gibt, so dass X 1 = Y, X 2 := X 1 T, X 3 := X 2 T,... gilt (siehe das Beispiel weiter ute). Es gilt aber folgedes: X : (Ω, F, P) (E N, E N ) ist messbar. Sei ˆP = PX 1 die Verteilug vo X ud T : E N E N der Liksshift defiiert als T ((x 1, x 2,...)) = (x 2, x 3,...). Da ist T maßerhalted auf (E N, E N, ˆP) (wie ma sehr leicht überprüft). Daher ist der kaoische Prozess ˆX auf (E N, E N, ˆP), defiiert durch ˆX (x 1, x 2,...) := x statioär. Es gilt L( ˆX) = L(X) = ˆP ud für Y (x 1, x 2,...) := x 1 gilt ˆX 1 = Y, ˆX2 = Y T 2, ˆX3 = Y T 3,... Beispiel: Sei Ω = {a, b, c}, F = P(Ω) ud P({a}) = 1/2, P({b}) = P({c}) = 1/4. Weiter gelte: X (a) = 1, X (b) = X (c) = 0, falls gerade ist ud X (a) = 0, X (b) = X (c) = 1, falls ugerade ist, also X(a) = (0, 1, 0, 1, 0, 1,...) X(b) = X(c) = (1, 0, 1, 0, 1, 0...). X ist statioär. Es existiert aber keie maßerhaltede Trasformatio T auf (Ω, F, P), so dass X 2 = X 1 T. Ageomme doch, da gilt 1 = X 2 (a) = X 1 (T (a)), dh. T (a) {b, c}. Ageomme es gilt T (a) = b, da gilt 1/4 = P({b}) = PT 1 ({b}) P({a}) 1/2, was icht möglich ist. Dasselbe gilt im Fall T (a) = c. Defiitio 4. Sei T eie maßerhaltede Trasformatio auf (Ω, F, P). 2

3 a) A F heißt T -ivariat, we T 1 (A) = A gilt. b) T heißt ergodisch, we für jede T -ivariate Mege A gilt: P(A) {0, 1}. Bezeichug ud Bemerkug: Ist T eie maßerhaltede Trasformatio auf (Ω, F, P), so wird die Familie aller T -ivariate Mege mit J bezeichet. Ma überprüft uschwer, dass J eie Teil-σ-Algebra vo F ist. Ma et J die ivariate σ-algebra (bezüglich T ). Defiitio 5. Eie maßerhaltede Trasformatio T auf (Ω, F, P) heißt misched, we für alle A, B F gilt: lim P(A T B) = P(A) P(B). Propositio 6. Jede mischede Trasformatio ist ergodisch. Beweis. Ist A F T -ivariat, so gilt P(A) = P(A A) = P(A T A) P(A) P(A), das heißt P(A) = (P(A)) 2, also P(A) {0, 1}. Lemma 7. Sei T eie maßerhaltede Trasformatio auf (Ω, F, P) ud D ei -stabiler Erzeuger vo F. We lim P(A T B) = P(A) P(B) für alle A, B D gilt, da ist T misched. Beweis. 1. Schritt: Für B D sei D B := {A F : P(A T B) P(A) P(B)}. Da überprüft ma sehr leicht, dass D B ei Dykisystem ist. Für B D gilt also D D B F ud mit dem Hauptsatz über Dykisysteme 1.4 folgt D B = F. 2. Schritt: Für A D sei E A := {B F : P(A T B) P(A) P(B)}. Da überprüft ma ebeso leicht, dass E A ei Dykisystem ist. Nach dem erste Schritt folgt E A D ud daher mit Satz 1.4 E A = F. 4.2 Beispiele Beispiel 8. Sei D := {z C : z = 1} der Rad des komplexe Eiheitskreises, B D die Borel-σ- Algebra auf D ud λ D das ormierte Lebesguemaß auf (D, B D ). Weiter sei für c D die Abbildug T c : D D defiiert durch T c (ω) := c ω. Da ist T c maßerhalted ud es gilt: 3

4 a) T c ist ergodisch geau da we c keie Eiheitswurzel ist. b) T c ist für kei c misched. Beweis. Es ist klar, dass T c für jedes c D maßerhalted ist. a) Sei c D eie Eiheitswurzel. Da existiert ei N mit c = 1. Sei A B D eie beliebige Mege mit der Eigeschaft 0 < λ D (A) < 1 1 ud B := A T c (A)... Tc ( 1) (A). Da ist B B D, Tc 1 (B) = B (da Tc (A) = A) ud 0 < λ D (B) < 1. Also ist J icht trivial ud damit T c icht ergodisch. Sei u c keie Eiheitswurzel. Für die folgede Überlegug ist es ageehmer, D mit [0, 1) zu idetifiziere ud T c mit der Abbildug T c (x) = x + c mod 1 (wobei u c irratioal ist). Statt λ D schreibe wir ur λ für das Lebesguemaß auf [0, 1). Sei also A B [0,1) ivariat uter T c. Da { e 2πikt, k Z} eie ONB des komplexe L 2 ([0, 1), λ) ist ud 1 A L 2 ([0, 1), λ), existiert (i L 2 ) eie Darstellug der Form 1 A (t) = k Z c k e 2πikt, mit k c k 2 <. Da A ivariat ist, folgt 1 A (t) = 1 A (T c (t)) = k Z c k e 2πik(t+c). Da die Darstellug durch eie ONB eideutig ist, folgt für jedes k Z c k = c k e 2πikc, also etweder c k = 0 oder kc Z. Da c ach Voraussetzug irratioal ist, ka kc allefalls für k = 0 gazzahlig sei ud daher gilt c k = 0 für alle k 0. Es folgt also, dass 1 A fast sicher gleich der Kostate c 0 ist (welche otwedigerweise 0 oder 1 ist). Also folgt λ(a) {0, 1} ud damit die Trivialität vo J, d.h. T c ist ergodisch. b) Es geügt, die Behauptug i dem Fall zu zeige, i dem c keie Eiheitswurzel ist. Dazu beachte ma zuerst, dass da die Mege C := {c N 0 } dicht i D liegt, de die Folge hat (da D kompakt ist) midestes eie Häufugspukt ω 0 i D. Sei ε > 0 ud m > 0 so dass c ω 0 < ε ud 2 cm ω 0 < ε. Da gilt mit der Dreiecksugleichug 0 < 2 cm 1 < ε ud damit existiert für jedes ω D die Existez eies k N 0, so dass ω c (m )k < ε, d.h. C ist dicht i D. Um zu zeige, dass im Fall, i dem c keie Eiheitswurzel ist, T c icht misched ist, wähle wir die Mege A = B = { e 2πix : 0 x 1 }. Da C dicht i D ist, existiert eie Folge 4 k so dass A T k (A) = ud daher P(A T k(a)) = 0 1 = 16 P(A)2. Beispiel 9. Sei (E, E, µ) ei Wahrscheilichkeitsraum. Da ist der Liksshift T : (E N, E N, µ N ) (E N, E N, µ N ) maßerhalted ud misched. 4

5 Beweis. Es ist klar, dass T maßerhalted ist. Sei A = A 1... A k E... ud B = B 1... B m E... mit A 1,..., B m E. Da gilt für k µ N (A T (B)) = µ(a 1 )...µ(a k )µ(b 1 )...µ(b m ) = µ N (A)µ N (B). Da Mege A ud B der obige Form eie -stabile Erzeuger vo E N bilde, folgt aus Lemma 7, dass T misched ist. 4.3 Birkhoffscher Ergodesatz Nu wolle wir de Birkhoffsche Ergodesatz formuliere ud beweise. Dafür bedürfe wir des folgede Lemmas. Im gaze Abschitt sei T eie maßerhaltede Trasformatio auf (Ω, F, P) ud J die ivariate σ-algebra. Lemma 10. Ist Y L 1 (Ω, F, P) ud E(Y J ) < 0 P-f.s., so gilt: lim sup 1 1 Y T j 0 P-f.s. Beweis. Erklärt ma 1 M := max{0, Y, Y + Y T, Y + Y T + Y T 2,..., Y T j }, so gilt: 0 M (ω) M +1 (ω). Isbesodere existiert also M(ω) := lim M (ω). Weiter gilt: Y + M T = max{y, Y + Y T, Y + Y T + Y T 2,..., Y T j } ud (Y + M T ) + = max{0, Y + M T } = M +1, bzw. für : (Y + M T ) + = M. Wege Y (ω) <, folgt hieraus: d.h. für A := {M = } gilt: M(ω) = (M T )(ω) = M(T (ω)) =, T 1 (A) = {ω T (ω) A} = {M T = } = {M = } = A J. Allgemei gilt für reelle Zahle a, b : (a + b) + = b mi(b, a). Agewadt auf M ergibt dies: d.h. M +1 = (Y + M T ) + = M T mi{m T, Y } M, E(1 A M T ) E(1 A mi{m T, Y }) E(1 A M ). 5

