Maße auf Produkträumen

Größe: px
Ab Seite anzeigen:

Download "Maße auf Produkträumen"

Transkript

1 Maße auf Produkträumen Es seien (, Ω 1 ) und (X 2, Ω 2 ) zwei Meßräume. Wir wollen uns zuerst überlegen, wie wir ausgehend davon eine geeignete σ-algebra auf X 2 definieren können. Wir betrachten die Menge E der Rechtecke M 1 M 2 X 2 M 1 Ω 1 und M 2 Ω 2. Die von E erzeugte σ-algebra Ω 1 Ω 2 heißt dann die Produkt-σ- Algebra auf X 2. (Analog wird die Produkt-σ-Algebra Ω 1 Ω 2... Ω n für Meßräume (X i, Ω i ), i = 1,..., n, als die von den Mengen M 1 M 2... M n erzeugte σ-algebra definiert, wobei M i Ω i i.) Sind nun (, Ω 1, µ 1 ) und (X 2, Ω 2, µ 2 ) gegebene Maßräume, dann wollen wir ein Maß auf ( X 2, Ω 1 Ω 2 ) definieren. Die Idee besteht darin, jedem Rechteck A B mit A Ω 1 und B Ω 2 das Maß mit µ(a B) = µ 1 (A) µ 2 (B) zuzuordnen. Definition. (Schnittmengen) Sei E X 2 und x 1, x 2 X 2. Der x 1 -Schnitt (von E) ist E x1 = {y X 2 : (x 1, y) E} X 2. Der x 2 -Schnitt (von E) ist E x 2 = {x : (x, x 2 ) E}. Satz. Ist E Ω = Ω 1 Ω 2, dann gilt E x1 Ω 2 und E x 2 Ω 1. D.h. Schnitte von meßbaren Mengen sind wieder meßbar. Beweis. Sei Ω = {E Ω : Ex1 Ω 2 x 1 }. 1. Für E = A B mit A Ω 1 und B Ω 2 gilt E x1 = B falls x 1 A und E x1 = falls x 1 / A. Damit gilt E Ω. 1

2 2. Weiters gilt offenbar X 2 Ω E Ω (( X 2 ) \ E) x1 = X 2 \ E x1 ( X 2 ) \ E Ω Für E i Ω gilt ( E i ) x1 = (E i ) x1 E i Ω. Also ist Ω eine σ-algebra und mit 1. gilt damit Ω Ω. Analog erfolgt der Beweis für E x 2. Satz. Seien (, Ω 1 ), (X 2, Ω 2 ) und (X 3, Ω 3 ) Meßräume. Des weiteren sei f : X 2 X 3 meßbar. Dann gilt 1. f x1 : X 2 X 3 mit f x1 (x 2 ) = f(x 1, x 2 ) ist meßbar für jedes feste x 1, 2. f x 2 : X 3 mit f x 2 (x 1) = f(x 1, x 2 ) ist meßbar für jedes feste x 2 X 2. Beweis. Sei V Ω 3 und Q = f 1 (V ) = {(x 1, x 2 ) : f(x 1, x 2 ) V }. Dann ist Q Ω 1 Ω 2 und mit dem vorigen Satz ist auch Q x1 = (f x1 ) 1 (V ) Ω 2 und Q x 2 = (f x 2 ) 1 (V ) Ω 1. Definition. E Ω 1 Ω 2 heißt elementare Menge wenn E als endliche disjunkte Vereinigung von Rechtecken darstellbar ist. Definition. Ein Mengensystem M heißt monotone Klasse wenn für jede monoton wachsende Mengenfolge A i M auch deren Vereinigung in M liegt, und für jede monoton fallende Mengenfolge B i M A i auch deren Durchschnitt B i in M liegt. Satz. (ohne Beweis) 2

3 Ω 1 Ω 2 enthält. ist die kleinste monotone Klasse, die alle elementaren Mengen Satz. Seien (, Ω 1, µ 1 ) und (X 2, Ω 2, µ 2 ) σ-endliche Maßräume und Q Ω 1 Ω 2. Für x 1, x 2 X 2 sei ϕ(x 1 ) = µ 2 (Q x1 ) und ψ(x 2 ) = µ 1 (Q x 2 ). Dann sind die Funktionen ϕ : R und ψ : X 2 R meßbar und es gilt ϕ(x 1 )dµ 1 (x 1 ) = X 2 ψ(x 2 )dµ 2 (x 2 ). Beweis. Sei Ω die Menge aller Q Ω = Ω1 Ω 2 für welche die obige Aussage erfüllt ist. 1. Sei Q = A B mit A Ω 1, B Ω 2. Dann ist Q x1 = B wenn x 1 A und Q x1 = wenn x 1 / A. Folglich ist µ 2 (Q x1 ) = µ 2 (B) wenn x 1 A und µ 2 (Q x1 ) = 0 wenn x 1 / A. Damit ist ϕ(x 1 ) = µ 2 (B) χ A (x 1 ). Analog zeigt man, dass ψ(x 2 ) = µ 1 (A) χ B (x 2 ). Damit sind ϕ und ψ meßbare Funktionen und es gilt weiters ϕ(x 1 )dµ 1 (x 1 ) = µ 2 (B) χ A (x 1 )dµ 1 (x 1 ) = µ 1 (A)µ 2 (B) X 2 ψ(x 2 )dµ 2 (x 2 ) = µ 1 (A) X 2 χ B (x 2 )dµ 2 (x 2 ) = µ 1 (A)µ 2 (B). Also gilt Q Ω. 2. Ist Q 1 Q 2... eine monoton wachsende Folge von Mengen aus Ω dann gilt auch Q i Ω. Dies folgt aus der Monotonie der zugehörigen Folge der charakteristischen Funktionen und dem Satz über die monotone Konvergenz. 3. Falls (Q i ) eine paarweise disjunkte Folgen von Mengen aus Ω ist, dann gilt ebenfalls Q i Ω (Übung). 3

