8 Martingaldarstellung und Doob-Meyer Zerlegung
|
|
- Lothar Cornelius Baum
- vor 5 Jahren
- Abrufe
Transkript
1 8 Martingaldartellung und Doob-Meyer Zerlegung 8.1 Der Martingaldartellungatz In Kapitel 3 haben wir gezeigt, da da Ito-Integral eine H -Integranden ein tetige Martingal it. Der Martingaldartellungatz bechäftigt ich mit der Umkehrung dieer Auage: Lät ich ein tetige Martingal al Ito-Integral dartellen? Für Martingale in der Brownchen Standardfiltration die einer quadratichen Integrierbarkeitbedingung genügen, lautet die Antwort Ja. Theorem 8.1. Sei X ein Martingal bezüglich der Brownchen Standardfiltration mit E [ X T ] <. Dann exitiert φ(ω, t) H [, T ], oda X t = x + φ(ω, )db, t [, T ] (8.1) gilt. Der Integrand φ(ω, t) it eindeutig bi auf dp dt-nullmengen. Bewei der Eindeutigkeit in Thm Die it der einfachere Teil de Beweie. E gelte die Dartellung (8.1) einereit mit φ(ω, t) H [, T ] und anderereit mit ψ(ω, t) H [, T ]. Dann it auch φ(ω, t) ψ(ω, t) in H [, T ] und e gilt = (φ(ω, ) ψ(ω, ))db. Wir berechnen die Varianz beider Seiten und erhalten mit der Ito-Iometrie [ ] T = E (φ(ω, ) ψ(ω, )) d. Der Integrand der rechten Seite it poitiv, daher mu er dp dt-fat überall Null ein und die Eindeutigkeit von φ it bewieen. Für den Bewei der Dartellung (8.1) tellen wir zunächt mal fet, da e aureicht ie für t = T zu zeigen. Au X T = x + φ(ω, )db (8.) folgt nämlich nach Anwendung der bedingten Erwartung E [. F t ] auf beiden Seiten die Gleichung (8.1). Der retliche Bewei erfolgt in zwei Schritten: Zeige erten die Dartellung (8.) für eine große Klae von Zufallvariablen und zeige dann zweiten, da diee Klae von Zufallvariablen bereit dicht in L (Ω, F T, P) it, womit dann 85
2 (8.) mittel Approximation folgt. Wir formulieren diee Schritte in den folgenden zwei Lemma genauer au. Lemma 8.. Sei t t n = T. Dann beitzt die Zufallvariable eine Dartellung Z = n 1 j= exp ( i θ j (B tj+1 B tj ) ) Z = E [Z] + φ(ω, t)db t mit φ H [, T ]. (8.3) Bewei. Wir etzen Z j = exp ( i θ j (B tj+1 B tj ) ) und zeigen die gewünchte Dartellung zuert für die einzelnen Faktoren Z j und dann für da Produkt Z = n 1 j= Z j. Wir modifizieren da altbekannte Martingal exp( 1 σ t + σb t ) ein wenig und eretzen den reellen Parameter σ durch einen imaginären Parameter i θ. So erhält man da komplexwertige Martingal ( ) 1 X t = exp θ t + i θb t welche die SDE dx t = i θx t db t erfüllt. Durch Integration der SDE bekommen wir X t+ = X + + i θx u db u und nach Einetzen der expliziten Getalt von X t ergibt ich ( ) ( ) 1 1 exp θ (t + ) + i θb t+ = exp θ + i θb + Diee Gleichung lät ich umformen auf ) exp(i θ(b +t B )) = exp ( θ t + +t + ( ) θ i θ exp u + i θb u db u. ( ) θ i θ exp ( + t u) + i θb u db u und wir erhalten omit für jeden der Faktoren Z j := exp(i θ(b tj+1 B tj )) die Dartellung Z j = a j + ψ j (ω, )db 86
3 mit ψ j (ω, ) = außerhalb von [t j, t j+1 ). Wir können nun auch Z j (t) := E [Z j F t ] = a j + ψ j (ω, )db definieren und erhalten mit der Produktformel für Ito-Prozee d(z j (t)z k (t)) = Z j (t) dz k (t) + Z k (t) dz j (t) + ψ j (ω, t)ψ k (ω, t)dt = = (Z j (t)ψ k (ω, t) + Z k (t)ψ j (ω, t)) db t, (j k) und omit wieder eine Dartellung der Form (8.3). Die Eigenchaft (Z j ψ k + Z k ψ j ) H [, T ] folgt dabei au der Bechränktheit der Z j (t). Da n-fache Wiederholen dieer Überlegung liefert dann die Behauptung. Lemma 8.3. Sei S die Menge aller Zufallvariablen welche ich al Linearkombinationen von Zufallvariablen der Form Z = n 1 j= exp ( i θ j (B tj+1 B tj ) dartellen laen. Dann it S eine dichte Teilmenge de Hilbertraum L (Ω, F T, P) = { X F T : E [ X T ] < }. Bewei. Wir kizzieren den Bewei nur. Sei D der Raum aller Zufallvariablen in L (Ω, F T, P), welche ich in der Form X = f(b t1, B t B t1,..., B tn B tn 1 ), f : R n R mebar dartellen laen. Dann folgt zunächt die Dichtheit von S in D au klaichen Argumenten der Fourieranalyi bzw. Hilbertraumtheorie. 13 Weiter folgt mit dem Satz über monotone Klaen au der Maßtheorie, da D dicht in L (Ω, F T, P) liegt. An dieer Stelle geht entcheidend ein, da F die Brownche Standardfiltration it, d.h. alleine von der Brownchen Bewegung und allen P-Nullmengen erzeugt wird. Bewei von Theorem 8.1. Nach Lemma 8. und 8.3 exitiert eine Folge von Zufallvariablen X n in L (Ω, F T, P) mit X n X T und den Dartellungen X n = E [X n ] + φ n (ω, )db, φ n H [, T ]. (8.4) 13 L (Ω, F T, P) it ein Hilbertraum und E [exp(i θ i (B t B ))] kann man al Fouriertranformation der Dichte von B t B interpretieren. 87