6 Weil A ivariat ud T maßerhalted ist, gilt: E(1 A M T ) = E(1 T 1 (A) M T ) = E(1 A T M T ) = E(1 A M ), bzw. da der letzte Ausdruck edlich ist E(1 A mi(m T, Y )) 0. Hieraus folgt schließlich mit dem Satz vo der beschräkte Kovergez: E(1 A mi{m T, Y }) 0. } {{ } =1 A ( Y ) Mithi gilt E(1 A Y ) 0, woraus sich wege E(Y J ) < 0 P - f.s. sofort P(A) = 0 ergibt, d.h. M < P -f.s. Aus 1 1 Y T j 1 M 1 M folgt da die Behauptug. Lemma 11. Ist Z L 1 (Ω, F, P) bezüglich J messbar, so gilt: Z T = Z. Beweis. Für jede reelle Zahl a ist Z 1 ({a}) J, d.h. Z 1 ({a}) = T 1 (Z 1 ({a})) = (Z T ) 1 ({a}), also gilt: Z(ω) = a (Z T )(ω) = a, bzw. Z = Z T. Der Birkhoffsche Ergodesatz lautet u wie folgt. Satz 12. Falls X L 1 (Ω, F, P) ist, gilt: lim 1 1 X T j = E(X J ) P-f.s.. Beweis. Für beliebiges ε > 0 ud Y := X E(X J ) ε gilt Y L 1 (Ω, F, P) ud E(Y J ) = ε < 0. Nach Lemma 11 ist E(X J ) T j = E(X J ) für alle j, also: bzw. 1 1 Y T j = 1 1 X T j E(X J ) ε 1 1 X T j = E(X J ) + ε Y T j. Mit Lemma 10 folgt hieraus: lim sup 1 1 X T j E(X J ) + ε. 6

7 Die gleiche Überlegug mit X L 1 (Ω, F, P) liefert: Isgesamt folgt also: ( lim sup 1 1 ) X T j E(X J ) + ε ε + E(X J ) lim if 1 1 X T j lim sup 1 1 X T j E(X J ) + ε, also lim 1 1 X T j = E(X J ) P-f.s.. Nu formuliere wir als Folgerug aus dem Birkhoffsche Ergodesatz de Ergodesatz für statioäre Prozesse. Satz 13. Sei X = (X 1, X 2,...) ei reellwertiger, statioärer Prozess mit E X 1 < defiiert auf eiem Raum (Ω, F, P). Da gilt 1 X j E(X 1 X 1 (J )) f.s., j=1 wobei J die ivariate σ-algebra des Liksshifts T auf (R N, B N, ˆP) ist, wobei ˆP = PX 1 ist. Beweis. Nach Satz 12 gilt für π 1 : R N R, π 1 (x) := x lim π 1 T j (x) = E(π 1 J )(x) ˆP-f.s., da E ˆP π 1 (x) = E X 1 <. Ersetzt ma x durch X(ω), so folgt 1 1 lim X j+1 (ω) = E(π 1 J )(X(ω)) P-f.s.. Wir müsse also och zeige, dass E(π 1 J )(X(ω)) = E(X 1 X 1 (J ))(ω) P-fast sicher gilt, also (i) E(π 1 J )(X(ω)) ist X 1 (J )-messbar ud (ii) A E(π 1 J )(X(ω)) dp(ω) = A X 1 dp für alle A X 1 (J ). 7

8 Zu (i): Dies folgt, da Kompositioe messbarer Abbilduge messbar sid. Zu (ii): Stelle A X 1 1 (J ) i der Form A = X (Ã) mit à J dar. Da gilt E(π 1 J )(X(ω)) dp(ω) = E(π 1 J )(x) d ˆP(x) X 1 (Ã) à = π 1 (x) d ˆP(x) = π 1 (X(ω)) dp(ω) = X 1 (ω) dp(ω), à X 1 (Ã) X 1 (Ã) womit die Behauptug gezeigt ist. Als Korollar erhalte wir das starke Gesetz der große Zahle für u.i.v. Zufallsgröße. Korollar 14. Seie X 1, X 2,... u.i.v. i L 1 (Ω, F, P). Da folgt lim 1 j=1 X j = EX 1 f.s. Beweis. Sei ˆP die Verteilug vo X = (X 1, X 2,...), d.h. ˆP = L(X1 ) N. Nach Lemma 9 ist der Liksshift T : (R N, B N, ˆP) (R N, B N, ˆP) ergodisch. Daher ist die zugehörige ivariate σ-algebra J trivial, also auch X 1 (J ), d.h. E(X 1 X 1 (J )) = EX 1 f.s. ud die Behauptug folgt aus Satz Aweduge des Ergodesatzes Eie Awedug des Ergodesatzes ist die folgede Propositio. Propositio 15. Eie maßerhaltede Trasformatio auf (Ω, F, P) ist ergodisch geau da, we für alle A, B F gilt 1 1 lim P(A T k (B)) = P(A)P(B). k=0 Beweis. [1], Seite Markovkette Sei X 1, X 2,... eie irreduzible, statioäre Markovkette defiiert auf (Ω, F, P) mit Werte i eier abzählbare Mege E. Auf E wähle wir die Potezmege E als σ-algebra. Weiter sei ˆP die Verteilug der (statioäre) Markovkette auf dem Raum (E, E) ud T : E N E N der Liksshift. Da ist T maßerhalted. Weiter gilt der folgede Satz. Satz 16. Es gilt a) T ist ergodisch. b) T ist misched geau da we die Markovkette aperiodisch ist. 8

9 Beweis. a) Dies ist Propositio 7.33 im Skript Martigale. Der Beweis beutzt de Martigalkovergezsatz. b) Wir ehme zuerst a, dass T aperiodisch ist ud bezeiche die Übergagswahrscheilichkeite der Markovkette mit p i,j, i, j E ud die Verteilug vo X 1 mit π (π ist die eideutige ivariate Verteilug der Markovkette). Weiter sei { {x } } D := E N : x 1 = v 1,..., x m = v m : m N, v1,..., v m E. D ist ei -stabiler Erzeuger vo E N. Nu sei A := {x E N : x 1 = v 1,..., x m = v m } ud B := {x E N : x 1 = w 1,..., x k = w k }, wobei v 1,..., v m, w 1,..., w k E. Da gilt für m mit der Markoveigeschaft ˆP(A T (B)) = P({X 1 = v 1,..., X m = v m } {X +1 = w 1,..., X +k = w k }) = P({X +1 = w 1,..., X +k = w k } X m = v m )P(X 1 = v 1,..., X m = v m ). Der zweite Faktor ist gleich P(A) ud der erste ist gleich p ( m+1) v m,w 1 p w1,w 2...p wk 1,w k. Da die Kette aperiodisch ist, kovergiert p ( m+1) v m,w 1 ach dem Hauptsatz für Markovkette für gege π w1 ud damit kovergiert P({X +1 = w 1,..., X +k = w k } X m = v m ) gege P(B). Die Behauptug folgt u aus Lemma 7. Wir müsse och die Umkehrug zeige, d.h. zeige, dass eie irreduzible ud statioäre Markovkette, die periodisch ist, icht misched sei ka. Da dies sehr eifach ud gleichzeitig eie gute Übugsaufgabe ist (dere Lösug i [1], Seite 428 steht), verzichte wir auf de Beweis. 4.6 Ergäzuge Oft ist der folgede Begriff ützlich. Defiitio 17. Eie maßerhaltede Trasformatio T auf (Ω, F, P) heißt schwach misched, we für alle A, B F gilt: 1 1 lim P(A T k B) P(A) P(B) = 0. k=0 Offesichtlich ist jede mischede Trasformatio schwach misched. Aus Propositio 15 folgt sofort, dass jede schwach mischede Trasformatio ergodisch ist. Das folgede Beispiel zeigt, dass aus ergodisch icht schwach misched folgt. Es gibt Beispiele vo schwach mischede Trasformatioe, die icht misched sid. Beispiel 18. Sei Ω = {0, 1} mit der Potezmege als σ-algebra ud der Gleichverteilug P als Wahrscheilichkeitsmaß. Die Abbildug T defiiert durch T (0) = 1, T (1) = 0 ist offesichtlich maßerhalted ud ergodisch aber icht schwach misched, wie ma sieht, we ma A = {0} ud B = {1} wählt. 9