4 4. Ist µ 1 (A) <, µ 2 (B) < und A B Q 1 Q 2... mit Q i Ω, dann ist Q i Ω. Diese Eigenschaft ist eine Folgerung des Satzes über die dominierte Konvergenz. 5. Nun schreiben wir und X 2 als abzählbare Vereinigungen von Mengen endlichen Maßes, = n=1 X (1) n, X 2 = n=1 X (2) n und definieren Mengen Q mn = Q (X (1) m X (2) n ). Sei M die Menge aller Q mit Q mn Ω m, n. Wegen 1. und 3. liegen alle elementaren Mengen in M. Wegen 2. und 4. ist M eine monotone Klasse, und folglich gilt M = Ω 1 Ω 2. Definition. Seien (, Ω 1, µ 1 ) und (X 2, Ω 2, µ 2 ) σ-endliche Maßräume und Q Ω 1 Ω 2. Dann ist das Produktmaß µ 1 µ 2 definiert durch (µ 1 µ 2 )(Q) = µ 2 (Q x1 )dµ 1 (x 1 ) = X 2 µ 1 (Q x 2 )dµ 2(x 2 ) (Die σ-additivität folgt aus einer Folgerung des Satzes über die monotone Konvergenz.) Satz. (Fubini) Seien (, Ω 1, µ 1 ) und (X 2, Ω 2, µ 2 ) σ-endliche Maßräume. Sei f : X 2 C (Ω 1 Ω 2 )-meßbar. Dann gilt 1. Sei 0 f und ϕ(x 1 ) = X 2 f x1 (x 2 )dµ 2 (x 2 ) und ψ(x 2 ) = f x 2 (x 1)dµ 1 (x 1 ), dann sind ϕ und ψ meßbar und ϕ(x 1 )dµ 1 (x 1 ) = X 2 ψ(x 2 )dµ 2 (x 2 ) = X 2 f(x 1, x 2 )d(µ 1 µ 2 )(x 1, x 2 ) 2. Sei ϕ (x 1 ) = X 2 f x1 (x 2 ) dµ 2 (x 2 ) mit ϕ (x 1 )dµ 1 (x 1 ) <. 4

5 Dann ist f L 1 ( X 2, µ 1 µ 2 ). Analoges gilt für den x 2 -Schnitt. 3. Sei f L 1 ( X 2, µ 1 µ 2 ). Dann ist f x1 L 1 (X 2, µ 2 ) für fast alle x 1 und f x 2 L1 (, µ 1 ) für fast alle x 2 X 2. Ferner ist ϕ L 1 (, µ 1 ) und ψ L 1 (X 2, µ 2 ) und es gilt die Formel unter 1. Beweis. 1. Sei Q Ω 1 Ω 2 und sei f = χ Q. Wie wir vorher schon gesehen haben, stimmt die Aussage in diesem Fall. Sie stimmt ebenfalls für einfache Funktionen. Mit dem Approximationssatz für positive meßbare Funktionen ergibt sich die Gültigkeit von Wende den obigen Punkt auf f an. 3. Zerlege f in positiven und negativen Anteil bzw. in Realteil und Imaginärteil. Wende Punkt 1. auf jeden Teil an und bilde anschließend die Summe. Bemerkung. Der Satz von Fubini besagt also, dass die Integration über das Produktmaß auf die Hintereinanderausführung von Integrationen bzgl. µ 1 und µ 2 zurückgeführt werden kann. Bemerkung. Die obige Formel ist falsch, wenn die beteiligten Maßräume nicht σ-endlich sind. Sei = X 2 = [0, 1], µ 1 das Zählmaß auf und µ 2 das Lebesgue-Maß auf X 2. Wir betrachten die Funktion { 1 wenn x = y f(x 1, x 2 ) = 0 sonst Dann gilt f(x 1, x 2 )dµ 1 = 1 und X 2 f(x 1, x 2 )dµ 2 = 0. Folglich X 2 f(x 1, x 2 )dµ 1 = 1 0 = X 2 f(x 1, x 2 )dµ 2. 5

6 Bemerkung. Sei = X 2 = R und µ 1 bzw. µ 2 das (eindimensionale) Lebesgue-Maßauf bzw. X 2. Aus dem Eindeutigkeitssatz folgt sofort, dass das Produktmaß gleich dem (zweidimensionalen) Lebesgue-Maß auf R ist. Analoges gilt natürlich für das n-fache Produkt von R. 6

σ-algebren, Definition des Maßraums

σ-algebren, Definition des Maßraums σ-algebren, Definition des Maßraums Ziel der Maßtheorie ist es, Teilmengen einer Grundmenge X auf sinnvolle Weise einen Inhalt zuzuordnen. Diese Zuordnung soll so beschaffen sein, dass dabei die intuitiven

Mehr

Das Lebesgue-Maß im R p

Das Lebesgue-Maß im R p Das Lebesgue-Maß im R p Wir werden nun im R p ein metrisches äußeres Maß definieren, welches schließlich zum Lebesgue-Maß führen wird. Als erstes definieren wir das Volumen von Intervallen des R p. Seien

Mehr

Metrische äußere Maße, Borel-Maße

Metrische äußere Maße, Borel-Maße Metrische äußere Maße, Borel-Maße Zum einen haben wir mit dem Fortsetzungssatz gesehen, dass man mit einem äußeren Maß (auf P(X) ) stets eine σ-algebra und ein Maß auf dieser bekommt. Liegt nun ein metrischer

Mehr

A. Maß- und Integrationstheorie

A. Maß- und Integrationstheorie A. Maß- und Integrationstheorie Im folgenden sind einige Ergebnisse aus der Maß- und Integrationstheorie zusammengestellt, die wir im Laufe der Vorlesung brauchen werden. Für die Beweise der Sätze sei

Mehr

Meßbare Funktionen. Die angemessenen Abbildungen zwischen Meßräumen sind die meßbaren Funktionen.

Meßbare Funktionen. Die angemessenen Abbildungen zwischen Meßräumen sind die meßbaren Funktionen. Meßbare Funktionen Die angemessenen Abbildungen zwischen Meßräumen sind die meßbaren Funktionen. Definition. Seien (X, Ω 1 ) und (Y, Ω 2 ) Meßräume. Eine Abbildung f : X Y heißt Ω 1 -Ω 2 -meßbar oder kurz

Mehr

Serie 2 Lösungsvorschläge

Serie 2 Lösungsvorschläge D-Math Mass und Integral FS 214 Prof. Dr. D. A. Salamon Serie 2 Lösungsvorschläge 1. Seien folgende Mengen gegeben: und für a, b R R := [, ] := R {, }, (a, ] := (a, ) { }, [, b) := (, b) { }. Wir nennen

Mehr

4 Messbare Funktionen

4 Messbare Funktionen 4 Messbare Funktionen 4.1 Definitionen und Eigenschaften Definition 4.1. Seien X eine beliebige nichtleere Menge, M P(X) eine σ-algebra in X und µ ein Maß auf M. Das Paar (X, M) heißt messbarer Raum und

Mehr

2.6 Der Satz von Fubini

2.6 Der Satz von Fubini 1 2.6 Der Satz von Fubini Unser Ziel ist der Beweis des folgenden Ergebnisses. 6.1. Satz von Fubini Sei f : R n+m R integrierbar. Dann gibt es eine Nullmenge N R m, so dass gilt: 1. Für alle y R m \ N

