Beispielsammlung Prof. Kusolitsch

Größe: px
Ab Seite anzeigen:

Download "Beispielsammlung Prof. Kusolitsch"

Transkript

1 Beispielsammlung Prof. Kusolitsch Inhaltsverzeichnis Maße und Mengensysteme. Lebesgue-Borel-Maß Sigma(X)-meßbar Äusseres Maß & Maßfunktionen Inhalt & (σ-)additivität induzierte Maße & Mengensysteme elementare Mengenlehre Zerlegungen Anwendung: Satz von Fubini Stetigkeit von oben Dichte- & Verteilungsfunktion 55. Verteilungsfunktion Cantorsche Menge Berechnen der Verteilungsfunktion mon.st.funtkion, Sprungfunktion, Unstetigkeitsstellen Verteilungsfunktion & Lebesgue-Stieltjes-Maß Dichte, gemeinsame Verteilung & Unabhängigkeit Portmanteau & charaktersitische Funktion Wahrscheinlichkeitsrechnung Wahrscheinlichkeit Dichte & Transformation Verallgemeinerte Inverse Wahrscheinlichkeitsverteilungen & Unabghängigkeit Integralkonvergenzsätze Erwartungswert, Varianz & Momenterzeugende Faltung Integralungleichungen Gesetz der grossen Zahlen Normalverteilung

2 Maße und Mengensysteme. Lebesgue-Borel-Maß. µ sei das zweidimensionale Lebesgue-Borel-Maß, eingeschränkt auf Ω := [0, ] [0, ], T : Ω R sei definiert durch T (x, y) := x y, ferner sei a > 0. Berechnen Sie µ T ([ a, a])! (Am einfachsten ist eine geometrische Lösung). Lösung: T ([ a, a]) a a µ T (A) = µ(t { (A)) = λ ({(x, y) : x y A} [0, ] ) ( a) µ T ([ a, a]) = = ( a)a für 0 < a für a >

3 . Sigma(X)-meßbar. Man bestimme σ(x) für X(ω) = ω auf Ω = {, 0,, }. Wann ist eine Funktion Y : Ω R bezüglich σ(x) meßbar?. X ({0}) = {0} X ({}) = {, } X ({4}) = {} σ(x) = {, Ω, {0}, {}, {, }, {0, }, {0,, }, {,, }} Y σ(x) \ B-mb Y ({Y ()}] σ(x), In σ(x) enthält jede Menge, die enthält, auch Y ({Y ()}) Y ( ) = Y () bzw.: Y ist eine Funktion von X und wegen X( ) = X() gilt auch Y ( ) = Y (). Sei Ω = {,, 3, 4}, S = {, Ω, {}, {, 3}, {4}, {, 4}, {,, 3}, {, 3, 4}} Ist S eine σ-algebra? Wenn ja, ist X(ω) = ω 5ω S/B meßbar? S ist eine σ-algebra. X ist S-mb. X() = 4 X() = 4 0 = 6 X(3) = 9 5 = 6 X(4) = 6 0 = 4 X ({ 4}) = {, 4} S X ({ 6}) = {, 3} S 3. Sei Ω = Z. Man bestimme σ(x) für X(ω) = ω. Welche Funktionen Y sind σ(x) meßbar? σ(x) = { n A{ n, n}, A N 0 } Y ( n) = Y (n) Y ist σ(x) meßbar. 3

4 .3 Äusseres Maß & Maßfunktionen. µ sei eine äußere Maßfunktion auf M. Dann gilt µ (A) µ (B) µ (A B) A, B B(M) mit µ (A) <, µ (B) < Lösung: A = (A B) (A B) (A B) B B = (B A) (B A) (A B) A µ (A) µ (A B) + µ (B) µ (B) µ (A B) + µ (A) µ (A) µ (B) µ (A B) µ (B) µ (A) µ (A B) µ (A) µ (B) µ (A B). Man zeige, dass die folgende Mengenfunktionen äußere Maße sind und bestimme jeweils die σ- Algebra der µ -meßbaren Mengen. (a) Ω bel., µ ( ) = 0, µ (A) = A (b) P Ω 3, µ ( ) = 0, µ (Ω) = µ (A) = sonst { 0, A (c) Ω = R, µ ℵ0 (A) :=, sonst (a) A Ω µ (Ω) = µ (A Ω) + µ (Ω \ A) M = {, Ω} (b) A Ω, suche B : B A, B \ A µ (B A) + µ (B \ A) = µ (B) = A / M M = {, Ω} 4