10 Ei Hauptgrud für die Eiführug des Begriffes schwach misched ist die folgede Aussage, dere Beweis sich i [2] fidet. Satz 19. Sei T eie maßerhaltede Trasformatio auf (Ω, F, P) ud T T : (Ω, F, P) (Ω, F, P) defiiert durch T T (ω 1, ω 2 ) := (T (ω 1 ), T (ω 2 )). Da sid äquivalet i) T ist schwach misched ii) T T ist ergodisch iii) T T ist schwach misched. Ma beachte, dass daher aus der Ergodizität vo T icht die Ergodizität vo T T folgt. Sie gilt sogar ie, we T ur ergodisch aber icht schwach misched ist. Ma überzeuge sich davo, dass i obigem Beispiel T T i der Tat icht ergodisch ist! Refereces [1] Kleke, A. (2006). Wahrscheilichkeitstheorie. Spriger, Berli. [2] Walters, P. (1975). Ergodic Theory - Itroductory Lectures. Spriger LNM 458, Berli. 10

5 Stationäre Prozesse (Version Januar 2012)

5 Stationäre Prozesse (Version Januar 2012) 5 Statioäre Prozesse (Versio Jauar 2012) 5.1 Maßerhaltede Trasformatioe I diesem Kapitel führe wir zuächst de Begriff der maßerhaltede Trasformatio auf eiem Wahrscheilichkeitsraum ei ud defiiere, wa eie

Mehr

4 Konvergenz von Folgen

4 Konvergenz von Folgen 4 Kovergez vo Folge Defiitio 4.. Sei M eie Mege. Ist 0 Z ud für jedes Z mit 0 ei a M gegebe, so et ma die Abbildug { Z; 0 } M, a eie Folge i M. Abkürzed schreibt ma für eie solche Abbildug auch a ) 0 oder

Mehr

Übungsblatt 1 zur Vorlesung Angewandte Stochastik

Übungsblatt 1 zur Vorlesung Angewandte Stochastik Dr Christoph Luchsiger Übugsblatt 1 zur Vorlesug Agewadte Stochastik Repetitio WT Herausgabe des Übugsblattes: Woche 9, Abgabe der Lösuge: Woche 1 (bis Freitag, 1615 Uhr), Rückgabe ud Besprechug: Woche

Mehr

Nachklausur - Analysis 1 - Lösungen

Nachklausur - Analysis 1 - Lösungen Prof. Dr. László Székelyhidi Aalysis I, WS 212 Nachklausur - Aalysis 1 - Lösuge Aufgabe 1 (Folge ud Grezwerte). (i) (1 Pukt) Gebe Sie die Defiitio des Häufugspuktes eier reelle Zahlefolge (a ) N. Lösug:

Mehr

Konvergenz von Folgen von Zufallsvariablen

Konvergenz von Folgen von Zufallsvariablen Kapitel 5 Kovergez vo Folge vo Zufallsvariable 5.1 Fa-sichere ud ochaische Kovergez Seie Ω, A, P ei W-Raum, X N eie Folge R k -wertiger Zufallsvariable auf Ω ud X eie R k -wertige Zufallsvariable auf Ω

Mehr

7 Brownsche Bewegung (Version Januar 2012)

7 Brownsche Bewegung (Version Januar 2012) 7 Browsche Bewegug (Versio Jauar 0) Wir führe zuerst die Defiitio eier Browsche Bewegug ei ud zeige da, dass ei solcher Prozess eistiert. Daach beweise wir eie Reihe vo Eigeschafte der Browsche Bewegug,

Mehr

Satz Ein Boolescher Term t ist eine Tautologie genau dann, wenn t unerfüllbar ist.

Satz Ein Boolescher Term t ist eine Tautologie genau dann, wenn t unerfüllbar ist. Erfüllbarkeit, Uerfüllbarkeit, Allgemeigültigkeit Defiitio Eie Belegug β ist passed zu eiem Boolesche Term t, falls β für alle atomare Terme i t defiiert ist. (Wird ab jetzt ageomme.) Ist β(t) = true,

Mehr

Übungen zur Analysis 1 für Informatiker und Statistiker. Lösung zu Blatt 8

Übungen zur Analysis 1 für Informatiker und Statistiker. Lösung zu Blatt 8 Mathematisches Istitut der Uiversität Müche Prof Dr Peter Otte WiSe 203/4 Lösug 8 032203 Übuge zur Aalysis für Iformatiker ud Statistiker Lösug zu Blatt 8 Aufgabe 8 [8 Pukte] (a) Für alle N sei = (+) Wir

Mehr

Konvergenz von Folgen reeller Zufallsvariablen

Konvergenz von Folgen reeller Zufallsvariablen Kapitel 4 Kovergez vo Folge reeller Zufallsvariable 4. Fa-sichere ud ochaische Kovergez Seie (Ω, C, ) ei W-Raum, X ( N) eie Folge reeller Zufallsvariable auf Ω ud X eie reelle Zufallsvariable auf Ω. Defiitio

Mehr

Normierte Vektorräume

Normierte Vektorräume Normierte Vektorräume Wir betrachte im Folgede ur Vektorräume über R 1. Sei also V ei Vektorraum. Wir möchte Metrike auf V betrachte, die im folgede Sie mit der Vektorraumstruktur verträglich sid:, y,

Mehr

Analysis I für M, LaG/M, Ph 4.Übungsblatt

Analysis I für M, LaG/M, Ph 4.Übungsblatt Aalysis I für M, LaG/M, Ph 4.Übugsblatt Fachbereich Mathematik Sommersemester 200 Dr. Robert Haller-Ditelma 05.05.200 David Bücher Christia Bradeburg Gruppeübug Aufgabe G (Kovergez vo Folge) Beweise Sie:

Mehr

1.1 Mengensysteme. Ω Grundmenge, 2 Ω Potenzmenge, A 2 Ω Mengensystem. Definition 1.1: a) A stabil ( stabil, \-stabil), wenn für A, B A auch A B A

1.1 Mengensysteme. Ω Grundmenge, 2 Ω Potenzmenge, A 2 Ω Mengensystem. Definition 1.1: a) A stabil ( stabil, \-stabil), wenn für A, B A auch A B A 1.1 Megesysteme Grudmege, 2 Potezmege, A 2 Megesystem Defiitio 1.1: a) A stabil ( stabil, \-stabil), we für A, B A auch A B A (A B A, A\B A). b) A heißt Halbrig, we i) A ii) A ist stabil iii) A, B A es

Mehr

1 Aussagenlogik und vollständige Induktion

1 Aussagenlogik und vollständige Induktion Dr. Siegfried Echterhoff Aalysis 1 Vorlesug WS 08 09 1 Aussagelogi ud vollstädige Idutio Die Mathemati basiert auf eier Reihe vo Axiome, d.h. auf mathematische Aussage, die als (offesichtlich? wahr ageomme

Mehr

Übungen zur Vorlesung Funktionentheorie Sommersemester 2012. Musterlösung zu Blatt 0

Übungen zur Vorlesung Funktionentheorie Sommersemester 2012. Musterlösung zu Blatt 0 UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6.1 MATHEMATIK Prof. Dr. Rolad Speicher M.Sc. Tobias Mai Übuge zur Vorlesug Fuktioetheorie Sommersemester 01 Musterlösug zu Blatt 0 Aufgabe 1. Käpt Schwarzbart,

Mehr

KAPITEL 11. Ungleichungen. g(x) g(x 0 ) + K 0 (x x 0 ).