Mehr

Übungsblatt 5 zur Vorlesung Wahrscheinlichkeitstheorie

Übungsblatt 5 zur Vorlesung Wahrscheinlichkeitstheorie Dr. Christoph Luchsinger Übungsblatt 5 zur Vorlesung Wahrscheinlichkeitstheorie Allgemeine Masse Herausgabe des Übungsblattes: Woche 13, Abgabe der Lösungen: Woche 14 (bis Freitag, 16.15 Uhr), Besprechung:

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE UNIVERSITÄT MÜNCHEN Prof. Dr. D. Castrigiano Dr. M. Prähofer Zentralübung 38. Einschränkung eines Maßes TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Mathematik für Physiker 4 (Analysis 3) http://www.ma.tum.de/hm/ma9204

Mehr

Ferienkurs in Maß- und Integrationstheorie

Ferienkurs in Maß- und Integrationstheorie Zentrum Mathematik Technische Universität München Dipl. Math. Wolfgang Erb WS 9/ Übungsblatt Ferienkurs in Maß- und Integrationstheorie Aufgabe. (σ-algebren Sei eine Menge und A eine σ-algebra in. Seien

Mehr

Aufgaben zu Kapitel 0

Aufgaben zu Kapitel 0 Aufgaben zu Kapitel 0 0.1. Seien A und B zwei Mengen. Wie kann man paarweise disjunkte Mengen A 1, A 2 und A 3 so wählen, dass A 1 A 2 A 3 = A B gilt? 0.2. Seien E ein Menge und A eine Teilmengen von E.

Mehr

Lösungen zu Übungsblatt 9

Lösungen zu Übungsblatt 9 Analysis : Camillo de Lellis HS 007 Lösungen zu Übungsblatt 9 Lösung zu Aufgabe 1. Wir müssen einfach das Integral 16 (x + y d(x, y x +y 4 ausrechnen. Dies kann man einfach mittels Polarkoordinaten, da

Mehr

1 falls x 2. falls x = 1 und. 0 falls x > 1. eine Lebesgue-integrierbare Majorante. Somit können wir den Satz von Lebesgue anwenden:

1 falls x 2. falls x = 1 und. 0 falls x > 1. eine Lebesgue-integrierbare Majorante. Somit können wir den Satz von Lebesgue anwenden: Lösungsvorschläge zur Klausur 045 Maß- und Integrationstheorie WS 205/6 Lösungsvorschlag zu Aufgabe Sei f n der Integrant 0 falls x > 2 und f n x) falls x 2. 3+sin 2n)+x x 4n Sein punktweiser Grenzwert

Mehr

Lösung zu den Übungsaufgaben zur Lebesgueschen Integrationstheorie. Tobias Ried

Lösung zu den Übungsaufgaben zur Lebesgueschen Integrationstheorie. Tobias Ried Lösung zu den Übungsaufgaben zur Lebesgueschen Integrationstheorie Tobias Ried. März 2 2 Aufgabe (Messbarkeit der Komposition zweier Abbildungen). Seien (X, A), (Y, B) und (Z, C) Messräume und f : (X,

Mehr

Zusammenfassung der Lebesgue-Integrationstheorie

Zusammenfassung der Lebesgue-Integrationstheorie Zusammenfassung der Lebesgue-Integrationstheorie Das Lebesguesche Integral verallgemeinert das Riemannsche Integral. Seine Vorteile liegen für unsere Anwendungen vor allem bei den wichtigen Konvergenzsätzen,

Mehr

2. Integration. {x : f(x) <a+ 1 n }

2. Integration. {x : f(x) <a+ 1 n } 9 2.1. Definition. 2. Integration in Maß ist eine nichtnegative, abzählbar additive Mengenfunktion. in Maßraum ist ein Tripel (X,,µ) bestehend aus einem messbaren Raum X mit der -lgebra und einem auf definierten

Mehr

Wahrscheinlichkeitstheorie und Maßtheorie

Wahrscheinlichkeitstheorie und Maßtheorie KAPITEL 7 Wahrscheinlichkeitstheorie und Maßtheorie 7.1. Vorüberlegungen Die folgenden drei Beispiele sind Spezialfälle des Oberbegriffs Maß. Beispiel 7.1.1 (Verteilung der Ladung oder der Masse). Man

Mehr

Lebesgue-Integral und L p -Räume

Lebesgue-Integral und L p -Räume Lebesgue-Integral und L p -Räume Seminar Integraltransformationen, WS 2012/13 1 Treppenfunktionen Grundlage jedes Integralbegriffs ist das geometrisch definierte Integral von Treppenfunktionen. Für A R

Mehr

2 Allgemeine Integrationstheorie

2 Allgemeine Integrationstheorie 2 Allgemeine Integrationstheorie In diesem Abschnitt ist (,S,µ) ein Maßraum, und wir betrachten R immer mit der σ Algebra B(R). Ziel ist es, messbare Funktionen f : R zu integrieren. Das Maß µ wird uns

Mehr

Lösungsvorschläge für das 5. Übungsblatt

Lösungsvorschläge für das 5. Übungsblatt Lösungsvorschläge für das 5. Übungsblatt Aufgabe 6 a) Sei = [0, ], f(x) := [e x ] für x. Hierbei ist [y] := maxk Z k y} für y. Behauptung: f ist messbar und es ist f(x) dx = 2 log 2. falls x [0, log 2),

Mehr

Reelle Analysis. Vorlesungsskript. Enno Lenzmann, Universität Basel. 11. Oktober 2013

Reelle Analysis. Vorlesungsskript. Enno Lenzmann, Universität Basel. 11. Oktober 2013 Reelle Analysis Vorlesungsskript Enno Lenzmann, Universität Basel 11. Oktober 2013 3 Fortsetzung von Prämassen zu Massen Der Begriff des Prämasses ist nicht ausreichend, um eine geschmeidige Integrationstheorie

Mehr

Beweis. Bauer (4. Auflage, 1991), S , Hoffmann-Jørgensen, Vol. I, S. 457.