5 (c) Beh: M = {A : A ℵ 0 A c ℵ 0 } B Ω B ℵ 0 µ (B) = 0 µ (B A) = 0 µ (B A c ) = 0 B > ℵ 0 A ℵ 0 µ (B) =, µ (B \ A) = µ (B A) = 0 A M für A c ℵ 0 analog Sei A > ℵ 0 A c > ℵ 0 µ (A) + µ (A c ) = µ (Ω) = A / M 3. Sei µ ein äußeres Maß auf Ω und sei d(a, B) := µ (A B) A, B P(Ω). Man zeige, dass gilt: n n d( A i, B i ) i= i= n d(a i, B i ) i= n N n = : Beh: (A A ) (B B ) (A B ) (A B ) Bew: (A A ) (B B ) = = [(A A ) (B B ) c ] [(B B ) (A A ) c ] Aus Symmetriegründen reicht es aus zu zeigne, dass (A A ) (B B ) c (A B ) (A B ). (A A ) (B B ) c = (A B c B) c (A B c B) c (A B) c (A B) c (A B ) (A B ) 5

6 n n + : n+ d( n+ A i, B i ) n n d( A i, B i ) + d(a n+, B n+ ) (Ind-voraussetzung) n d(a i, B i ) + d(a n+, B n+ ) i= 4. Sei Ω := R, A = {A R : A < A c < } { 0, A < µ(a) :=, A = Man zeige, dass µ ein Maß auf der Algebra A ist und bestimme das von µ gebildete äußere Maß µ. Außerdem zeige man das System der µ -meßbaren Mengen an. Sei A = n N A n, A A, A n A m = n m ) ) A < A n < n µ(a) = µ(a n ) = 0 A = A A A c < A = R \ A c > ℵ 0 angenommen A n < n A ℵ 0 n : A n = A n A A c n < A n > ℵ 0 angenommen n m : A m =, A n A m = A m A c n A c n = Wid zu A c n < 6

7 Somit gilt A m < n m = µ(a) = k N µ(a k ) = µ(a n ) = µ ist ein Maß. Sei A ℵ 0 o.e.d.a. A = {a, a,... } A {a n } µ({a n }) = 0 µ (A) = 0 Sei A > ℵ 0, A A n, An A n : A n > ℵ 0 µ(a k ) µ(a n ) = Andererseits Somit A Ω µ (A) µ (Ω) = µ (A) = B bel., A ℵ 0 µ (A B) = 0 (siehe oben) µ (B) µ (A B) + µ (B \ A) A M M {A : A ℵ 0 A c ℵ 0 } Sei nun A > ℵ 0 A c > ℵ 0 µ (Ω) = < µ (A) + µ (A c ) A nicht meßbar. Somit M = {A R : A ℵ 0 A c ℵ 0 } 5. Ist µ ein äußeres Maß auf Ω und R ein Ring über Ω, so ist µ auf R σ-additiv, wenn µ additiv ist. Da µ äußeres Maß gilt allgemein: µ ( n N A n ) n N µ (A n ) 7

8 Sei nun (A n ) disjunkte Folge aus R mit N A n R und sei µ additiv auf R : µ ( N µ ( N N N A n ) µ ( A n ) = µ (A n ) N N n= n= A n ) µ (A n ) N Somit µ ( N A n ) = N µ (A n ) 6. Sei B := {x n : n N} eine abzählbare Teilmenge von R und (p n ) eine Folge nichtnegativer Zahlen mit n N p n =. Auf dem Semiring der halboffenen Intervalle (a, b] wird ein Maß definiert durch µ((a, b]) = x n (a,b] p n. Man bestimme µ und die σ-algebra der µ -meßbaren Mengen. Lösung: Sei δ(n, N) = min{ x i x n : i N, i n} p n µ((x n δ/, x n ]) p k + p n N p n k>n,k n µ ({x n }) = p n n {x n } R σ (I) : I... Intervalle µ(b) = µ(r) = z Z µ((z, z + )] = z x n (z,z+] = p n = µ(r \ B) = 0 p n M ist vollständig alle Teilmengen von R \ B sind in M B ℵ 0 P(B) M. Somit alle Vereinigungen von Teilmengen von R \ B und von B aus M M = P(R). Dementsprechend gibt es kein Meßbarkeitsproblem bei diskreten Wahrscheinlichkeitsräumen. 8