KAPITEL 11. Ungleichungen. g(x) g(x 0 ) + K 0 (x x 0 ). KAPITEL 11 Ugleichuge 111 Jese-Ugleichug Defiitio 1111 Eie Fuktio g : R R heißt kovex, we ma für jedes x R ei K = K (x ) R fide ka, so dass für alle x R gilt: g(x) g(x ) + K (x x ) Bemerkug 111 Eie Fuktio

Mehr

Stochastik für WiWi - Klausurvorbereitung

Stochastik für WiWi - Klausurvorbereitung Dr. Markus Kuze WS 2013/14 Dipl.-Math. Stefa Roth 11.02.2014 Stochastik für WiWi - Klausurvorbereitug Gesetz der totale Wahrscheilichkeit ud Satz vo Bayes (Ω, F, P) Wahrscheilichkeitsraum, E 1,..., E F

Mehr

2 Konvergenz von Folgen

2 Konvergenz von Folgen Kovergez vo Folge. Eifache Eigeschafte Defiitio.. Eie Abbildug A : N C heißt Folge. Ma schreibt a statt A) für N ud a ) oder a ) statt A. We a R N, so heißt a ) reelle Folge. Defiitio.. Seie a ) eie Folge

Mehr

Analysis I Lösungsvorschläge zum 3. Übungsblatt Abgabe: Bis Donnerstag, den , um 11:30 Uhr

Analysis I Lösungsvorschläge zum 3. Übungsblatt Abgabe: Bis Donnerstag, den , um 11:30 Uhr Karlsruher Istitut für Techologie Istitut für Aalysis Dr. Christoph Schmoeger Dipl.-Math. Lars Machiek Dipl.-Math. Sebastia Schwarz WS 206/207 03..206 Aalysis I Lösugsvorschläge zum 3. Übugsblatt Abgabe:

Mehr

Der Satz von Stone-Weierstraß. 1 Approximationssatz von Weierstraß

Der Satz von Stone-Weierstraß. 1 Approximationssatz von Weierstraß Der Satz vo Stoe-Weierstraß Vortrag zum Prosemiar Aalysis, 28.06.2010 Valetia Gerber, Sabria Kielma Aus der Vorlesug Aalysis I ud II kee wir das Kozept des Approximieres. Us wurde die Begriffe Taylor-

Mehr

Höhere Mathematik I (Analysis) für die Fachrichtung Informatik

Höhere Mathematik I (Analysis) für die Fachrichtung Informatik Karlsruher Istitut für Techologie (KIT) Istitut für Aalysis Priv.-Doz. Dr. Gerd Herzog M. Sc. Adreas Hirsch WS 204/5 24.0.204 Höhere Mathematik I (Aalysis) für die Fachrichtug Iformatik Lösugsvorschlag

Mehr

10 Aussagen mit Quantoren und

10 Aussagen mit Quantoren und 0 Aussage mit Quatore ud 0.6. Eisatz vo (bereits bekater) Eistezaussage Bisher hatte wir Eistezbeweise geführt, idem wir ei passedes Objekt agegebe habe ( Setze... ). Stattdesse ka ma auch auf bereits

Mehr

Zahlenfolgen, Grenzwerte und Zahlenreihen

Zahlenfolgen, Grenzwerte und Zahlenreihen KAPITEL 5 Zahlefolge, Grezwerte ud Zahlereihe. Folge Defiitio 5.. Uter eier Folge reeller Zahle (oder eier reelle Zahlefolge) versteht ma eie auf N 0 erlarte reellwertige Futio, die jedem N 0 ei a R zuordet:

Mehr

Kreisabbildungen. S 1 f S 1. Beispiele: (1) f = id, F = id,

Kreisabbildungen. S 1 f S 1. Beispiele: (1) f = id, F = id, Kreisabbilduge Im Folgede sehe wir us eie gaz spezielle Klasse vo dyamische Systeme a: Abbilduge auf dem Kreis. Diese sid eifach geug, so dass wir sie och recht leicht aalysiere köe, habe aber adererseits

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE UNIVERSITÄT MÜNCHEN TECHNISCHE UNIVERSITÄT MÜNCHEN Zetrum Mathematik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mathematik für Iformatiker II (Sommersemester 004) Aufgabe 7. Ubeschräktes

Mehr

Seminarausarbeitung: Gegenbeispiele in der Wahrscheinlichkeitstheorie. Unterschiedliche Konvergenzarten von Folgen von Zufallsvariablen

Seminarausarbeitung: Gegenbeispiele in der Wahrscheinlichkeitstheorie. Unterschiedliche Konvergenzarten von Folgen von Zufallsvariablen Semiarausarbeitug: Gegebeispiele i der Wahrscheilichkeitstheorie - Uterschiedliche Kovergezarte vo Folge vo Zufallsvariable Volker Michael Eberle 4. März 203 Eileitug Die vorliegede Arbeit thematisiert

Mehr

n gerade 0 n ungerade (c) x n = a 1 n, a R + (d) x 1 := 2, x n+1 = 2 + x n (e) x n = (f) x n = exp(exp(n)) (g) x n = sin(n)

n gerade 0 n ungerade (c) x n = a 1 n, a R + (d) x 1 := 2, x n+1 = 2 + x n (e) x n = (f) x n = exp(exp(n)) (g) x n = sin(n) Übugsaufgabe Aalysis I Aufgabe. Beweise oder widerlege Sie: a Jede i R kovergete Folge ist beschräkt. b Es gibt Cauchy-Folge im R, die icht kovergiere. c Beschräkte Folge sid koverget. d Folge mit eiem

Mehr

Mathematische Vorgehensweise

Mathematische Vorgehensweise Kapitel 2 Mathematische Vorgehesweise Um eue Ergebisse zu erziele, ist es häufig otwedig, Aussage präzise zu formuliere ud zu beweise. Daher werde i diesem Kapitel die mathematische Begriffsbilduge ud

Mehr

Empirische Verteilungsfunktion

Empirische Verteilungsfunktion KAPITEL 3 Empirische Verteilugsfuktio 3.1. Empirische Verteilugsfuktio Seie X 1,..., X uabhägige ud idetisch verteilte Zufallsvariable mit theoretischer Verteilugsfuktio F (t) = P[X i t]. Es sei (x 1,...,

Mehr

Wir weisen die Gültigkeit der 4Axiome der sigma-algebra für die Potenzmenge einer endlichen Menge A nach!

Wir weisen die Gültigkeit der 4Axiome der sigma-algebra für die Potenzmenge einer endlichen Menge A nach! Lösug zu Übug 4 Prof. Dr. B.Grabowski E-Post: grabowski@htw-saarlad.de Zu Aufgabe ) Wir weise die Gültigkeit der 4Axiome der sigma-algebra für die Potezmege eier edliche Mege A ach! ) Die leere Mege ud

Mehr

Aufgaben und Lösungen der Probeklausur zur Analysis I

Aufgaben und Lösungen der Probeklausur zur Analysis I Fachbereich Mathematik AG 5: Fuktioalaalysis Prof. Dr. K.-H. Neeb Dipl.-Math. Rafael Dahme Dipl.-Math. Stefa Wager ATECHNISCHE UNIVERSITÄT DARMSTADT SS 007 19. Jui 007 Aufgabe ud Lösuge der Probeklausur

Mehr

Kapitel 5: Gemeinsame Verteilung und Unabhängigkeit von Zufallsvariablen

Kapitel 5: Gemeinsame Verteilung und Unabhängigkeit von Zufallsvariablen - 39 (Kapitel 5: Gemeisame Verteilug ud Uabhägigkeit vo Zuallsvariable Kapitel 5: Gemeisame Verteilug ud Uabhägigkeit vo Zuallsvariable 5 Deiitio : : Ω Ω,, seie Abbilduge über derselbe Mege Ω Die Abbildug

Mehr

Zahlenfolgen und Konvergenzkriterien

Zahlenfolgen und Konvergenzkriterien www.mathematik-etz.de Copyright, Page of 7 Zahlefolge ud Kovergezkriterie Defiitio: (Zahle-Folge, Grezwert) Eie Folge ist eie Abbildug der atürliche Zahle i die Mege A. Es ist also im Fall A: ; f: mit