4 Au der L -Konvergenz folgt E [X n ] E [X T ] und omit it X n E [X n ] eine Cauchyfolge in L (dp). Mit der Ito-Iometrie folgt da φ n (ω, ) ebenfall eine Cauchyfolge in L (dp dt) it. Da H [, T ] ein volltändiger Teilraum von L (Ω, F T, P) it, exitiert φ(ω, t) H [, T ] mit φ n φ in L. Wir können nun auf beiden Seiten von (8.4) den L -Lime bilden und erhalten die Behauptung. Al Anwendung de Martingaldartellungatze beweien wir Lévy Charakteriierung der Brownchen Bewegung. Diee beagt im Weentlichen, da ein tetige Martingal deen quadratiche Variation der einer Brownchen Bewegung entpricht, auch eine Brownche Bewegung ein mu. Theorem 8.4 (Lévy Charakteriierung der Brownchen Bewegung). Sei M ein tetige Martingal in der Brownchen Standardfiltration mit M =, E [ ] Mt < und quadraticher Variation [M, M] t = t für alle t R. Dann it M eine Brownche Bewegung. Bewei. Mit dem Martingaldartellungatz exitiert φ(ω, t) H [, T ] mit dm t = φ(ω, t)db t. Wir wenden die Ito-Formel für Ito-Prozee an und erhalten ( d e i θ(mt M)) = i θe i θ(mt M) dm t 1 θ e i θ(mt M) d[m, M] t = In Integralform gechrieben, gilt alo e i θ(mt M) 1 = = i θe i θ(mt M) φ(ω, t)db t 1 θ e i θ(mt M) dt. i θe i θ(mu M) φ(ω, u)db u 1 θ e i θ(mu M) du und unter dem bedingten Erwartungwert folgt darau ] E [e i θ(mt M) F 1 = 1 θ ] E [e i θ(mu M) F du. Die bedeutet, die Funktion α(t) = E [ e i θ(mt M) F ] erfüllt die DGL α (t) = θ α(t), α() = 1 mit der einzigen Löung α(t) = e θ (t ) und wir haben gezeigt, da ] ) E [e i θ(mt M) F = exp ( θ (t ) 88
5 gilt. E folgt, da die Inkremente von M unabhängig und normalverteilt ind, mit Erwartungwert und Varianz t. Somit it M eine Brownche Bewegung, wie behauptet. 8. Doob-Meyer-Zerlegung Wir zeigen nun ein weitere wichtige Dartellungreultat, welche für poitive Submartingale gilt. Theorem 8.5 (Doob-Meyer-Zerlegung). Sei X ein poitive tetige Submartingal. Dann exitiert ein tetige Martingal M und ein fat icher teigender tetiger und adaptierter Proze A mit A =, oda X t = M t + A t, t. Die Zerlegung it eindeutig bi auf Ununtercheidbarkeit. E ei betont, da wir im Unterchied zum Martingaldartellungatz und den meiten anderen Reultaten der letzten Kapitel bei dieem Theorem keine Bedingung an die Filtration tellen. Inbeonde mu F nicht die Brownche Standardfiltration ein. Die hier dargetellte Verion der Doob-Meyer-Zerlegung it die Verion für tetige Submartingale. E exitiert eine allgemeinere Verion der Doob-Meyer-Zerlegung für rechttetige Submartingale, welche auch noch die wichtige Information liefert, da A ein ogennanter vorherehbarer Proze it. Vorherehbarkeit it eine Verchärfung der Adaptiertheit von tochatichen Prozeen, die für tetige Prozee jedoch mit dieer zuammenfällt. Der Bewei der Doob-Meyer-Zerlegung it anpruchvoll, oda wir ihn hier nur kizzieren. 14 Beweikizze Doob-Meyer-Zerlegung. Für dikrete Submartingale it die Doob-Meyer- Zerlegung leicht herzuleiten und wird dort auch einfach Doob-Zerlegung genannt. Sei alo (X n ) n N ein dikrete Submartingal bezüglich einer dikreten Filtration (F n ) n N. Wir definieren A = und A n+1 := A n + E [X n+1 X n F n ] = n E [X j+1 X j F j ]. Au der Submartingaleigenchaft von X folgt, da A n fat icher teigend it. Weiter 14 Ein gut lebarer und relativ kurzer volltändiger Bewei findet ich in dem Artikel A hort proof of the Doob-Meyer theorem von Beiglböck, Schachermayer und Veliyev ( j= 89
6 etzen wir M n = X n A n und erhalten mit n 1 E [M n F k ] = (E [X j+1 X j F k ] E [E [X j+1 X j F j ] F k ]) = M k j= die Martingaleigenchaft von M. Wir haben alo die Doob-Zerlegung für dikrete Submartingale gezeigt. Sei nun X ein tetige Submartingal auf [, T ]. Mit Lemma 1.11 Φ(r) exitiert eine konvexe Funktion Φ : R R mit lim r r =, oda E [Φ(X T )] <. Mit dem Satz vom optionalen Sampling gilt für jede Stoppzeit τ T die Ungleichung E [Φ(X τ )] E [Φ(X T )] <. Mit dem Kriterium au Lemma 1.1 für die gleichgradige Integrierbarkeit folgt darau, da X von Klae DL 15 it, da heit die Menge {X τ : τ Stoppzeit, τ T } (8.5) it gleichmäig Integrierbar. Sei nun P n die Folge der verfeinernden dyadichen Partitionen von [, T ]. Mit der dikreten Doob-Zerlegung erhalten wir eine Folge von Prozeen (M n, A n ) n N auf den dyadichen Partitionen P n. Jeder dieer Prozee lät ich zu einem Proze in tetiger Zeit erweitern, indem wir Mt n = E [MT n F t] etzen und die Prozee A n zwichen den Gitterpunkten rechttetig kontant interpolieren. Wir erhalten alo für jede n N ein Martingal Mt n und einen teigenden Proze A n t welche auf den Gitterpunkten der dyadichen Partition P n mit der dikreten Doob-Zerlegung übereintimmen. Al nächten Schrit wählen wir au dieer Folge von Prozeen eine konvergente Teilfolge au. E lät ich zeigen, da au der gleichgradigen Integrierbarkeit (8.5) auch die gleichgradige Integrierbarkeit von {A n T } n N folgt. (Die it der langwierigte Teil de Beweie, den wir hier nicht näher auführen.) Mit dem Satz von Dunford & Petti folgt au der gleichgradigen Integrierbarkeit die Exitenz einer in L 1 (dp) konvergenten Teilfolge A n k T A T. Wegen MT n = X T A n T erhalten wir auch die L 1 (dp)-konvergenz M n k T M T = X T A T. Nun definieren wir M t = E [M T F t ] und A t = X t M t erhalten die Konvergenz A n t = (S t M n t ) (S t M t ) = A t, in L 1 (dp) auf den Gitterpunkten von P n. Durch Auwahl einer weiteren Teilfolge erhalten wir eine fat icher konvergente Teilfolge und chlieen, da t A t teigend it. E bleibt nun noch zu zeigen, da die Zerlegung eindeutig it, da A und M tetige Prozee ind und da Reultat von [, T ] auf da unbechränkte Intervall R auzuweiten. 15 iehe auch Kapitel 4 9
7 Auch diee letzten Schritte überpringen wir in dieer Beweikizze. Wir beprechen nun zwei wichtige Anwendungen der Doob-Meyer-Zerlegung. Sei M ein tetige Martingal. Dann it (Mt ) t al konvexe Tranformation ein poitive Submartingal. Der teigende Proze A t in der Doob-Meyer-Zerlegung von Mt wird mit M, M t bezeichnet und heit vorherehbare quadratiche Variation. E exitiert alo tet ein tetiger, teigender Proze M, M t, oda Mt M, M t ein Martingal it. Nehmen wir nun an M ei ein Ito-Proze von der Form M t = b(ω, )db. Dann wien wir au Kapitel, da M t b(ω, ) d ein Martingal it. Au der Eindeutigkeit der Doob-Meyer-Zerlegung folgern wir, da M, M t = b(ω, ) d gilt. Inbeonder timmt die vorherehbare quadratiche Variation mit der quadratichen Variation überein, e gilt alo 16 M, M t = [M, M] t. Wa haben wir durch diee Überlegungen nun gewonnen? Die Erkenntni it, da auch im Fall, da da tetige Martingal M keine Dartellung M t = b(ω, )d beitzt ein Proze M, M t exitiert, mit Mt M, M t ein Martingal. Die Bedeutung dieer Erkenntni it vor allem dann einzuehen, wenn wir un in Erinnerung rufen wie wichtig Martingale von der Getalt Mt M, M t im Bewei der Ito-Formel etc waren. Mit der Exitenz de Martingal Mt M, M t haben wir einen Anatz gewonnen um die Ito-Formel jeneit von Ito-Prozeen auf beliebige tetige Martingale zu erweitern. Sei B Brownche Bewegung. Dann it B t t al konvexe Tranformation von B ein poitive Submartingal. Eine intereante Eigenchaft von B t it, da ich dieer Proze auerhalb einer Umgebung der Null wie Brownche Bewegung verhält. Mit der Doob-Meyer-Zerlegung chlieen wir, da ein tetiger teigender Proze L t exitiert, gennant Lokale Zeit bei, oda B t L t ein Martingal it. 16 Fall M ein rechttetige Martingal it, o gilt im allgemeinen aber M, M t [M, M] t, wa auch die unterchiedliche Notation erklärt. 91
2 Martingale in stetiger Zeit
2 Martingale in stetiger Zeit Ziel dieses Abschnitts ist es die wichtigsten Resultate für Martingale aus diskreter Zeit in stetige Zeit zu übertragen. Wie zu erwarten ist treten in stetiger Zeit einige
Mehr12.6 Aufgaben zur Laplace-Transformation
292 12. Aufgaben zu linearen Gleichungen 12.6 Aufgaben zur Laplace-Tranformation A B C D Man löe die folgenden Anfangwertprobleme durch Laplace-Tranformation: 1) ẍ ẋ x = ; x() = ẋ() = 1 2) x (3) 6ẍ + 12ẋ
Mehr1 Diskrete Wahrscheinlichkeitstheorie
Prof. A. Sapozhnikov Wahrcheinlichkeittheorie I INHALTSVERZEICHNIS 1 Dikrete Wahrcheinlichkeittheorie 1.1 Laplace-Wahrcheinlichkeit. Urnenmodelle. N! Begriffe: Ziehen ohne Zurücklegen, mit Reihenfolge,
Mehr7 Der Satz von Girsanov
7 Der Satz von Girsanov Der Satz von Girsanov wird uns eine neue Perspektive auf die Rolle des Drifts liefern. Die Prozesse Brownsche Bewegung B t, Brownsche Bewegung mit Drift X t = B t + µt haben wir
Mehr8 Die quadratische Variation, und die Integration bzgl. stetiger Semimartingale
8 Die quadratische Variation, und die Integration bzgl. stetiger Semimartingale 8.1 Der quadratische Variationsprozess eines stetigen, lokalen Martingals 8.3 Die quadratische Variation einer reellen Brownschen
MehrLösungsvorschläge zum 9. Übungsblatt.