9 7. Ist (Ω, S, µ) ein σ-endlicher Maßraum, µ das zu µ gehörige äußere Maß und B Ω beliebig, so ist µ eine Maßfunktion auf S B. Lösung: µ ( ) = µ ( B) = 0 Sei C = n N C n, C n C m = n m, C, C n S B A n S : C n = A n B n n  := A,..., Ân := A n \  n Âm = n m, i= C n = Ân B, C =  n B A i  n S Nun gilt Ân S M. Daher gilt für beliebiges B und daher auch C µ (C) µ (C  n ) + µ (C (  c n)) N n= n N µ (C }{{ Ân) }. N N C n µ (C) n N µ (C n ) n N Die Umkehrung ergibt sich aus der Subadditivität. 8. Ist µ eine äußere Maßfunktion und A µ -meßbar, so gilt für beliebiges B: µ (A B) + µ (A B) = µ (A) + µ (B) Lösung: µ (A B) = µ ((A B) A) + µ ((A B) A c ) = µ (A) + µ (B \ A) µ (A B) + µ (A B) = µ (A) + µ (B \ A) + µ (A B) = µ (A) + µ (B) 9

10 9. Sei P ein Wert auf einer Algebra A über Ω und sei P das zugehörige äußere Maß. Weiters sei auf P(Ω) ein inneres Maß P definiert durch P (A) := P (A c ). Man zeige: (a) P (A) = inf{p (B) : A B, B S = A σ (A)} (b) P (A) = sup{p (C) : C A, C S} (c) A ist P -meßbar P (A) = P (A) Lösung: (a) Sei B n,m aus A, A n N B n,m n N P (B n,m ) P (A) + m A n N }{{} ˆB m S B n,m P (A) P (B) n P (B n,m ) P (A) + m A B := m N ˆB m S P (A) = P (B) Da C S mit C A gilt P (A) P (C) = P (C), gilt: P (A) = inf{p (B) B S, B A} (b) Wegen a) D A c, D S mit P (A c ) = P (D). Somit gilt D c S, D c A, P (A) = P (D) = P (D c ). (c) : Ist C A, C S A c C c P (A c ) P (C c ) P (A) = P (A c ) P (C c ) = P (C), also P (A) = sup{p (C) : C A} A messbar = P (Ω) = P (A Ω) + P (Ω \ A) = P (A) + P (A c ) P (A) = P (A c ) = P (A) 0

11 : Sei P (A) = P (A) A A A mit A, A S P (A) = P (A), P (A) = P (A) P (A) = P (A) P (A \ A) = 0. Sei B bel. C B, C S P (B) = P (C) zu zeigen: P (B) P (A B) + P (B A c ) Nun gilt Aus Somit: A B A C, A c B C A c P (A B) + P (B A c ) A A A c A c P (A C) + P (C A c ) A c = A c (A c A) }{{} A\A P (C A c ) P (C A c ) + P (C (A \ A)) }{{} =0 P (A B) + P (B A c ) P (A C) + P (C A c ) = P (C) = P (B) P (A) = sup{p (C) : C A, C S} P (A) = inf{p (B) : A B, B S C A B P (C) P (B) sup{p (C) : C A} P (B) B A P (A) inf{p (B) : B A, B S} = P (A) 0. Man zeige, dass für Maße µ und ν auf einem Semiring T über Ω gilt: (a) (µ + ν) = µ + ν

12 (b) M (µ+ν) M µ M ν (c) Wenn µ, ν σ-endlich M (µ+ν) = M µ M ν (d) Im Allgemeinen gilt in b) keine Gleichheit. (a) (µ + ν) (A) = inf{ n (µ + ν)(a n ) : A n T, A A n } inf{ µ(b n ) : B n A, B n T} + inf{ ν(c n ) : C n A, C n T} = µ (A) + ν (A) Umgekehrt sei (A n ) eine disjunkte Überdeckung von A mit µ (A) µ(a n ) µ (A) + ɛ und sei (B m ) eine disjunkte Überdeckung von A mit ν (A) ν(b m ) ν (A) + ɛ. Dann ist (A n B m ) eine disjunkte Überdeckung von A mit µ(a n B m ) = µ(a n ) ν(a n B ) n,m n n,m = ν(b m ) m (µ + ν) (A) + ν)(a n (B m ) n,m(µ µ (A) + ν (A) + ɛ (b) A M µ M ν, B bel., (µ + ν) (B) < ) (µ + ν) (B) = µ (B) + ν (B) µ (B A) + µ (B A c ) + + ν (B A) + ν (B A c ) = (µ + ν) (B A) + (µ + ν) (B A c )