Mehr

D-MATH, D-PHYS, D-CHAB Analysis I HS 2017 Prof. Manfred Einsiedler. Übungsblatt 8. b n := 1 n. a k. k=1

D-MATH, D-PHYS, D-CHAB Analysis I HS 2017 Prof. Manfred Einsiedler. Übungsblatt 8. b n := 1 n. a k. k=1 D-MATH, D-PHYS, D-CHAB Aalysis I HS 2017 Prof. Mafred Eisiedler Übugsblatt 8 1. Bereche Sie de Grezwert lim a für die Folge (a ) gegebe durch a) a = (2 1/ ) 10 (1 + 1/ 2 ) 10 1 1/ 2 1/, b) a = + 1, c)

Mehr

Kapitel 3: Bedingte Wahrscheinlichkeiten und Unabhängigkeit

Kapitel 3: Bedingte Wahrscheinlichkeiten und Unabhängigkeit - 18 - (Kapitel 3 : Bedigte Wahrscheilichkeite ud Uabhägigkeit) Kapitel 3: Bedigte Wahrscheilichkeite ud Uabhägigkeit Wird bei der Durchführug eies stochastische Experimets bekat, daß ei Ereigis A eigetrete

Mehr

mit (a 1 ) (0,0,,0). Dann ist die Menge,,a n,a 2 eine endliche Menge und besitzt ein grösstes Element ggt(a 1

mit (a 1 ) (0,0,,0). Dann ist die Menge,,a n,a 2 eine endliche Menge und besitzt ein grösstes Element ggt(a 1 Kapitel 1: Reste, Teiler, Vielfache Defiitio Es sei a 0. Die Zahl b 0 ist ei Teiler vo a, we es ei u 0 gibt, sodass ub= a. Ist b ei Teiler vo a, so ist a ei Vielfaches vo b. Bezeichug b a für b ist Teiler

Mehr

4-1 Elementare Zahlentheorie

4-1 Elementare Zahlentheorie 4-1 Elemetare Zahletheorie 4. Dirichlet s Satz über Primzahle i arithmetische Progressioe. Satz (Dirichlet 1837). Seie a, k atürliche Zahle. Sid die Zahle a, k teilerfremd, so gibt es uedlich viele Primzahle

Mehr

2 Vollständige Induktion

2 Vollständige Induktion 8 I. Zahle, Kovergez ud Stetigkeit Vollstädige Iduktio Aufgabe: 1. Bereche Sie 1+3, 1+3+5 ud 1+3+5+7, leite Sie eie allgemeie Formel für 1+3+ +( 3)+( 1) her ud versuche Sie, diese zu beweise.. Eizu5% ZiseproJahragelegtes

Mehr

Übungen zur Vorlesung Funktionentheorie Sommersemester 2012. Musterlösung zu Blatt 11. c n (z a) n,

Übungen zur Vorlesung Funktionentheorie Sommersemester 2012. Musterlösung zu Blatt 11. c n (z a) n, f : a P UNIVERSIÄ DES SAARLANDES FACHRICHUNG 6. MAHEMAIK Prof. Dr. Rolad Speicher M.Sc. obias Mai Übuge zur Vorlesug Fuktioetheorie Sommersemester 202 Musterlösug zu Blatt Aufgabe. Zeige Sie durch Abwadlug

Mehr

Aufgaben und Lösungen Ausarbeitung der Übungsstunde zur Vorlesung Analysis I

Aufgaben und Lösungen Ausarbeitung der Übungsstunde zur Vorlesung Analysis I Aufgabe ud e Ausarbeitug der Übugsstude zur Vorlesug Aalysis I Witersemester 008/009 Übug am 8..008 Übug 5 Eileitug Zuerst soll auf de aktuelle Übugsblatt ud Stoff der Vorlesug eigegage werde. Dazu werde

Mehr

Lösungen ausgewählter Übungsaufgaben zum Buch. Elementare Stochastik (Springer Spektrum, 2012) Teil 4: Aufgaben zu den Kapiteln 7 und 8

Lösungen ausgewählter Übungsaufgaben zum Buch. Elementare Stochastik (Springer Spektrum, 2012) Teil 4: Aufgaben zu den Kapiteln 7 und 8 1 Lösuge ausgewählter Übugsaufgabe zum Buch Elemetare Stochastik (Spriger Spektrum, 2012) Teil 4: Aufgabe zu de Kapitel 7 ud 8 Aufgabe zu Kapitel 7 Zu Abschitt 7.1 Ü7.1.1 Ω sei höchstes abzählbar, ud X,

Mehr

Zusammenfassung: Folgen und Konvergenz

Zusammenfassung: Folgen und Konvergenz LGÖ Ks VMa Schuljahr 6/7 Zusammefassug Folge ud Kovergez Ihaltsverzeichis Defiitioe ud Beispiele für Folge Beschräkte Folge Kovergez vo Folge Grezwertsätze für Folge 5 Für Experte 7 Defiitioe ud Beispiele

Mehr

von solchen Abbildungen. Eine solche Folge bestimmt für jedes x M die Folge der Werte f n. Schreibt man dies noch einmal formal hin, so erhält man:

von solchen Abbildungen. Eine solche Folge bestimmt für jedes x M die Folge der Werte f n. Schreibt man dies noch einmal formal hin, so erhält man: Gleichmäßige Kovergez Wir betrachte im Folgede Abbilduge f : M N, wobei M eie Mege ud N ei metrischer Raum ist. Isbesodere iteressiere ud Folge f vo solche Abbilduge. Eie solche Folge bestimmt für jedes

Mehr

Allgemeine Lösungen der n-dimensionalen Laplace-Gleichung und ihre komplexe Variable

Allgemeine Lösungen der n-dimensionalen Laplace-Gleichung und ihre komplexe Variable Allgemeie Lösuge der -dimesioale Laplace-Gleichug ud ihre komplexe Variable Dr. rer. at. Kuag-lai Chao Göttige, de 4. Jauar 01 Abstract Geeral solutios of the -dimesioal Laplace equatio ad its complex

Mehr

D-MATH Topologie FS 15 Theo Bühler. Musterlösung 2

D-MATH Topologie FS 15 Theo Bühler. Musterlösung 2 D-MATH Topologie FS 15 Theo Bühler Musterlösug 2 1. a) Per Defiitio ist A = {x : x berührt A}. I der Vorlesug wurde die Formel (X A) = ( A ) c gezeigt, also A = ( X A ) c. Daher ist A = A A = A (A ) c

Mehr

Irrationalität und Transzendenz. 1 Algebraische Zahlen

Irrationalität und Transzendenz. 1 Algebraische Zahlen Vortrag im Rahme des Prosemiars zur Aalysis, 12.6.26 Marti Woitalla Der Vortrag beschäftigt sich mit dem Thema, welche Zahle als Lösug eies Polyoms i Q[X] auftrete öe. Außer de ratioale Zahle x a =, a

Mehr

Stochastische Unabhängigkeit, bedingte Wahrscheinlichkeiten

Stochastische Unabhängigkeit, bedingte Wahrscheinlichkeiten Kapitel 2 Stochastische Uabhägigkeit, bedigte Wahrscheilichkeite 2.1 Stochastische Uabhägigkeit vo Ereigisse Im Folgede gehe wir vo eiem W-Raum (Ω, A, P aus. Der Begriff der stochastische Uabhägigkeit

Mehr

5. Übungsblatt Aufgaben mit Lösungen

5. Übungsblatt Aufgaben mit Lösungen 5. Übugsblatt Aufgabe mit Lösuge Aufgabe 2: Bestimme Sie alle Häufugspukte der komplexe) Folge mit de Glieder a) a = ) 5 + 7 + 2 ) b) b = i Lösug 2: a) Die Folge a ) zerfällt vollstädig i die beide Teilfolge