Übung zur Anali III W / Löungvorchläge zum 9. Übungblatt. Wir zeigen zunächt, da die u.u. au Vorleung/Übung noch nicht bekannt it: It A BR p und B BR q, o it A B BR p+q. Die läßt ich z.b. wie in Aufgabe
Mehr5 Die Poisson-Approximation
5 Die Poion-Approximation Im vierten Kapitel hatten wir mit der Normalverteilung die icherlich wichtigte und meittudierte Verteilung der W.-Theorie kennengelernt und geehen, daß man diee al Lime eine geeignet
Mehr13.1 Die Laplace-Transformation
13.1 Die Laplace-ranformation 565 13.1 Die Laplace-ranformation Die Laplace-ranformation it eine Integraltranformation, die jeder Zeitfunktion f(t), t, eine Bildfunktion F () gemäß 13.1 F () = f (t) e
MehrStochastische Differentialgleichungen
INSTITUT FÜR STOCHASTIK SS 2007/08 UNIVRSITÄT KARLSRUH Bla 9 Priv.-Doz. Dr. D. Kadelka Übungen zur Vorleung Sochaiche Differenialgleichungen Muerlöungen Aufgabe 21: Definieren Sie analog zur d-dimenionalen
MehrÜbungsmaterial. Lösen von Anfangswertproblemen mit Laplacetransformation
Prof. Dr. W. Roenheinrich 30.06.2009 Fachbereich Grundlagenwienchaften Fachhochchule Jena Übungmaterial Löen von Anfangwertproblemen mit Laplacetranformation Nachtehend ind einige Anfangwertprobleme zu
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
MehrLösungen zu Übungs-Blatt Differentialgleichungen 2. Ordnung und PBZ
Prof.Dr. B.Grabowki Mathematik III/MST Übung Löungen Löungen zu Übung-Blatt Differentialgleichungen. Ordnung und PBZ Zu Aufgabe ) Geben Sie jeweil mindeten eine Löung folgender Differentialgleichung an
Mehr4 Gleichgradige Integrierbarkeit, Stoppzeiten und Martingale
4 Gleichgradige Integrierbarkeit, Stoppzeiten und Martingale 4.2 Filtrationen und kanonische Filtrationen 4.3 Supermartingale, Martingale bzw. Submartingale bzgl. der Filtrationen (A t ) t I 4.4 Gleichgradig
MehrTerminologie Stochastischer Prozesse
Terminologie Stochastischer Prozesse Nikolai Nowaczyk 2014-03-31 Dieses Script ist die Ausarbeitung zum einem Vortrag, gehalten im Seminar zur Wahrscheinlichkeitstheorie im SS 14 an der Uni Regensburg.
MehrDifferentialgleichungen
Differentialgleichungen Teilnehmer: Phili Bannach Heinrich-Hertz-Oberchule) Levin Keller Herder-Oberchule) Phili Kende Herder-Oberchule) Carten Kubbernuh Andrea-Oberchule) Giang Nguyen Herder-Oberchule)
MehrStochastische Analysis
Stochastische Analysis Martin Keller-Ressel 23. März 215 Inhaltsverzeichnis 1 Stochastische Prozesse in stetiger Zeit 1 1.1 Grundlagen.................................. 1 1.2 Gleichheit von stochastischen
MehrKAPITEL 1. Martingale
KAPITEL 1 Martingale 1.1. Stochastische Prozesse Sei (Ω, F, P) ein Wahrscheinlichkeitsraum. Das heißt, Ω ist eine Menge, F ist eine σ-algebra auf Ω, und P ein Wahrscheinlichkeitsmaß auf (Ω, F ). Zuerst
MehrHawkes Prozesse Grundlagen
Hawkes Prozesse Grundlagen Im Folgenden sei (Ω, F, F, P) eine stochastische Basis. Das heißt F = (F t ) t ist eine rechtsstetige Filtration mit F t F für alle t und P ein Wahrscheinlichkeitsmaß auf dem
MehrVorlesungsskript: Martingale
Vorlesungsskript: Martingale von Steffen Dereich Fachbereich Mathematik und Informatik Philipps-Universität Marburg Version vom 25. Februar 2010 Inhaltsverzeichnis 4 Martingale 2 4.1 Einführung.......................................
MehrWahrscheinlichkeitstheorie
Achim Klenke Wahrscheinlichkeitstheorie 3., überarbeitete und ergänzte Auflage ~ Springer Spektrum Inhaltsverzeichnis 1 Grundlagen der Maßtheorie. 1.1 Mengensysteme. 1.2 Mengenfunktionen, 12 1.3 Fortsetzung
MehrAbleitungsberechnung mit der Grenzwertmethode. Besonders wichtig ist der Zentraltext über Ableitungen Datei Stand 30.