Beweis. Bauer (4. Auflage, 1991), S , Hoffmann-Jørgensen, Vol. I, S. 457. Exkurs A: Bedingte Erwartungswerte, bedingte Verteilungen (Ω, A, P ) sei W-Raum, X : Ω IR P-quasiintegrierbar, F A Unter - σ- Algebra. E(X F) = E P (X F) (Version des) bedingter Erwartungswert von X unterf

Mehr

Wahrscheinlichkeitsrechnung

Wahrscheinlichkeitsrechnung Grundstudium Mathematik Wahrscheinlichkeitsrechnung Bearbeitet von Dominique Foata, Aime Fuchs 1. Auflage 1999. Taschenbuch. xv, 383 S. Paperback ISBN 978 3 7643 6169 3 Format (B x L): 17 x 24,4 cm Gewicht:

Mehr

Maßtheorie. Skript zur Vorlesung von Prof. Dr. Michael Kohler. Sommersemester 2005 und Wintersemester 2005/2006

Maßtheorie. Skript zur Vorlesung von Prof. Dr. Michael Kohler. Sommersemester 2005 und Wintersemester 2005/2006 Maßtheorie Skript zur Vorlesung von Prof. Dr. Michael Kohler Sommersemester 2005 und Wintersemester 2005/2006 1 1 Grundbegriffe der Maßtheorie Ziel: Konstruktion von Maßzahlen (wie z. B. Länge / Fläche

Mehr

Existenz des Lebesgue-Borel-Maßes

Existenz des Lebesgue-Borel-Maßes A Existenz des Lebesgue-Borel-Maßes In diesem (nicht prüfungsrelevanten) Anhang tragen wir u.a. die Existenz des Lebesgue- Borel-Maßes nach. 52 Es empfiehlt sich, diesen Anhang erst nach Kapitel 5 zu lesen

Mehr

KONSTRUKTION VON MASSEN

KONSTRUKTION VON MASSEN KONSTRUKTION VON MASSEN MARCUS HEITEL 1. Einleitung Wir wollen im Folgenden das Lebesguemaß konstruieren. Dieses soll die Eigenschaft λ ( [a, b = b a für a, b R besitzen. Nun ist ein Maß aber auf einer

Mehr

Skriptbausteine zur Vorlesung Maßtheorie

Skriptbausteine zur Vorlesung Maßtheorie Skriptbausteine zur Vorlesung Maßtheorie Vorlesender: Prof. Dr. Bernd Hofmann Der folgende Text soll die Nacharbeit der Vorlesung erleichtern und dabei an Definitionen, Sätze und Beispiele erinnern. Das

Mehr

Lehrstuhl IV Stochastik & Analysis. Stochastik II. Wahrscheinlichkeitstheorie I. Skriptum nach einer Vorlesung von Hans-Peter Scheffler

Lehrstuhl IV Stochastik & Analysis. Stochastik II. Wahrscheinlichkeitstheorie I. Skriptum nach einer Vorlesung von Hans-Peter Scheffler Fachschaft Mathematik Uni Dortmund Lehrstuhl IV Stochastik & Analysis Stochastik II Wahrscheinlichkeitstheorie I Skriptum nach einer Vorlesung von Hans-Peter Scheffler Letzte Änderung: 26. November 2002

Mehr

Grundlagen Mengenlehre, Maßtheorie

Grundlagen Mengenlehre, Maßtheorie Grundlagen Mengenlehre, Maßtheorie 12. März 2011 1 Grundlagen der Mengenlehre - Rechnen mit Mengen Im folgenden bezeichnen wir mit P(X) die Menge aller Teilmengen von X, die sogenannte Potenzmenge von

Mehr

Kapitel II - Wahrscheinlichkeitsraum

Kapitel II - Wahrscheinlichkeitsraum Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel II - Wahrscheinlichkeitsraum Wahrscheinlichkeitstheorie Prof. Dr. W.-D. Heller Hartwig Senska Carlo Siebenschuh

Mehr

Analysis III. Vorlesung 69. Integrierbare Funktionen

Analysis III. Vorlesung 69. Integrierbare Funktionen Prof. Dr. H. Brenner Osnabrück WS 2014/2015 Analysis III Vorlesung 69 Integrierbare Funktionen Wir führen nun das Lebesgue-Integral für messbare Funktionen auf einem aßraum ein. Dieser Integralbegriff

Mehr

Erwartungswert als Integral

Erwartungswert als Integral Erwartungswert als Integral Anton Klimovsky Gemischte ZVen, allgemeine ZVen, Erwartungswert für allgemeine ZVen, Lebesgue-Integral bzgl. WMaß, Eigenschaften des Integrals, Lebesgue-Maß, Lebesgue-Integral

Mehr

I Grundbegriffe 1 1 Wahrscheinlichkeitsräume Bedingte Wahrscheinlichkeiten und Unabhängigkeit Reellwertige Zufallsvariablen...

I Grundbegriffe 1 1 Wahrscheinlichkeitsräume Bedingte Wahrscheinlichkeiten und Unabhängigkeit Reellwertige Zufallsvariablen... Inhaltsverzeichnis I Grundbegriffe 1 1 Wahrscheinlichkeitsräume......................... 1 2 Bedingte Wahrscheinlichkeiten und Unabhängigkeit........... 7 3 Reellwertige Zufallsvariablen........................

Mehr

Klausur zur Vorlesung Stochastik II

Klausur zur Vorlesung Stochastik II Institut für Mathematische Stochastik WS 24/25 Universität Karlsruhe 7. März 25 Priv-Doz. Dr. D. Kadelka Klausur zur Vorlesung Stochastik II Dauer: 9 Minuten Name: Vorname: Matrikelnummer: Diese Klausur

Mehr

I Grundbegriffe 1 1 Wahrscheinlichkeitsräume Bedingte Wahrscheinlichkeiten und Unabhängigkeit Reellwertige Zufallsvariablen...

I Grundbegriffe 1 1 Wahrscheinlichkeitsräume Bedingte Wahrscheinlichkeiten und Unabhängigkeit Reellwertige Zufallsvariablen... Inhaltsverzeichnis I Grundbegriffe 1 1 Wahrscheinlichkeitsräume......................... 1 2 Bedingte Wahrscheinlichkeiten und Unabhängigkeit........... 7 3 Reellwertige Zufallsvariablen........................