13 (c) Man kann Ω zerlegen ω = E n : µ(e n ) < ν(e n ) < n (µ + ν)(e n ) < Genügt daher Teilmengen von E n zu betrachten: A E n, A M (µ+ν) A M (µ+ν) A A A : A, A R σ (T) : (µ + ν) (A) = (µ + ν)(a) = µ(a) + ν(a) = µ(a) + ν(a) Außerdem gilt µ (A) µ(a). Daraus folgt ν (A) ν (A) Wegen µ (A) + ν (A) = µ(a) + ν(a), denn µ (A) = µ(a) und ν (A) = ν(a). Analog folgt aus µ (A) + ν (A) = µ((a) + ν(a) und µ(a) (A) ν(a) ν (A) auch µ (A) = µ(a) ν (A) = ν(a) Somit A, A : A A A A, A R σ (T) µ (A) = µ(a) = µ(a) A M µ ν (A) = ν(a) = ν(a) A M ν (d) Sei Ω = (0, ], µ(a) = A Zählmaß, λ(a) Lebesgue Maß Klarerweise M µ = p((0, ]). Außerdem µ + ν = µ, denn A < λ(a) = 0 (µ + ν)(a) = A = µ(a) A = µ(a) = (µ + ν)(a) = M µ+ν = M µ Aber M µ M λ = R σ p((p, ]). Sei Ω = N und für A N sei 0, A = µ (A) =, A <, sonst 3

14 Man zeige, dass µ ein äußeres Maß ist und bestimme M µ. A A n : ) A < µ (A) = µ (A n ) ) A = µ (A) = n m : A n Beh.: M = {, N} A N A < Sei µ (A i ) µ (A n ) + µ (A m ) µ ist subadditiv. B = N µ (B) =, µ (B A) = µ (A) =, µ (B \ A) = µ (A c ) = µ (B) < µ (B A) + µ (B \ A) A / M N A A = N \ A µ (N) =, µ (A N) = µ (A) = µ (N \ A) } µ (N) µ (A N) + µ (N \ A) A / M. Welche der folgenden Mengenfunktionen auf P(Ω) sind äußere Maße? (a) (b) (c) µ (A) := µ (A) := { 0, falls A =,, falls A ; { 0, falls A höchstens abzählbar,, falls A überabzählbar unendlich; µ (A) := { 0, falls A endlich,, falls A unendlich; (d) Es sei Ω = R. µ (A) := { 0, falls A beschränkt,, falls A nicht beschränkt. 4

15 (e) Ω sei unendlich. µ (A) := n (n+), falls #A = n und µ (A) :=, falls #A =. ( #A bezeichnet die Anzahl der Elemente von A Ω). (a) µ 0, µ ( ) = 0, Isotonie klar. (A k ) geg.:.fall: A k = k A k = µ ( A k ) = 0 = µ (A k).fall: k 0 : A k0 A k, µ ( A k ) = JA: µ (A k0 ) µ (A k ) (b) Bed. )-3) klar! A = k= A k. Falls k : A k > a k A k > a JA: Sub-σ-add. (c) Bed. )-3) klar Falls Ω < : µ 0 trivial JA Falls Ω = A Ω : A = a A = {x n : n N}; A n := {x n } NEIN µ (A) = aber µ (A n ) = 0 nicht sub-σ-add. (d) Bed. )-3) gilt µ ([0, )) = Aber [0, ) n= [n, n), n= µ ([n, n)) = 0 NEIN nicht sub-σ-add. (e) µ ( ) = 0 A B A B A A + (da x x+ x+ x+ = B B + µ (A) µ (B) x(x + ) (x + ) = x + x x + x + < ) def: a := A n, a n := A n, A n µ (A n ) ) a = (n i ) : A n µ (A n ) n i µ (A ni ) = 5

16 ) a < : a n a n µ ( A n ) n a n n a n + = n= n= a n ( a n ) + a n a n + = µ (A n ) 3. Ist µ eine äußere Maßfunktion auf eine Menge Ω und (A n ) eine Folge von Teilmengen von Ω mit A n Ω, so ist A Ω µ -meßbar, wenn es einen Index N N gibt, sodass A A n µ -meßbar n N. A n Ω (A A n ) = A n N (A A n ) M n N M ist σ-algebra A = (A A n ) M n N 4. Ist µ ein äußeres Maß auf Ω, so gilt für bel. Mengen A, B, C µ (A C) µ (A B) + µ (B C) A C = (A C c ) (C A c ) (A B) (B C), denn betrachtet man A C c, so gilt: A C c = (A B C c ) (A B c C c ) (B C c ) (A B c ) (B C) (A B). Aus Symmetriegründen gilt analog A c C (A B) (B C) Der Rest folgt aus der Subadditivität von µ. 5. (µ i ) i I sei eine Familie äußerer Maße auf Ω. Dann ist auch µ := sup i I µ i ein äußeres Maß. µ := sup i I µ : ) µ 0 6