Analyi Ableitungfunktionen Ableitungberechnung mit der Grenzwertmethode Beonder wichtig it der Zentraltet über Ableitungen 400 Datei 40 Stand 0. Dezember 00 INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK 40 Ableitungfunktionen
MehrDefinition. Wichtige Beziehungen. Geometrische Konstruktion
Mathematik/Informatik Gierhardt Goldener Schnitt und Kreiteilung Definition Eine Strecke mit der Länge r oll nach dem Verfahren de Goldenen Schnitt geteilt werden. Dann verhält ich die Geamttreckenlänge
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
Mehr3 Bedingte Erwartungswerte
3 Bedingte Erwartungswerte 3.3 Existenz und Eindeutigkeit des bedingten Erwartungswertes E A 0(X) 3.6 Konvexitätsungleichung für bedingte Erwartungswerte 3.9 Konvergenzsätze von Levi, Fatou und Lebesgue
Mehr8.6.5 Diffusion von Bromdampf ******
8.6.5 ****** Motivation Die Langamkeit der Diffuion wird mit Hilfe von Bromdampf veranchaulicht. Die quantitative Meung der Diffuion erlaubt die Betimmung der mittleren freien Weglänge und die Meung der
MehrGreensche Funktion. Frank Essenberger FU Berlin. 30.September Nomenklatur 1. 2 Greensche Theoreme 1. 3 Anwendung in der Elektrostatik 2
Greenche Funktion Frank Eenberger FU Berlin 30.September 2006 Inhalterzeichni Nomenklatur 2 Greenche Theoreme 3 Anwendung in der Elektrotatik 2 4 Anpaung an Randbedingungen 3 5 Eindeutigkeit der Löung
MehrStochastische Integration Stochastische Differentialgleichungen Stochastische Partielle Differentialgleichungen. Dominic Breit
Dominic Breit 14.12.213 Outline 1 Stochastische Integration 2 3 Brwonsche Bewegung (1) Eine Brownsche Bewegung W = (W t ) t [,T ] über einem Wahrscheinlichkeitsraum (Ω, F, P) ist ein zeitstetiger stochastischer
MehrDifferentialgleichungen und Hilberträume Sommersemester 2014 Übungsblatt 11
Institut für Analysis Prof. Dr. Wolfgang Reichel Dipl.-Math. Anton Verbitsky Aufgabe 1 Differentialgleichungen und Hilberträume Sommersemester 14 Übungsblatt 11 5 Punkte In dieser Aufgabe geht es um die
MehrWahrscheinlichkeitstheorie
Springer-Lehrbuch Masterclass Wahrscheinlichkeitstheorie von Achim Klenke überarbeitet Wahrscheinlichkeitstheorie Klenke schnell und portofrei erhältlich bei beck-shop.de DIE FACHBUCHHANDLUNG Thematische
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
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
MehrA. STOCHASTISCHE PROZESSE UND STOPPZEITEN 109
A. STOCHASTISCHE PROZESSE UND STOPPZEITEN 19 A. Stochastische Prozesse und Stoppzeiten In dieser Vorlesung arbeiten wir immer auf einem Massraum (Ω, F), der gross genug ist, um alle definierten Objekte
Mehr12 Gewöhnliche Differentialgleichungen
2 2 Gewöhnliche Differentialgleichungen 2. Einleitung Sei f : D R wobei D R 2. Dann nennt man y = f(x, y) (5) eine (gewöhnliche) Differentialgleichung (DGL) erster Ordnung. Als Lösung von (5) akzeptiert
MehrPartialbruchzerlegung in oder
www.mathematik-netz.de opyright, Page of 0 Partialbruchzerlegung in oder. Einführung und Grundlagen Die Partialbruchzerlegung kann man nur dann umfaend begreifen, wenn man grundlegende Kenntnie im Bereich
MehrStochastische Analysis
Stochastische Analysis SS1 von Steffen Dereich Fachbereich Mathematik und Informatik Philipps-Universität Marburg Version vom 6. Mai 21 Inhaltsverzeichnis 1 Motivation / Einführung 4 1.1 Motivation anhand
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
Mehr10. Äquivalenzen zur Riemannschen Vermutung
0. Äquivalenzen zur Riemannchen Vermutung 0. Äquivalenzen zur Riemannchen Vermutung Satz. Sei θ 0, (ii θ( = + O( θ+ε für alle ε > 0,
Mehr22 Charakteristische Funktionen und Verteilungskonvergenz
22 Charakteristische Funktionen und Verteilungskonvergenz Charakteristische Funktionen (Fourier-Transformierte liefern ein starkes analytisches Hilfsmittel zur Untersuchung von W-Verteilungen und deren
MehrStatistische Analyse von Messergebnissen
Da virtuelle Bildungnetzwerk für Textilberufe Statitiche Analye von Meergebnien 3 Hochchule Niederrhein Stand: 17..3 Seite 1 / 8 Im Abchnitt "Grundlagen der Statitik" wurde u.a. bechrieben, wie nach der
MehrDiplomarbeit. Lebenszeit-Modelle zur Analyse der Ermüdung von gradierten Materialien
Universität Kassel Fachbereich Mathematik Diplomarbeit Lebenszeit-Modelle zur Analyse der Ermüdung von gradierten Materialien Eingereicht von: Alexander Stepper Betreuende Gutachterin: Zweitgutachterin:
MehrLaplace Transformation
Department Mathematik der Univerität Hamburg SoSe 29 Dr. Hanna Peywand Kiani Laplace Tranformation Die in Netz getellten Kopien der Anleitungfolien ollen nur die Mitarbeit während der Verantaltung erleichtern.
MehrBeispiel-Schulaufgabe 2
Anregungen zur Ertellung von Aufgaben Aufgaben für Leitungnachweie Die zeichnet ich durch eine augewogene Berückichtigung der allgemeinen mathematichen Kompetenzen au. Aufgaben, deren Bearbeitung in auffallendem
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,
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
Mehr5 Die Ito-Formel. 5.1 Herleitung der Ito-Formel
5 Die Ito-Formel Bei der Anwendung der gewöhnlichen Integralrechnung müssen wir nur selten auf die explizite Definition des Integrals als Limes von Riemann-Summen zurückgreifen. Rechenregeln wie der Hauptsatz
Mehrx, y 2 f(x)g(x) dµ(x). Es ist leicht nachzuprüfen, dass die x 2 setzen. Dann liefert (5.1) n=1 x ny n bzw. f, g = Ω
5. Hilberträume Definition 5.1. Sei H ein komplexer Vektorraum. Eine Abbildung, : H H C heißt Skalarprodukt (oder inneres Produkt) auf H, wenn für alle x, y, z H, α C 1) x, x 0 und x, x = 0 x = 0; ) x,
MehrVorlesung Mathematik 2 für Ingenieure (Sommersemester 2016)
1 Vorlesung Mathematik 2 für Ingenieure (Sommersemester 216) Kapitel 11: Potenzreihen und Fourier-Reihen Prof. Miles Simon Nach Folienvorlage von Prof. Dr. Volker Kaibel Otto-von-Guericke Universität Magdeburg.