Mehr

Analysis 2. Vorlesungsausarbeitung zum SS von Prof. Dr. Klaus Fritzsche. Inhaltsverzeichnis

Analysis 2. Vorlesungsausarbeitung zum SS von Prof. Dr. Klaus Fritzsche. Inhaltsverzeichnis Bergische Universität Gesamthochschule Wuppertal Fachbereich Mathematik Analysis 2 Kapitel 3 Integrationstheorie Vorlesungsausarbeitung zum SS 2001 von Prof Dr Klaus Fritzsche Inhaltsverzeichnis 1 Maßtheorie

Mehr

Absolute Stetigkeit von Maßen

Absolute Stetigkeit von Maßen Absolute Stetigkeit von Maßen Definition. Seien µ und ν Maße auf (X, Ω). Dann heißt ν absolut stetig bezüglich µ (kurz ν µ ), wenn für alle A Ω mit µ(a) = 0 auch gilt dass ν(a) = 0. Lemma. Sei ν ein endliches

Mehr

Mathematik III. Vorlesung 74. Folgerungen aus dem Satz von Fubini. (( 1 3 x3 1 2 x2 y +2y 3 x) 1 2)dy. ( y +2y y +4y3 )dy

Mathematik III. Vorlesung 74. Folgerungen aus dem Satz von Fubini. (( 1 3 x3 1 2 x2 y +2y 3 x) 1 2)dy. ( y +2y y +4y3 )dy Prof. Dr. H. Brenner Osnabrück WS 2010/2011 Mathematik III Vorlesung 74 Folgerungen aus dem Satz von Fubini Beispiel 74.1. Wir wollen das Integral der Funktion f :R 2 R, (x,y) x 2 xy +2y 3, über dem Rechteck

Mehr

9. Übung zur Maß- und Integrationstheorie, Lösungsskizze Aufgaben

9. Übung zur Maß- und Integrationstheorie, Lösungsskizze Aufgaben 9. Übung zur aß- und Integrationstheorie, Lösungsskizze Aufgaben A 50 (Eine Flächenberechnung mit dem Cavalierischen Prinzip). Es seien a, b > 0 und : { (x, y) R 2 : (x/a) 2 + (y/b) 2 1 }. (a) Skizzieren

Mehr

Darstellungssatz von Riesz in vollständig regulären Räumen. Carina Pöll Wintersemester 2012

Darstellungssatz von Riesz in vollständig regulären Räumen. Carina Pöll Wintersemester 2012 Darstellungssatz von Riesz in vollständig regulären Räumen Carina Pöll 0726726 Wintersemester 2012 Inhaltsverzeichnis 1 Einleitung 1 2 Definitionen und Resultate aus der Topologie 1 3 Der Darstellungssatz

Mehr

Analysis III. Vorlesung 61

Analysis III. Vorlesung 61 Prof. Dr. H. Brenner Osnabrück WS 2014/2015 Analysis III Vorlesung 61 In diesem Kurs beschäftigen wir uns mit dem Flächeninhalt von ebenen Gebilden und den Volumina von räumlichen Gebilden. Für ein Rechteck

Mehr

Mathematik III. Prof. Dr. H. Brenner Osnabrück WS 2010/2011. Vorlesung 62 In diesem Kurs beschäftigen wir uns mit dem

Mathematik III. Prof. Dr. H. Brenner Osnabrück WS 2010/2011. Vorlesung 62 In diesem Kurs beschäftigen wir uns mit dem Prof. Dr. H. Brenner Osnabrück WS 2010/2011 Mathematik III Vorlesung 62 In diesem Kurs beschäftigen wir uns mit dem Flächeninhalt von ebenen Gebilden und den Volumina von räumlichen Gebilden. Für ein Rechteck

Mehr

Mathematik III. Produkt-Präringe

Mathematik III. Produkt-Präringe Prof. Dr. H. Brenner Osnabrück WS 2010/2011 Mathematik III Vorlesung 66 Es ist unser Ziel zu zeigen, dass auf der Produktmenge von Maßräumen unter recht allgemeinen Voraussetzungen ein Maß definiert ist,

Mehr

Konstruktion der reellen Zahlen

Konstruktion der reellen Zahlen Konstruktion der reellen Zahlen Zur Wiederholung: Eine Menge K (mit mindestens zwei Elementen) heißt Körper, wenn für beliebige Elemente x, y K eindeutig eine Summe x+y K und ein Produkt x y K definiert

Mehr

Meßbare Funktionen. bilden die Grundlage der Integrationstheorie. Definition 24.1 :

Meßbare Funktionen. bilden die Grundlage der Integrationstheorie. Definition 24.1 : 24 Meßbare Funktionen bilden die Grundlage der Integrationstheorie. Definition 24. : Sei X eine beliebige Menge, Y ein topologischer Raum, λ ein Maß auf X. f : X Y heißt λ-messbar, falls f (Ω) λ-messbar

Mehr

Kardinalzahlen. Bemerkung. Eine unendliche Kardinalzahl α muss eine Limesordinalzahl sein. (Beweis zur Übung)

Kardinalzahlen. Bemerkung. Eine unendliche Kardinalzahl α muss eine Limesordinalzahl sein. (Beweis zur Übung) Kardinalzahlen Kardinalzahlen sollen die Größe von Mengen messen, daher suchen wir eine Aussage der Form, dass jede Menge bijektiv auf eine Kardinalzahl abgebildet werden kann. Um eine brauchbare Theorie

Mehr

12 Der Gaußsche Integralsatz

12 Der Gaußsche Integralsatz 12. Der Gaußsche Integralsatz 1 12 Der Gaußsche Integralsatz Das Ziel dieses Abschnitts ist die folgende zentrale Aussage der mehrdimensionalen Analysis und der Theorie der partiellen Differentialgleichungen:

Mehr

Analysis III. Vorlesung 72. Korollar Es sei (M,A,µ) ein σ-endlicher Maßraum und v: M R n eine messbare Abbildung. Dann ist die Abbildung

Analysis III. Vorlesung 72. Korollar Es sei (M,A,µ) ein σ-endlicher Maßraum und v: M R n eine messbare Abbildung. Dann ist die Abbildung Prof. Dr. H. Brenner Osnabrück WS 15/16 Analysis III Vorlesung 7 Korollar 7.1. Es sei (,A,µ) ein σ-endlicher aßraum und v: R n eine messbare Abbildung. Dann ist die Abbildung bijektiv und maßtreu. ϕ v

Mehr

Lineare Abbildungen - I

Lineare Abbildungen - I Lineare Abbildungen - I Definition. Seien V und W K-Vektorräume (über demselben K). Eine Abbildung F : V W heißt K-linear, wenn L1) F (v + w) = F (v) + F (w) v, w V L2) F (λv) = λf (v) v V, λ K. Somit

Mehr

Höhere Analysis. dω = Reiner Lauterbach. Vorlesung. Universität Hamburg, WS 2015/2016

Höhere Analysis. dω = Reiner Lauterbach. Vorlesung. Universität Hamburg, WS 2015/2016 Höhere Analysis Vorlesung Reiner Lauterbach M dω = M ω Universität Hamburg, WS 2015/2016 ii Inhaltsverzeichnis 12 Integration im R n 5 12.1 Mengenalgebren............................ 6 12.2 Inhalt und