Mehr

ÜBUNGSBLATT 4 LÖSUNGEN MAT121/MAT131 ANALYSIS I HERBSTSEMESTER 2010 PROF. DR. CAMILLO DE LELLIS

ÜBUNGSBLATT 4 LÖSUNGEN MAT121/MAT131 ANALYSIS I HERBSTSEMESTER 2010 PROF. DR. CAMILLO DE LELLIS ÜBUNGSBLATT 4 LÖSUNGEN MAT/MAT3 ANALYSIS I HERBSTSEMESTER 00 PROF. DR. AMILLO DE LELLIS Aufgabe. Etscheide Sie für folgede Folge (wobei N \ {0}), ob diese koverget sid, ud bereche sie gegebeefalls ihre

Mehr

4.1 Dezimalzahlen und Intervallschachtelungen. a) Reelle Zahlen werden meist als Dezimalzahlen dargestellt, etwa

4.1 Dezimalzahlen und Intervallschachtelungen. a) Reelle Zahlen werden meist als Dezimalzahlen dargestellt, etwa 20 I. Zahle, Kovergez ud Stetigkeit 4 Kovergete Folge 4. Dezimalzahle ud Itervallschachteluge. a) Reelle Zahle werde meist als Dezimalzahle dargestellt, etwa 7,304 = 0+7 +3 0 +0 00 +4 000. Edliche Dezimalzahle

Mehr

KAPITEL 7. Zahlenfolgen. 7.1 Konvergente Zahlenfolgen Grenzwertbestimmung Grenzwertbestimmung durch Abschätzung...

KAPITEL 7. Zahlenfolgen. 7.1 Konvergente Zahlenfolgen Grenzwertbestimmung Grenzwertbestimmung durch Abschätzung... KAPITEL 7 Zahlefolge 7. Kovergete Zahlefolge.............................. 30 7.2 Grezwertbestimmug............................... 32 7.3 Grezwertbestimmug durch Abschätzug..................... 35 7.4

Mehr

Höhere Mathematik für die Fachrichtung Physik

Höhere Mathematik für die Fachrichtung Physik Karlsruher Istitut für Techologie Istitut für Aalysis Dr. Christoph Schmoeger Michael Hott, M. Sc. WS 05/06 04..05 Höhere Mathematik für die Fachrichtug Physik Lösugsvorschläge zum 6. Übugsblatt Aufgabe

Mehr

Reelle Folgen. Definition. Eine reelle Folge ist eine Abbildung f : N R. liefert ( 7 9, 37

Reelle Folgen. Definition. Eine reelle Folge ist eine Abbildung f : N R. liefert ( 7 9, 37 Reelle Folge Der Begriff der Folge ist ei grudlegeder Baustei der Aalysis, weil damit u.a. Grezprozesse defiiert werde köe. Er beschreibt de Sachverhalt eier Abfolge vo Elemete, wobei die Reihefolge bzw.

Mehr

1 Lösungen zu Analysis 1/ 12.Übung

1 Lösungen zu Analysis 1/ 12.Übung Lösuge ausgewählter Beispiele zu Aalysis I, G. Bergauer, Seite Lösuge zu Aalysis / 2.Übug. Eileitug Gleichmäßige Kovergez ist eie starke Eigeschaft eier Fuktioefolge. Formuliert ma sie für Netze, statt

Mehr

KAPITEL 2. Zahlenfolgen

KAPITEL 2. Zahlenfolgen KAPITEL Zahlefolge. Kovergete Zahlefolge...................... 35. Grezwertbestimmug....................... 38.3 Grezwertbestimmug durch Abschätzug............. 4.4 Mootoe Folge..........................

Mehr

8. Die Exponentialfunktion und die trigonometrischen Funktionen

8. Die Exponentialfunktion und die trigonometrischen Funktionen 8. Die Expoetialfuktio ud die trigoometrische Fuktioe 8.1 Defiitio der Expoetialfuktio Fudametallemma: Für jede Folge w mit dem Grezwert w gilt: lim 1 w k 0 k w. k! Defiitio der Expoetialfuktio : k 2 3

Mehr

Ein Alternativsatz über die Disjunktheit punktierter konvexer Kegel

Ein Alternativsatz über die Disjunktheit punktierter konvexer Kegel Ei Alterativsatz über die Disjuktheit puktierter kovexer Kegel Rudolf Pleier ui 2015 Mittels des Treugssatzes vo Eidelheit (beat ach dem polische Mathematiker Meier Eidelheit, 1910 1943), ach dem ei ichtleerer

Mehr

4. Die Menge der Primzahlen. Bertrands Postulat

4. Die Menge der Primzahlen. Bertrands Postulat O. Forster: Eiführug i die Zahletheorie 4. Die Mege der Primzahle. Bertrads Postulat 4.1. Satz (Euklid. Es gibt uedlich viele Primzahle. Beweis. Wir zeige, dass es zu jeder edliche Mege p 1, p 2,..., p

Mehr

6 Folgen. 6.4 Folgen reeller Zahlen. Mathematik für Informatiker B, SS 2012 Dienstag 5.6. $Id: folgen.tex,v /06/05 11:12:18 hk Exp $

6 Folgen. 6.4 Folgen reeller Zahlen. Mathematik für Informatiker B, SS 2012 Dienstag 5.6. $Id: folgen.tex,v /06/05 11:12:18 hk Exp $ Mathematik für Iformatiker B, SS 0 Diestag 5.6 $Id: folge.tex,v. 0/06/05 ::8 hk Exp $ 6 Folge 6.4 Folge reeller Zahle I der letzte Sitzug habe wir de Begriff des Grezwerts eier Folge i eiem metrische Raum

Mehr

2. Diophantische Gleichungen

2. Diophantische Gleichungen 2. Diophatische Gleichuge [Teschl05, S. 91f] 2.1. Was ist eie diophatische Gleichug ud wozu braucht ma sie? Def D2-1: Eie diophatische Gleichug ist eie Polyomfuktio i x,y,z,, bei der als Lösuge ur gaze

Mehr

Tests statistischer Hypothesen

Tests statistischer Hypothesen KAPITEL 0 Tests statistischer Hypothese I der Statistik muss ma oft Hypothese teste, z.b. muss ma ahad eier Stichprobe etscheide, ob ei ubekater Parameter eie vorgegebee Wert aimmt. Zuerst betrachte wir

Mehr

BINOMIALKOEFFIZIENTEN. Stochastik und ihre Didaktik Referentin: Iris Winkler 10.11.2008

BINOMIALKOEFFIZIENTEN. Stochastik und ihre Didaktik Referentin: Iris Winkler 10.11.2008 Stochasti ud ihre Didati Refereti: Iris Wiler 10.11.2008 Aufgabe: Führe Sie i der Seudarstufe II die Biomialoeffiziete als ombiatorisches Azahlproblem ei. Erarbeite Sie mit de Schülerie ud Schüler mithilfe

Mehr

3. Taylorformel und Taylorreihen

3. Taylorformel und Taylorreihen Prof Dr Siegfried Echterhoff Aalysis Vorlesug SS 9 3 Taylorformel ud Taylorreihe Sei I R ei Itervall ud sei f : I R eie Fuktio Ziel: Wolle utersuche, wa sich die Fuktio f i eier Umgebug vo eiem Pukt I

Mehr

ELEMENTE DER ZAHLENTHEORIE UND AUFBAU DES ZAHLENSYSTEMS

ELEMENTE DER ZAHLENTHEORIE UND AUFBAU DES ZAHLENSYSTEMS ELEMENTE DER ZAHLENTHEORIE UND AUFBAU DES ZAHLENSYSTEMS vo Rolf Waldi 1 Kapitel I. Elemetare Zahletheorie 1 Grudlegede Regel ud Prizipie Es wird vorausgesetzt, daß der Leser mit gaze Zahle reche ka ud

Mehr

Vorlesung 3. Tilman Bauer. 11. September 2007

Vorlesung 3. Tilman Bauer. 11. September 2007 Vorurs Mathemati 2007 Tilma Bauer Vorurs Mathemati 2007 Vorlesug 3 Tilma Bauer Mege ud Abbilduge Wiederholug ud Vollstädige Idutio Das Prizip Idex-Schreibweise! ud Aufgabe Uiversität Müster 11. September

Mehr

Mathematik III. Vorlesung 81. Eigenschaften des Dachprodukts. Die folgende Aussage beschreibt die universelle Eigenschaft des Dachproduktes.

