Maße auf Produkträumen
|
|
- Adolf Gehrig
- vor 7 Jahren
- Abrufe
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 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
MehrDas 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
MehrMetrische 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
MehrA. 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
MehrMeßbare 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
MehrSerie 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
Mehr4 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
Mehr2.6 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
MehrÜbungsblatt 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:
MehrTECHNISCHE 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
MehrFerienkurs 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
MehrAufgaben 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.
MehrLösungen 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
Mehr1 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
MehrLösung 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,
MehrZusammenfassung 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,
Mehr2. 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
MehrWahrscheinlichkeitstheorie 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
MehrLebesgue-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
Mehr2 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
MehrLösungsvorschläge 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),
MehrReelle 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
MehrBeweis. 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
MehrWahrscheinlichkeitsrechnung
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:
MehrMaßtheorie. 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
MehrExistenz 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
MehrKONSTRUKTION 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
MehrSkriptbausteine 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
MehrLehrstuhl 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
MehrGrundlagen 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
MehrKapitel II - Wahrscheinlichkeitsraum
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel II - Wahrscheinlichkeitsraum Wahrscheinlichkeitstheorie Prof. Dr. W.-D. Heller Hartwig Senska Carlo Siebenschuh
MehrAnalysis 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
MehrErwartungswert 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
MehrI 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........................
MehrKlausur 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
MehrI 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........................
MehrAnalysis 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
MehrAbsolute 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
MehrMathematik 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
Mehr9. 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
MehrDarstellungssatz 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
MehrAnalysis 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
MehrMathematik 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
MehrMathematik 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,
MehrKonstruktion 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
MehrMeßbare 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
MehrKardinalzahlen. 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
Mehr12 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:
MehrAnalysis 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
MehrLineare 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
MehrHöhere 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
MehrMathematik 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
MehrWichtige 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
MehrKapitel 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
Mehr1.3 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
Mehr13 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
Mehr8. 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
MehrKapitel 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
MehrStochastik I. Vorlesungsmitschrift
Stochastik I Vorlesungsmitschrift Ulrich Horst Institut für Mathematik Humboldt-Universität zu Berlin Inhaltsverzeichnis 1 Grundbegriffe 1 1.1 Wahrscheinlichkeitsräume..................................
Mehr10 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
Mehr01145 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
MehrMaß & 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.
MehrARBEITSUNTERLAGEN 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)
MehrInverse 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
MehrEinführung 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
MehrElemente 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
Mehr3 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
MehrAllgemeine Punktprozesse
Allgemeine Punktprozesse Michael Auchter 17. Mai 2010 Seite 2 Allgemeine Punktprozesse 17. Mai 2010 Inhaltsverzeichnis Definitionen Definition von Punktprozessen Das Intensitätsmaß Stationarität, Isotropie
MehrKapitel 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
MehrÜbungen 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 ]
Mehr3 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
MehrStochastische 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
MehrMaß- und Integrationstheorie
Maß- und Integrationstheorie Manuskript zur Vorlesung in SS26 Bálint Farkas farkas@mathematik.tu-darmstadt.de Inhaltsverzeichnis Einführung...................................................................
Mehr4 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
MehrMaß- 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
MehrLösungsskizzen 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
MehrLösungsvorschlag 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
MehrKAPITEL 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
MehrMaßtheorie. 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
MehrZulassungsprüfung 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
MehrAnalysis 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,
MehrCharakteristische 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
MehrWahrscheinlichkeitsrechnung 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?
Mehr3 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 ([,
Mehr2 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
MehrEinführung 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,
Mehr4 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
MehrMaß- 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
MehrMengensysteme, 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
MehrSerie 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
MehrAnalysis 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
Mehr1 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
MehrEigenwerte 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
MehrFraktale 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,
MehrSkript 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.,
Mehr02. 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
MehrKapitel 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
MehrErwartungswert 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
MehrUnabhängigkeit 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
MehrStrassen 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