Mehr

Mathematik III. Vorlesung 71

Mathematik III. Vorlesung 71 Prof. Dr. H. Brenner Osnabrück WS 2010/2011 athematik III Vorlesung 71 Ausschöpfungseigenschaften Die folgenden Rechenregeln für Integrale beruhen auf dem Ausschöpfungssatz für aße. an kann den Subgraphen

Mehr

Wichtige Klassen reeller Funktionen

Wichtige Klassen reeller Funktionen 0 Wichtige Klassen reeller Funktionen Monotone Funktionen sind i.a. unstetig, aber man kann etwas über das Grenzwertverhalten aussagen, wenn man nur einseitige Grenzwerte betrachtet. Definition 0. : Sei

Mehr

Kapitel II Kontinuierliche Wahrscheinlichkeitsräume

Kapitel II Kontinuierliche Wahrscheinlichkeitsräume Kapitel II Kontinuierliche Wahrscheinlichkeitsräume 1. Einführung 1.1 Motivation Interpretation der Poisson-Verteilung als Grenzwert der Binomialverteilung. DWT 1.1 Motivation 211/476 Beispiel 85 Wir betrachten

Mehr

1.3 Zufallsvariablen

1.3 Zufallsvariablen 1.3 Zufallsvariablen Beispiel Irrfahrt zwischen drei Zuständen Start in G bei t = 0, Zeithorizont T N Grundraum σ-algebra Ω = {ω = (ω 0, ω 1,..., ω T ) {G, R, B} T +1, ω 0 = G} Wahrscheinlichkeitsmaß P

Mehr

13 Mehrdimensionale Zufallsvariablen Zufallsvektoren

13 Mehrdimensionale Zufallsvariablen Zufallsvektoren 3 Mehrdimensionale Zufallsvariablen Zufallsvektoren Bisher haben wir uns ausschließlich mit Zufallsexperimenten beschäftigt, bei denen die Beobachtung eines einzigen Merkmals im Vordergrund stand. In diesem

Mehr

8. Formelsammlung. Pr[ ] = 0. 0 Pr[A] 1. Pr[Ā] = 1 Pr[A] A B = Pr[A] Pr[B] DWT 8.1 Gesetze zum Rechnen mit Ereignissen 203/467 Ernst W.

8. Formelsammlung. Pr[ ] = 0. 0 Pr[A] 1. Pr[Ā] = 1 Pr[A] A B = Pr[A] Pr[B] DWT 8.1 Gesetze zum Rechnen mit Ereignissen 203/467 Ernst W. 8. Formelsammlung 8.1 Gesetze zum Rechnen mit Ereignissen Im Folgenden seien A und B, sowie A 1,..., A n Ereignisse. Die Notation A B steht für A B und zugleich A B = (disjunkte Vereinigung). A 1... A

Mehr

Kapitel 19. Das Lebesgue Maß σ Algebren und Maße

Kapitel 19. Das Lebesgue Maß σ Algebren und Maße Kapitel 19 Das Lebesgue Maß 19.1 σ Algebren und Maße 19.2 Das äußere Lebesgue Maß 19.3 Das Lebesgue Maß 19.4 Charakterisierungen des Lebesgue Maßes 19.5 Messbare Funktionen 19.1 σ Algebren und Maße Wir

Mehr

Stochastik I. Vorlesungsmitschrift

Stochastik I. Vorlesungsmitschrift Stochastik I Vorlesungsmitschrift Ulrich Horst Institut für Mathematik Humboldt-Universität zu Berlin Inhaltsverzeichnis 1 Grundbegriffe 1 1.1 Wahrscheinlichkeitsräume..................................

Mehr

10 Untermannigfaltigkeiten

10 Untermannigfaltigkeiten 10. Untermannigfaltigkeiten 1 10 Untermannigfaltigkeiten Definition. Eine Menge M R n heißt k-dimensionale Untermannigfaltigkeit des R n, 1 k n, falls es zu jedem a M eine offene Umgebung U R n von a und

Mehr

01145 Maß- und Integrationstheorie

01145 Maß- und Integrationstheorie 01145 Maß- und Integrationstheorie Eine Einführung Prof. Dr. Werner Kirsch Wissenschaftliche Mitarbeit: Dr. Tobias Mühlenbruch Lehrgebiet Stochastik FernUniversität in Hagen LG.Stochastik@fernuni-hagen.de

Mehr

Maß & Integral de Gruyter Lehrbuch, Berlin 2015 ISBN:

Maß & Integral de Gruyter Lehrbuch, Berlin 2015 ISBN: Maß & Integral de Gruyter Lehrbuch, Berlin 205 ISBN: 978 3 03484 9 Lösungshandbuch René L. Schilling & Franziska Kühn Dresden, Januar 205 Diese Version: Februar 206 R.L. Schilling: Maß & Integral Dank.

Mehr

ARBEITSUNTERLAGEN ZUR VORLESUNG UND ÜBUNG AN DER UNIVERSITÄT DES SAARLANDES MAß-, INTEGRATIONS-

ARBEITSUNTERLAGEN ZUR VORLESUNG UND ÜBUNG AN DER UNIVERSITÄT DES SAARLANDES MAß-, INTEGRATIONS- ARBEITSUNTERLAGEN ZUR VORLESUNG UND ÜBUNG AN DER UNIVERSITÄT DES SAARLANDES MAß-, INTEGRATIONS- und WAHRSCHEINLICHKEITSTHEORIE im SS 2014 Übung Maß- und Integrationstheorie (SS 2014) 1 Aufgabe 1 (σ-algebra)

Mehr

Inverse Fourier Transformation

Inverse Fourier Transformation ETH Zürich HS 27 Departement Mathematik Seminararbeit Inverse Fourier Transformation Patricia Hinder Sandra König Oktober 27 Prof. M. Struwe Im Vortrag der letzten Woche haben wir gesehen, dass die Faltung

Mehr

Einführung in die Maß- und Integrationstheorie

Einführung in die Maß- und Integrationstheorie Kapitel 11 Einführung in die Maß- und Integrationstheorie Dozentin: Prof. Dr. Helga Baum Nach Vorlesungen im Sommersemester 2002 (1. Teil von Analysis IV) und im Sommersemester 2008 (1. Teil von Analysis

Mehr

Elemente der mengentheoretischen Topologie

Elemente der mengentheoretischen Topologie Elemente der mengentheoretischen Topologie Es hat sich herausgestellt, dass das Konzept des topologischen Raumes die geeignete Struktur darstellt für die in der Analysis fundamentalen Begriffe wie konvergente