Mathematik III. Vorlesung 81. Eigenschaften des Dachprodukts. Die folgende Aussage beschreibt die universelle Eigenschaft des Dachproduktes. Prof. Dr. H. Breer Osabrück S 2010/2011 Mathematik III Vorlesug 81 Eigeschafte des Dachprodukts Die folgede Aussage beschreibt die uiverselle Eigeschaft des Dachproduktes. Satz 81.1. Es sei K ei Körper,

Mehr

Über die Verteilung der Primzahlen

Über die Verteilung der Primzahlen Über die Verteilug der Primzahle Scho dem juge Carl Friedrich Gauss drägte sich die Vermutug auf, dass die Azahl π( aller Primzahle p uterhalb der positive Schrae dem Gesetz π( log lim = 1 gehorcht. (Mit

Mehr

15.4 Diskrete Zufallsvariablen

15.4 Diskrete Zufallsvariablen .4 Diskrete Zufallsvariable Vo besoderem Iteresse sid Zufallsexperimete, bei dee die Ergebismege aus reelle Zahle besteht bzw. jedem Elemetarereigis eie reelle Zahl zugeordet werde ka. Solche Zufallsexperimet

Mehr

Methoden: Heron-Verfahren, Erweiterung von Differenzen von Quadratwurzeln

Methoden: Heron-Verfahren, Erweiterung von Differenzen von Quadratwurzeln 6 Kovergete Folge Lerziele: Kozepte: Grezwertbegriff bei Folge, Wachstumsgeschwidigkeit vo Folge Resultat: Mootoe beschräkte Folge sid koverget. Methode: Hero-Verfahre, Erweiterug vo Differeze vo Quadratwurzel

Mehr

Kombinatorik und Polynommultiplikation

Kombinatorik und Polynommultiplikation Kombiatorik ud Polyommultiplikatio 3 Vorträge für Schüler SS 2004 W Pleske RWTH Aache, Lehrstuhl B für Mathematik 3 Eiige Zählprizipie ud Ausblicke Wir habe bislag gesehe, was die Multiomialkoeffiziete

Mehr

Aufgabe 4.2. (a) lim 7 + = (b) lim. ( 2n 3 6n 2 + 3n 1. (c) lim n n 2 ( 1) n n 3) = lim. (d) n n + 1. lim. (e) n n. Aufgabe 4.3.

Aufgabe 4.2. (a) lim 7 + = (b) lim. ( 2n 3 6n 2 + 3n 1. (c) lim n n 2 ( 1) n n 3) = lim. (d) n n + 1. lim. (e) n n. Aufgabe 4.3. Folge Eie Folge ist eie Aordug vo reelle Zahle. Die eizele Zahle heiße Glieder der Folge. Kapitel 4 Folge ud Reihe Formal: Eie Folge ist eie Abbildug a : N R, a Folge werde mit a i i oder kurz a i bezeichet.

Mehr

Aufgaben zur vollständigen Induktion

Aufgaben zur vollständigen Induktion c 7 by Raier Müller - Aufgabe zur vollstädige Idutio We ichts aderes agegebe ist, da gelte die Behauptuge für IN {; ; ;...}. A) Teilbareit: ) ist gerade (d.h. durch teilbar). ) ist durch teilbar. ) ist

Mehr

6. Übungsblatt Aufgaben mit Lösungen + Selbsttest-Auflösung

6. Übungsblatt Aufgaben mit Lösungen + Selbsttest-Auflösung 6. Übugsblatt Aufgabe mit Lösuge + Selbsttest-Auflösug Aufgabe 6: Utersuche Sie die Folge, dere Glieder ute für N agegebe sid, auf Beschräktheit, Mootoie ud Kovergez bzw. Beschräktheit, Mootoie ud Kovergez

Mehr

Universität Stuttgart Fachbereich Mathematik. 1 Lineare Abbildungen und Matrizen. 1.1 Um was geht es?

Universität Stuttgart Fachbereich Mathematik. 1 Lineare Abbildungen und Matrizen. 1.1 Um was geht es? Uiversität Stuttgart Fachbereich Mathematik Prof Dr C Hesse PD Dr P H Lesky Dipl Math D Zimmerma Msc J Köller FAQ 4 Höhere Mathematik 724 el, kyb, mecha, phys Lieare Abbilduge ud Matrize Um was geht es?

Mehr

Nennenswertes zur Stetigkeit

Nennenswertes zur Stetigkeit Neeswertes zur Stetigkeit.) Puktweise Stetigkeit: Vo Floria Modler Defiitio der pukteweise Stetigkeit: Eie Fuktio f : D R ist geau da i x D stetig, we gilt: ε > δ >, so dass f ( x) f ( x ) < ε x D mit

Mehr

Grenzwert. 1. Der Grenzwert von monotonen, beschränkten Folgen

Grenzwert. 1. Der Grenzwert von monotonen, beschränkten Folgen . Der Grezwert vo mootoe, beschräkte Folge Der Grezwert vo mootoe, beschräkte Folge ist eifacher verstädlich als der allgemeie Fall. Deshalb utersuche wir zuerst diese Spezialfall ud verallgemeier aschliessed.

Mehr

Asymptotische Notationen

Asymptotische Notationen Foliesatz 2 Michael Brikmeier Techische Uiversität Ilmeau Istitut für Theoretische Iformatik Sommersemester 29 TU Ilmeau Seite 1 / 42 Asymptotische Notatioe TU Ilmeau Seite 2 / 42 Zielsetzug Igoriere vo

Mehr

Bernsteinpolynome Vortrag zum Proseminar zur Analysis, Malte Milatz

Bernsteinpolynome Vortrag zum Proseminar zur Analysis, Malte Milatz Bersteipolyome Vortrag zum Prosemiar zur Aalysis, 6. 10. 2010 Malte Milatz I diesem Vortrag wird der bereits im Sript zur Aalysis ii zitierte Approximatiossatz vo Weierstraß mithilfe der Bersteipolyome

Mehr

Kapitel 2 Differentialrechnung in einer Variablen. 2.1 Folgen und Grenzwerte

Kapitel 2 Differentialrechnung in einer Variablen. 2.1 Folgen und Grenzwerte Kapitel 2 Differetialrechug i eier Variable 2. Folge ud Grezwerte 2.. Defiitio Eie Folge ist eie Zuordug N R, a, geschriebe als Liste (a,a 2,...) oder i der Form (a ) N. Hier sid ei paar Beispiele: 2,4,6,8,...

Mehr

Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 5

Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 5 TUM, Zetrum Mathematik Lehrstuhl für Mathematische Physik WS 13/14 Prof. Dr. Silke Rolles Thomas Höfelsauer Felizitas Weider Tutoraufgabe: Eiführug i die Wahrscheilichkeitstheorie Lösugsvorschläge zu Übugsblatt

Mehr

Ein Steilkurs über Martingale in diskreter Zeit

Ein Steilkurs über Martingale in diskreter Zeit Ei Steilkurs über Martigale i diskreter Zeit Matthias Birker WS 211/212 Dieser Text ist eie Eiladug, sich (i sehr kapper Form) mit der Theorie der (zeitdiskrete) Martigale zu beschäftige. Eie wesetlich

Mehr

Kapitel 11 DIE NORMAL-VERTEILUNG

Kapitel 11 DIE NORMAL-VERTEILUNG Kapitel DIE NORMAL-VERTEILUNG Fassug vom 7. Februar 006 Prof. Dr. C. Porteier Mathematik für Humabiologe ud Biologe 49 . De itio der Normal-Verteilug. De itio der Normal-Verteilug Bisher habe wir ur diskret

Mehr

Institut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban

Institut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban Istitut für tochastik Prof. Dr. N. Bäuerle Dipl.-Math.. Urba Lösugsvorschlag 9. Übugsblatt zur Vorlesug Fiazmathematik I Aufgabe Ei euartiges Derivat) Wir sid i eiem edliche, arbitragefreie Fiazmarkt,

Mehr

Dirichlet-Reihen II. 1 Konvergenzeigenschaften von Dirichlet-Reihen

Dirichlet-Reihen II. 1 Konvergenzeigenschaften von Dirichlet-Reihen Vortrag zum Semiar zur Fuktioetheorie, 7.2.2007 Holger Witermayr I diesem Vortrag werde wir Kovergezeigeschafte vo Dirichlet-Reihe erarbeite ud eie Vergleich zu Potezreihe ziehe. Ei weiteres Ziel dieses

Mehr

6. Übung - Differenzengleichungen

6. Übung - Differenzengleichungen 6. Übug - Differezegleichuge Beispiel 00 Gesucht sid alle Lösuge vo a) x + 3x + = 0 ud b) x + x + 7 = 0, jeweils für 0. Um diese lieare Differezegleichug erster Ordug zu löse, verwede wir die im Buch auf

Mehr

α : { n Z n l } n a n IR

α : { n Z n l } n a n IR 1 KAPITEL VI. ZAHLENFOLGEN UND REIHEN 1) REELLE ZAHLENFOLGEN: i) Jede Abbildug α : IN a IR heiÿt 'reelle Zahlefolge' bzw. 'Folge i IR'. Ma otiert diese i der Form α = a ) IN = a ) =0 = a 0, a 1, a 2,...)