Mehr7. Die Brownsche Bewegung
7. DIE BROWNSCHE BEWEGUNG 7 5 5 50 00 50 200 250 0 5 20 Abbildung 7.: Pfad einer Brownschen Bewegung 7. Die Brownsche Bewegung Definition 7.. Ein cadlag stochastischer Prozess {W t } mit W 0 = 0, unabhängigen
MehrV6.4 - Erzwungene Schwingungen, Resonanz
V6.4 - Erzwungene Schwingungen, Reonanz Michael Baron, Sven Pallu 31. Mai 2006 Zuammenfaung Im folgenden Veruch betrachten wir da Schwingungverhalten eine gedämpften, periodich erregten Ozillator in Form
Mehr3.1 Der Satz von Engel
3. Auflöbare und nilpotente Lie-Algebren 17 3.1 Der Satz von Engel Ein grundlegende Reultat über nilpotente Lie-Algebren it der Satz von Engel, der eine Verbindung zwichen nilpotenten Endomorphimen und
MehrKapitel 4. Stochastische Grundlagen. 4.1 Filtrationen und Stoppzeiten
Kapitel 4 Stochastische Grundlagen An dieser Stelle möchte ich auf einige stochastische Grundlagen eingehen, die bisher im Kapitel 3 Anwendung gefunden haben und im Folgenden Anwendung finden werden. Grundproblem
MehrFOS: Die harmonische Schwingung. Wir beobachten die Bewegung eines Fadenpendels
R. Brinkmann http://brinkmann-du.de Seite 1 25.11.213 Bechreibung von Schwingungen. FOS: Die harmoniche Schwingung Veruch: Wir beobachten die Bewegung eine Fadenpendel Lenken wir die Kugel au und laen
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
MehrKlausur zur Vorlesung Stochastik II
Institut für Mathematische Stochastik WS 003/004 Universität Karlsruhe 05. 04. 004 Prof. Dr. G. Last Klausur zur Vorlesung Stochastik II Dauer: 90 Minuten Name: Vorname: Matrikelnummer: Diese Klausur hat
Mehr1 Bedingte Erwartungswerte
Die folgenden Regeln sind das alltägliche Handwerkszeug für den Umgang mit bedingten Erwartungen und werden in diesem Abschnitt, allerdings ohne Beweise, zitiert. Es ist durchaus eine lohnenswerte Übung,
MehrSinguläre Integrale 1 Grundideen der harmonischen Analysis
Singuläre Integrale Grundideen der harmonischen Analsis Jens Hinrichsen und Annina Saluz November 2007 Motivation Ein tpisches Beispiel für ein singuläres Integral ist die Hilbert-Transformation, welche
MehrLösungsvorschlag. Qq r 2 F C = 1
Löungvorchlag 1. Zunächt zwei Skizzen zur Verdeutlichung der Situation: Link it da Kügelchen mit der Ladung q zu ehen. Recht it die Kugel mit der Ladung Q 1 µc an die Stelle de Kügelchen gebracht worden.
MehrDiplomhauptprüfung. "Regelung linearer Mehrgrößensysteme" 17. März Aufgabenblätter
Diplomhauptprüfung "Regelung linearer Mehrgrößenyteme" 7. Mär 008 Aufgabenblätter Die Löungen owie der volltändige und nachvolliehbare Löungweg ind in die dafür vorgeehenen Löungblätter einutragen. Nur
MehrWahrscheinlichkeitstheorie 2 & 3. Prof. Dr. Barbara Gentz mitgeschrieben von Arthur Sinulis 30. Januar 2015
Wahrscheinlichkeitstheorie 2 & 3 Prof. Dr. Barbara Gentz mitgeschrieben von Arthur Sinulis 3. Januar 215 Inhaltsverzeichnis. Bedingte Erwartungswerte 4 1. Martingale, Stoppzeiten und Filtrierungen 9 1.1.