Mehr

3 Das n-dimensionale Integral

3 Das n-dimensionale Integral 3 Das n-dimensionale Integral Ziel: Wir wollen die Integrationstheorie für f : D R n R entwickeln. Wir wollen den Inhalt (beziehungsweise das Maß ) M einer Punktmenge des R n definieren für eine möglichst

Mehr

Allgemeine Punktprozesse

Allgemeine Punktprozesse Allgemeine Punktprozesse Michael Auchter 17. Mai 2010 Seite 2 Allgemeine Punktprozesse 17. Mai 2010 Inhaltsverzeichnis Definitionen Definition von Punktprozessen Das Intensitätsmaß Stationarität, Isotropie

Mehr

Kapitel 1. Grundlegendes

Kapitel 1. Grundlegendes Kapitel 1 Grundlegendes Abschnitt 1.4 Vollständige Induktion Charakterisierung der natürlichen Zahlen Die Menge N 0 = {0, 1, 2, 3,...} der natürlichen Zahlen läßt sich wie folgt charakterisieren: 1. 0

Mehr

Übungen zu bedingten Erwartungswerten. Tutorium Stochastische Prozesse 13. Dezember 2016

Übungen zu bedingten Erwartungswerten. Tutorium Stochastische Prozesse 13. Dezember 2016 Übungen zu bedingten Erwartungswerten Tutorium Stochastische Prozesse 13. Dezember 2016 Bedingter Erwartungswert Definition Sei X eine reellwertige Zufallsvariable auf (Ω, A, P), so dass E[ X ]

Mehr

3 Markov-Eigenschaft der Brownschen Bewegung

3 Markov-Eigenschaft der Brownschen Bewegung Man verifiziert 2.) für P n = Q n, und somit gilt: jede Teilfolge von (P n ) n N besitzt eine konvergente Teilfolge. Betrachte nun die endlich-dimensionalen Randverteilungen der Maße P n. Dazu sei π t1,...,t

Mehr

Stochastische Prozesse

Stochastische Prozesse INSTITUT FÜR STOCHASTIK SS 29 UNIVERSITÄT KARLSRUHE Blatt 6 Priv.-Doz. Dr. D. Kadelka Dipl.-Math. W. Lao Übungen zur Vorlesung Stochastische Prozesse Musterlösungen Aufgabe 27: Sei X eine R + -wertige

Mehr

Maß- und Integrationstheorie

Maß- und Integrationstheorie Maß- und Integrationstheorie Manuskript zur Vorlesung in SS26 Bálint Farkas farkas@mathematik.tu-darmstadt.de Inhaltsverzeichnis Einführung...................................................................

Mehr

4 Absolutstetige Verteilungen und Zufallsvariablen 215/1

4 Absolutstetige Verteilungen und Zufallsvariablen 215/1 4 Absolutstetige Verteilungen und Zufallsvariablen 215/1 23. Bemerkung Integralbegriffe für Funktionen f : R d R (i) Lebesgue-Integral (Vorlesung Analysis IV). Spezialfall: (ii) Uneigentliches Riemann-Integral

Mehr

Maß- und Integrationstheorie

Maß- und Integrationstheorie Maß- und Integrationstheorie Klaus Ritter Kaiserslautern, SS 2014 Literatur Insbesondere J. Elstrodt, Maß- und Integrationstheorie, Springer, Berlin, 1. Auflage 1996, 7. Auflage 2011. Vorkenntnisse Grundlagen

Mehr

Lösungsskizzen zu Übungsblatt 1

Lösungsskizzen zu Übungsblatt 1 Lösungsskizzen zu Übungsblatt 1 26. Oktober 2016 Algebra Wintersemester 2016-17 Prof. Andreas Rosenschon, PhD Anand Sawant, PhD Diese Lösungen erheben nicht den Anspruch darauf vollständig zu sein. Insbesondere

Mehr

Lösungsvorschlag zu den Präsenzaufgaben der 1. Übung

Lösungsvorschlag zu den Präsenzaufgaben der 1. Übung Michael Winkler Johannes Lankeit 8.4.2014 Lösungsvorschlag zu den Präsenzaufgaben der 1. Übung Präsenzaufgabe 1: Rufe dir die folgenden Definitionen wieder in Erinnerung: C = {(x, y); x R, y R} bildet

Mehr

KAPITEL 5. Erwartungswert

KAPITEL 5. Erwartungswert KAPITEL 5 Erwartungswert Wir betrachten einen diskreten Wahrscheinlichkeitsraum (Ω, P) und eine Zufallsvariable X : Ω R auf diesem Wahrscheinlichkeitsraum. Die Grundmenge Ω hat also nur endlich oder abzählbar

Mehr

Maßtheorie. Wie interpretiert man Volumenmessung? Ziel :

Maßtheorie. Wie interpretiert man Volumenmessung? Ziel : 23 Maßtheorie Ziel : Entwicklung allgemeiner Konzepte, die es gestatten, z.b. Volumina und Oberflächen von Körpern R 3 sinnvoll zu definieren und zu berechnen; sinnvoll soll heißen : für den Einheitswürfel

Mehr

Zulassungsprüfung Stochastik,

Zulassungsprüfung Stochastik, Zulassungsprüfung Stochastik, 10.10.14 Wir gehen stets von einem Maßraum (Ω, A, µ) bzw. einem Wahrscheinlichkeitsraum (Ω,A,P) aus. Die Borel σ-algebra auf R n wird mit B n bezeichnet, das Lebesgue Maß

Mehr

Analysis 4, Übungsblatt 1. Wird am 28. April 2000 besprochen

Analysis 4, Übungsblatt 1. Wird am 28. April 2000 besprochen Analysis 4, Übungsblatt 1 Wird am 28. April 2000 besprochen 1. Man zeige, daß durch das Gleichungssystem x 2 y cos(uv) + z 2 = 0 x 2 + y 2 sin(uv) + 2z 2 = 2 xy sin(u) cos(v) + z = 0 die Variablen x, y,

Mehr

Charakteristische Funktionen

Charakteristische Funktionen Kapitel 9 Charakteristische Funktionen Jeder Wahrscheinlichkeitsverteilung auf (, B 1 ) (allgemeiner: (R n, B n )) ist eine komplexwertige Funktion, ihre charakteristische Funktion, zugeordnet, durch die

Mehr

Wahrscheinlichkeitsrechnung und Statistik

Wahrscheinlichkeitsrechnung und Statistik 1. und 2. Vorlesung - 2017 Im Alltag... Laut den meteorologischen Vorhersagen wird es morgen regnen. Ob ich riskiere und die Wette verlieren werde? Ich werde mit Sicherheit gewinnen! Ist das wirklich unmöglich?