Mehr

4. Der Weierstraßsche Approximationssatz

4. Der Weierstraßsche Approximationssatz H.J. Oberle Approximatio WS 213/14 4. Der Weierstraßsche Approximatiossatz Wir gebe i diesem Abschitt eie ostrutive Beweis des Weierstraßsche Approximatiossatzes, der mit de so geate Berstei-Polyome (Felix

Mehr

Lösungen zu Übungsblatt 2 Signale, Codes und Chiffren II Sommersemester 2009 Übung vom 26. Mai 2009

Lösungen zu Übungsblatt 2 Signale, Codes und Chiffren II Sommersemester 2009 Übung vom 26. Mai 2009 Uiversität Karlsruhe TH Istitut für Kryptographie ud Sicherheit Willi Geiselma Vorlesug Marius Hillebrad Übug Lösuge zu Übugsblatt 2 Sigale, Codes ud Chiffre II Sommersemester 2009 Übug vom 26. Mai 2009

Mehr

$Id: reihen.tex,v /06/14 13:59:06 hk Exp $

$Id: reihen.tex,v /06/14 13:59:06 hk Exp $ Mathematik für Iformatiker B, SS 202 Doerstag 4.6 $Id: reihe.tex,v.9 202/06/4 3:59:06 hk Exp $ 7 Reihe 7.4 Kovergezkriterie für Reihe 7.4. Alterierede Reihe Wir hatte gesehe das die harmoische Reihe divergiert,

Mehr

Der Durchschnitt einer Familie von σ-algebren auf M ist ebenfalls eine σ-algebra auf M. Ist also E M, so ist

Der Durchschnitt einer Familie von σ-algebren auf M ist ebenfalls eine σ-algebra auf M. Ist also E M, so ist Maßtheorie (Versio 0.3) 1. σ-algebra Ist M eie Mege, so et ma ei System vo Teilmege A M eie σ-algebra (auf M ), we gilt: A A A A c A Ist A N eie Familie vo Mege i A, so ist N A A A ist damit stabil uter

Mehr

1 Das Skalarprodukt und das Kreuzprodukt

1 Das Skalarprodukt und das Kreuzprodukt Das Skalarprodukt ud das Kreuzprodukt Wir betrachte zu x = de Ausdruck y t x : = x Grud: Die rechte Seite der Gleichug ist: y t x = (y tx +... + (y ty { t x } y +... + x y x + x y (x y +... + x y x x t

Mehr

8. Die Exponentialfunktion und die trigonometrischen Funktionen. 8.1 Definition der Exponentialfunktion

8. Die Exponentialfunktion und die trigonometrischen Funktionen. 8.1 Definition der Exponentialfunktion 8. Die Expoetialfuktio ud die trigoometrische Fuktioe 8. Defiitio der Expoetialfuktio Fudametallemma: Für jede Folge w mit dem Grezwert w gilt: w lim + = k = 0 k w. k! Defiitio der Expoetialfuktio : k

Mehr

Lösungen zum Übungsblatt 2

Lösungen zum Übungsblatt 2 Fakultät für Luft- ud Raumfahrttechik Istitut für Mathematik ud Recherawedug Partielle Differetialgleichuge II (ME), Prof. Dr. J. Gwier Übug: N. Ovcharova, K. Dvorsky 6. Jauar bis 9. Februar 011 Lösuge

Mehr

Analysis I für M, LaG/M, Ph 8.Übungsblatt

Analysis I für M, LaG/M, Ph 8.Übungsblatt Aalysis I für M, LaG/M, Ph 8Übugsblatt Fachbereich Mathematik Sommersemester 200 Dr Robert Haller-Ditelma 0206200 David Bücher Christia Bradeburg Gruppeübug Aufgabe G (Kovergezkriterie/Kovergezradie) (a)

Mehr

Aufgabe G 1.1. [Vollständige Induktion, Teleskopsumme] n k 3 = n N : k(k + 1) = 1 1

Aufgabe G 1.1. [Vollständige Induktion, Teleskopsumme] n k 3 = n N : k(k + 1) = 1 1 Istitut für Aalysis ud Algebra Mathematik I für Studierede der E-Techik Prof Dr Volker Bach WiSe 06/7 M Sc Birgit Komader M Sc Christoph Brauer Theme: Groe Übug - Lösuge Vollstädige Iduktio - Teleskopsumme

Mehr

Übungen zur Analysis I WS 2008/2009

Übungen zur Analysis I WS 2008/2009 Mathematisches Istitut der Uiversität Heidelberg Prof. Dr. E. Freitag /Thorste Heidersdorf Übuge zur Aalysis I WS 008/009 Blatt 3, Lösugshiweise Die folgede Hiweise sollte auf keie Fall als Musterlösuge

Mehr

Höhere Mathematik I für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie Lösungsvorschläge zum 7. Übungsblatt

Höhere Mathematik I für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie Lösungsvorschläge zum 7. Übungsblatt KARLSRUHER INSTITUT FÜR TECHNOLOGIE KIT Istitut für Aalysis Dr. A. Müller-Rettkowski Dr. T. Gauss WS 00/ Höhere Mathematik I für die Fachrichtuge Elektroigeieurwese, Physik ud Geodäsie Lösugsvorschläge

Mehr

24 Konvergente Teilfolgen und Cauchy-Kriterium

24 Konvergente Teilfolgen und Cauchy-Kriterium 120 IV. Uedliche Reihe ud Taylor-Formel 24 Kovergete Teilfolge ud Cauchy-Kriterium Lerziele: Kozepte: Teilfolge, Häufugswerte, Limes superior ud iferior, Cauchy-Folge Resultate: Satz vo Bolzao-Weierstraß,

Mehr

Kapitel II Der Galton-Watson-Prozeß mit Immigration

Kapitel II Der Galton-Watson-Prozeß mit Immigration Kapitel II Der Galto-Watso-Prozeß mit Immigratio I diesem Kapitel werde wir das Modell des eifache GWP s um die Kompoete der Immigratio erweiter, was bedeutet, daß sich die Geeratioe der betrachtete Populatio

Mehr

Aufgaben zur Analysis I

Aufgaben zur Analysis I Aufgabe zur Aalysis I Es werde folgede Theme behadelt:. Logik, Iduktio, Mege, Abbilduge 2. Supremum, Ifimum 3. Folge, Fuktioefolge 4. Reihe, Potezreihe 5. Mootoie ud Stetigkeit 6. Differetialrechug 7.

Mehr

n (n + 1) = 1(1 + 1)(1 + 2) 3 Induktionsschritt: Angenommen die Gleichung gilt für n N. Dann folgt: 1 2 = 2 =

n (n + 1) = 1(1 + 1)(1 + 2) 3 Induktionsschritt: Angenommen die Gleichung gilt für n N. Dann folgt: 1 2 = 2 = Aufgabe 1: (6 Pukte) Zeige Sie für alle N die Formel: 1 2 + 2 3 + 3 4 +... + ( + 1) = ( + 1)( + 2). 3 Lösug: Beweis durch vollstädige Iduktio. Iduktiosafag: Für = 1 gilt: 1 2 = 2 = 1(1 + 1)(1 + 2) 3 Iduktiosschritt:

Mehr