MehrBeispiellösungen zu Blatt 84
µatheaticher κorrepondenz- zirkel Matheatiche Intitut Georg-Augut-Univerität Göttingen Aufgabe 1 Beipiellöungen zu Blatt 84 Welche der folgenden Zahlen it größer? 2009 + 2010 + 2010 + 2009, 2009 + 2009
MehrStochastische Analysis
PD Dr. Jürgen Dippon, Universität Stuttgart Stochastische Analysis Stuttgart, Wintersemester 211/212 Version: 15. Februar 212 Für Hinweise auf Druckfehler und Kommentare jeder Art bin ich dankbar. 1 Viel
MehrAufgabenblatt zum Seminar 01 PHYS70356 Klassische und relativistische Mechanik (Physik, Wirtschaftsphysik, Physik Lehramt, Nebenfach Physik)
Aufgabenblatt zum Seminar 01 PHYS70356 Klaiche und relativitiche Mechanik Phyik, Wirtchaftphyik, Phyik Lehramt, Nebenfach Phyik) Othmar Marti, othmar.marti@uni-ulm.de) 20. 10. 2008 1 Aufgaben 1. Sie ehen
Mehr4 Differenzierbarkeit einer konjugierten Funktion
4 Differenzierbarkeit einer konjugierten Funktion (Eingereicht von Corinna Vits) 4.1 Differenzierbarkeit 1.Ordnung Theorem 4.1.1: Sei f ConvR n strikt konvex. Dann ist int dom und f ist stetig differenzierbar
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
MehrStochastische Analysis
Stochastische Analysis Vorlesung SS 22 Jürgen Dippon Mathematisches Institut A Universität Stuttgart Homepage der Vorlesung: www.mathematik.uni-stuttgart.de/matha/lst3/dippon/sa Version vom 17. Juni 23
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,
Mehr6 Räume integrierbarer Funktionen
$Id: L.tex,v 1.5 2012/01/19 15:07:43 hk Ex $ $Id: green.tex,v 1.3 2012/01/19 15:18:26 hk Ex hk $ 6 Räume integrierbarer Funktionen In der letzten Sitzung hatten wir die sogenannte L -Norm ( 1/ f := f(x)
MehrAufgabenblatt 4: Wachstum
Aufgabenblatt 4: Wachtum Löungkizze Bitten beachten Sie, da diee Löungkizze lediglich al Hilfetellung zur eigentändigen Löung der Aufgaben gedacht it. Sie erhebt weder Anpruch auf Volltändigkeit noch auf
MehrMathematik für Physiker, Informatiker und Ingenieure
Mathematik für Physiker, Informatiker und Ingenieure Folien zu Kapitel IV SS 2010 G. Dirr INSTITUT FÜR MATHEMATIK UNIVERSITÄT WÜRZBURG dirr@mathematik.uni-wuerzburg.de http://www2.mathematik.uni-wuerzburg.de
MehrDie komplexen Zahlen und Skalarprodukte Kurze Wiederholung des Körpers der komplexen Zahlen C.
Die omplexen Zahlen und Salarprodute Kurze Wiederholung des Körpers der omplexen Zahlen C. Erinnerung an die Definition von exp, sin, cos als Potenzreihen C C Herleitung der Euler Formel Definition eines
MehrStochastische Modelle der aktuariellen Risikotheorie Eine mathematische Einführung. Lösungen ausgewählter Aufgaben und zusätliche Aufgaben
Stochatiche Modelle der aktuariellen Riikotheorie Eine mathematiche Einführung R Gatto - 24 - Springer Löungen augewählter Aufgaben zuätliche Aufgaben Juni 27 Inhaltverzeichni 2 Modelle für individuelle
MehrKapitel 6. Suffiziente Statistiken. 6.1 Vorbetrachtungen
Kapitel 6 Suffiziente Statistiken In diesem Kapitel untersuchen wir einen weiteren statistischen Begriff, der eng mit Likelihoodfunktionen zusammenhängt und mit der Frage nach eventuell möglicher Datenreduktion
MehrDie Stochastische Integralgleichung X(t) = a + t
Die Stochastische Integralgleichung X(t) = a + µ(s, X(s))ds + σ(s, X(s))dW (s) Simon Keller 4.12.26 1 Mathematische Grundlagen und Herleitung 1.1 Normalverteilung Eine normalverteilte Zufallsvariable X
MehrBrownsche Bewegung: Eine Einführung
Brownsche Bewegung: Eine Einführung Batu Güneysu Institut für Mathematik Humboldt-Universität zu Berlin Greifswald, 18.04.2018 Batu Güneysu Brownsche Bewegung: Eine Einführung 1 / 14 Wir fixieren m N und
MehrMerkblatt zur Funktionalanalysis
Merkblatt zur Funktionalanalysis Literatur: Hackbusch, W.: Theorie und Numerik elliptischer Differentialgleichungen. Teubner, 986. Knabner, P., Angermann, L.: Numerik partieller Differentialgleichungen.
Mehr13 Grenzwertsätze Das Gesetz der großen Zahlen
13 Grenzwertsätze 13.1 Das Gesetz der großen Zahlen Der Erwartungswert einer zufälligen Variablen X ist in der Praxis meist nicht bekannt. Um ihn zu bestimmen, sammelt man Beobachtungen X 1,X 2,...,X n
MehrEindimensionale Stochastische Differentialgleichungen Mit Verallgemeinerter Drift Bzgl. Stetiger Lokaler Martingale DISSERTATION
Eindimensionale Stochastische Differentialgleichungen Mit Verallgemeinerter Drift Bzgl. Stetiger Lokaler Martingale DISSERTATION zur Erlangung des akademischen Grades doctor rerum naturalium (Dr. rer.
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
MehrZ-Transformation. Laplace-Transformation. Laplace-Transformation der Delta-Funktion
Z-Tranformation Laplace-Tranformation Laplace-Tranformation der Delta-Funktion Z-Tranformation Für eine Differenengleichung wie.b. f(n+) f(n) = n n (alternative Schreibweie n+ n = n n ) it eine expliite
MehrDefinition: Die Bewegung eines Körpers, die sich in festen Zeitabständen wiederholt und symmetrisch zu einer Ruhelage abläuft heißt Schwingung.
9 Schwingungen 9.1 Beipiele und Grundlagen Ruhelage Ruhelage Fadenpendel Ruhelage Federpendel Federpendel Ruhelage orionpendel Charakteritika: Die Bewegung it periodich; d.h. die Bewegung wiederholt ich
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
MehrÜbungen zur Vorlesung Funktionentheorie Sommersemester Musterlösung zu Blatt 10. f(z) f(z) dz
UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6. MATHEMATIK Prof. Dr. Roland Speicher M.Sc. Tobias Mai Übungen zur Vorlesung Funktionentheorie Sommersemester 0 Musterlösung zu Blatt 0 Aufgabe. Berechnen Sie
MehrBerechnung der Lagerkräfte in einem statischen System
Textauzug au und Ergänzung zu: 'Die Techniken de Gleichunglöen' and, Lineare Gleichungyteme erechnung der Lagerkräfte in einem tatichen Sytem Da Problem: In einem tatichen Sytem mit angreifenden Kräften,
Mehr1 Stochastische Prozesse in stetiger Zeit
1 Stochastische Prozesse in stetiger Zeit 1.1 Grundlagen Wir betrachten zufällige Prozesse, definiert auf einem Wahrscheinlichkeitsraum (Ω, F, P), welche Werte in einen fest gewählten Zustandsraum annehmen.