Mehr

3 Messbare Funktionen

3 Messbare Funktionen 3. Messbare Funktionen 1 3 Messbare Funktionen Sei (, A, µ) ein beliebiger Maßraum. Definition. ine Funktion f : R = [, + ] heißt messbar (bezüglich A), falls die Menge {f < c} = {x : f(x) < c} = f 1 ([,

Mehr

2 Folgen und Reihen. 2.1 Folgen in C Konvergenz von Folgen. := f(n)

2 Folgen und Reihen. 2.1 Folgen in C Konvergenz von Folgen. := f(n) 2 Folgen und Reihen 2.1 Folgen in C 2.1.1 Konvergenz von Folgen Eine Folge komplexer Zahlen ist eine Funktion f : N C. Mit a n schreibt man (a n ) n=1, (a n ) oder auch a 1, a 2,.... := f(n) (a n ) heißt

Mehr

Einführung und Grundlagen

Einführung und Grundlagen Kapitel 1 Einführung und Grundlagen Generelle Notation: Ω, A, P sei ein W-Raum im Hintergrund nie weiter spezifiziert Die betrachteten Zufallsvariablen seien auf Ω definiert, zb X : Ω, A M, A, wobei M,

Mehr

4 Fehlerabschätzungen und Konvergenz der FEM

4 Fehlerabschätzungen und Konvergenz der FEM 4 Fehlerabschätzungen und Konvergenz der FEM 4 Fehlerabschätzungen und Konvergenz der FEM 153 Es sei V der Lösungsraum und V N V ein endlich dimensionaler Unterraum. Weiters sei u V die exakte Lösung und

Mehr

Maß- und Integrationstheorie

Maß- und Integrationstheorie Maß- und Integrationstheorie Ulrich Bunke 18. Dezember 2013 Inhaltsverzeichnis 1 Integration in R n 3 2 Algebren 8 3 Prämaße 11 4 Konstruktion von Prämaßen, Partitionen 12 5 Beispiele für Prämaße 14 6

Mehr

Mengensysteme, Wahrscheinlichkeitsmaße

Mengensysteme, Wahrscheinlichkeitsmaße Kapitel 1 Mengensysteme, Wahrscheinlichkeitsmaße Der Großteil der folgenden fundamentalen Begriffe sind schon aus der Vorlesung Stochastische Modellbildung bekannt: Definition 1.1 Eine Familie A von Teilmengen

Mehr

Serie 5. Figure 1: 1.a)

Serie 5. Figure 1: 1.a) Analsis D-BAUG Dr. Cornelia Busch FS 16 Serie 5 1. Bei den folgenden Integralen ist die Reihenfolge der Integrationen umzukehren: Die innere Variable soll zur äusseren werden und umgekehrt. Wie lautet

Mehr

Analysis 3. Stand 12. April Alle Rechte beim Autor.

Analysis 3. Stand 12. April Alle Rechte beim Autor. Analysis 3 Steffen Börm Stand 12. April 2011 Alle Rechte beim Autor. Inhaltsverzeichnis 1 Einleitung 5 2 Grundlagen der Maßtheorie 7 2.1 Motivation................................... 7 2.2 Systeme von

Mehr

1 Konvergenz im p ten Mittel

1 Konvergenz im p ten Mittel Konvergenz im p ten Mittel 1 1 Konvergenz im p ten Mittel In diesem Paragraphen werden zunächst in Abschnitt 1.1 die L p Räume eingeführt. Diese erweisen sich als vollständige, lineare Räume über R. In

Mehr

Eigenwerte und Diagonalisierung

Eigenwerte und Diagonalisierung Eigenwerte und Diagonalisierung Wir wissen von früher: Seien V und W K-Vektorräume mit dim V = n, dim W = m und sei F : V W linear. Werden Basen A bzw. B in V bzw. W gewählt, dann hat F eine darstellende

Mehr

Fraktale Geometrie. 9: Metrische äußere Maße II. Universität Regensburg Sommersemester Daniel Heiß:

Fraktale Geometrie. 9: Metrische äußere Maße II. Universität Regensburg Sommersemester Daniel Heiß: Universität Regensburg Sommersemester 013 Daniel Heiß: 9: Metrische äußere Maße II I Das mehrdimensionale Lebesguemaß 1.1 Definition (i) Für reelle Zahlen a b, c d ist ein Rechteck im R die Menge R = a,

Mehr

Skript zur Vorlesung. Mass und Integral. Urs Lang. Sommersemester 2005 ETH Zürich

Skript zur Vorlesung. Mass und Integral. Urs Lang. Sommersemester 2005 ETH Zürich Skript zur Vorlesung Mass und Integral Urs Lang Sommersemester 2005 ETH Zürich Version vom 12. September 2006 Literatur [Rudin] W. Rudin, Real and Complex Analysis, Third Edition. McGraw-Hill Book Co.,

Mehr

02. Vektorräume und Untervektorräume

02. Vektorräume und Untervektorräume 02. Vektorräume und Untervektorräume Wir kommen nun zur eigentlichen Definition eines K-Vektorraums. Dabei ist K ein Körper (bei uns meist R oder C). Informell ist ein K-Vektorraum eine Menge V, auf der

Mehr

Kapitel 1. Grundlagen

Kapitel 1. Grundlagen Kapitel 1. Grundlagen 1.1. Mengen Georg Cantor 1895 Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener Objekte unserer Anschauung oder unseres Denkens, wobei von jedem dieser Objekte eindeutig

Mehr

Erwartungswert und Varianz von Zufallsvariablen

Erwartungswert und Varianz von Zufallsvariablen Kapitel 7 Erwartungswert und Varianz von Zufallsvariablen Im Folgenden sei (Ω, A, P ) ein Wahrscheinlichkeitsraum. Der Erwartungswert von X ist ein Lebesgue-Integral (allerdings allgemeiner als in Analysis

Mehr

Unabhängigkeit KAPITEL 4

Unabhängigkeit KAPITEL 4 KAPITEL 4 Unabhängigkeit 4.1. Unabhängigkeit von Ereignissen Wir stellen uns vor, dass zwei Personen jeweils eine Münze werfen. In vielen Fällen kann man annehmen, dass die eine Münze die andere nicht

Mehr

Strassen Type Theorems Proseminar Stochastik

Strassen Type Theorems Proseminar Stochastik Strassen Type Theorems Proseminar Stochastik Cecelie Hector Universität Hamburg Fachbereich Mathematik SoSe 2004 Vortrag am 25.06.04 Definition (a). Ein topologischer Raum E heißt polnisch, wenn es eine

Mehr