Mehrϕ k (t)ψ j (s) 2 ds)dt < folgt ϕ k (t)ψ j (s) δ j1,j 2 und daher handelt es sich um ein Orthonormalsystem in L 2 (Ω 1 Ω 2 ).
1) a) Wir wollen zeigen, dass {ϕ k (t)ψ j (s)} j,k N0 eine Orthonormalbasis ist. Beachte dabei zunächst, dass (t, s) ϕ k (t)ψ j (s) für alle j, k N 0 messbare Abbildungen auf Ω 1 Ω 2 sind und da Ω 1 ϕ
MehrVon Skalarprodukten induzierte Normen
Von Skalarprodukten induzierte Normen Niklas Angleitner 4. Dezember 2011 Sei ein Skalarproduktraum X,, gegeben, daher ein Vektorraum X über C bzw. R mit einer positiv definiten Sesquilinearform,. Wie aus
MehrWahrscheinlichkeitstheorie
Vorlesung SS 2011 Wahrscheinlichkeitstheorie Prof. Dr. Franz Merkl getext von Myriam Schmidt/Robert Herrmann Inhaltsverzeichnis Inhaltsverzeichnis 1 Bedingte Erwartungen 3 1.1 Elementare bedingte Erwartungen.............................
MehrAbiturprüfung Mathematik 2014 Baden-Württemberg Allgemeinbildende Gymnasien Wahlteil Analytische Geometrie / Stochastik Aufgabe B 1 - Lösungen
1 Abiturprüfung Mathematik 214 Baden-Württemberg Allgemeinbildende Gymnaien Wahlteil Analytiche Geometrie / Stochatik Aufgabe B 1 - Löungen klau_mener@eb.de.elearning-freiburg.de Wahlteil 214 Aufgabe B
MehrGrundlagen: Algorithmen und Datenstrukturen
Grundlagen: Algorithmen und Datentrukturen Prof. Dr. Hanjo Täubig Lehrtuhl für Effiziente Algorithmen (Prof. Dr. Ernt W. Mayr) Intitut für Informatik Techniche Univerität München Sommeremeter H. Täubig
MehrRegelungstechnik (A)
Intitut für Elektrotechnik und Informationtechnik Aufgabenammlung zur Regelungtechnik (A) Prof. Dr. techn. F. Gauch Dipl.-Ing. C. Balewki Dipl.-Ing. R. Berat 08.01.2014 Übungaufgaben in Regelungtechnik
MehrEinfacher loop-shaping Entwurf
Intitut für Sytemtheorie technicher Prozee Univerität Stuttgart Prof. Dr.-Ing. F. Allgöwer 6.4.24 Regelungtechnik I Loophaping-Entwurf t http://www.it.uni-tuttgart.de/education/coure/rti/ Einfacher loop-haping
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
Mehrmathphys-online Abschlussprüfung Berufliche Oberschule 2010 Mathematik 12 Technik - A II - Lösung Teilaufgabe 1.0 ax 1 mit f a ( x)
Abchluprüfung Berufliche Oberchule Mthemti Techni - A II - Löung Teilufgbe. Gegeben ind die reellen Funtionen f mit f ( x) unbhängigen Definitionmenge ID f IR \ {}. x x x in der vom Prmeter IR Teilufgbe.
MehrReelle Zufallsvariablen
Kapitel 3 eelle Zufallsvariablen 3. Verteilungsfunktionen esultat aus der Maßtheorie: Zwischen der Menge aller W-Maße auf B, nennen wir sie W B ), und der Menge aller Verteilungsfunktionen auf, nennen
MehrZusatzmaterial zur Mathematik I für E-Techniker Übung 10
Mthemtik I für E-Techniker C. Erdmnn WS /, Univerität Rotock,. Vorleungwoche Zutzmteril zur Mthemtik I für E-Techniker Übung Uneigentliche Integrle Die Funktion f ei für x definiert und in jedem Intervll
MehrUniversität Stuttgart Fakultät Mathematik und Physik Institut für Analysis, Dynamik und Modellierung. Lösungen zur Probeklausur 2.
Adµ Universität Stuttgart Fakultät Mathematik und Physik Institut für Analysis, Dynamik und Modellierung Blatt Probeklausur 2 Lösungen zur Probeklausur 2 Aufgabe 1 1. Formulieren Sie den Satz von Taylor
MehrElektrisches Feld P = IU= RI 2 = U2 R C = Q U
Elektriche Feld Formeln E-Lehre I Stromtärke I Q t Ohmcher Widertand R U I Elektriche Leitung (inkl. ohmcher Widertand) E-Feld/Kondeator P IU RI 2 U2 R Elektriche Feldtärke Kapazität eine Kondenator ~E
Mehrbn b n a n Z b a b := lim
KAPITEL 3 Satz von Fisher Tippett Gnedenko In diesem Kapitel beweisen wir den Satz von Fisher Tippett Gnedenko, der die Extremwertverteilungen beschreibt. Satz 3.0.1 (Satz von Fisher Tippett (1928), Gnedenko
MehrFaltung und Approximation von Funktionen
Faltung und Approximation von Funktionen Lisa Bauer und Anja Moldenhauer 9. Juni 2008 1 Die Faltung von Funktionen 1.1 Die Faltung Eine kleine Widerholung mit einem Zusatz: Vergleiche den Vortrag von Benjamin
Mehr