17 ) µ ( ) = 0 klar 3) A B µ i (A) µ i (B) µ (B) i I µ (A) = sup µ i (A) µ (B) 4) S n, A k= A k µ i (A) k= µ i (A k) k= µ (A k ) i µ (A) k= µ (A k ) 6. Es sei Ω = {a, b, c}, M = {, {a}, {b, c}, Ω}. Welche Struktur hat M? Sei ferner µ( ) = µ({a}) = 0, µ({b, c}) = µ(ω) =. Ist µ ein Prämaß? Bestimmen Sei ggf. ein durch µ bestimmtes äußeres Maß µ, das µ fortsetzt! Lösung: M ist σ-algebra µ ist Prämaß µ (A) = inf{ µ(a i ) : A i A} A Überdeckung µ (A) {b} {b, c} {c} {b, c} {a, b} {a}, {b, c} {b, c} {a}, {b, c} ansonsten µ(a) 0, A = µ (A) = 0, A = {a}, sonst (A, {a} / A) 7. Es sei (M, M) ein Maßraum, µ n für jedes n N eine Maßfunktion und (a n ) eine Folge nichtnegativer reeler Zahlen. Dann definiert µ(a) := N α nµ n (A) A A eine Maßfunktion µ über (M, M). ) µ 0 ) µ( ) = N α nµ n ( ) = α n 0 = 0 3) (A k ) pwf, A k A µ( k N A k) = N α nµ n ( k N A k) = n N α n k N µ n(a k ) = k N n N α nµ n (A k ) = k N µ(a k) 7

18 .4 Inhalt & (σ-)additivität. Es sei Ω := [0, ), A := {[ i ) : i = 0,..., n, n N} { }, n µ( ) := 0, µ([a, b)) := b a, falls b < und := b a +, falls b =. Welche Struktur hat A? Ist µ ein Inhalt? Ist µ σ-additiv? A ist Halbring ) A n, i+ ) A := [ i, i+ n ), B := [ j n, j+ m ), n m m A B = [ j, j+ m ) falls A B m 3) B A (gilt nur, wenn n m!) i n = i m n m, i+ n = i m n + m n m A \ B = j m n i α=0 m n (i+) j + β=0 [ i m n + α m, i m n + α + m ) [ j + + β m, j + + β m ) Aber: A Halbalgebra ([0, ) A!), kein Ring: [0, ) \ [ 8, 8 ) / A Lg.: µ Inhalt µ 0, µ( ) = 0 klar. A = [a, b ), B = [a, b ), A + B A (o.b.d.a.: b a ) b = a : A + B = [a, b ) b = : µ(a) + µ(b) = µ([a, b )) + µ([a, b )) = b a + b a + = b a + = µ(a + B) b < klar [, ) = n= [, ) = [ n n+, 3 4 ) + [ 3 4, 7 8 ) +... Aber µ([, )) = + = 3 n= µ([, )) = n n+ n= = n+ 8

19 Nicht σ-additiv!. Kann ein Inhalt auf einem nichtleeren Mengensystem C im Allgemeinen zu einem Inhalt auf R(C) erweitert werden, wenn C kein Semiring ist? Nein! Gegenbsp.: Ω = {,, 3} C = { {}, {3}, {, }, {, 3}, } µ = ( 0, 0,,, 0 ) R(C) = {, {}, {}, {3}, {, }, {, 3}, {, 3}, Ω} = P(Ω) µ({}) = µ({, }) µ({}) = Aber aus µ({}) = µ({, 3}) µ({3}) = Widerspruch!!! 3. Auf dem Mengensystem C := {(a, b] (0, ] : 0 a b } {(0, ] (a, b] : 0 a b } auf Ω = (0, ] ist die Mengenfunktion µ definiert durch µ((a, b] (0, ]) = µ((0, ] (a, b]) = b a. (a) Ist C eine Semiring? (b) Ist µ additiv auf C (c) Ist die Fortsetzung von µ auf R(C) eindeutig? Lösung: kein Halbring: } A = (a, b ] (0, ] A B = (a B = (0, ] (a, b ], b ] (a, b ] / H Fortsetzungen: F (x, y) := µ((0, x] (0, y]) { x + y, 0 x, y ) F (x, y) := 0, sonst { x + y, 0 x, y, y x ) F (x, y) := 0 sonst 0 0 9

20 4. Jordansche Gleichung: Ist µ ein endlicher Inhalt auf einem Ring R, sind A,..., A n beliebige Mengen aus R und ist C [m] die Menge aller w A = n i= A i, die in genau m der Mengen A,..., A n liegen, so zeige man, dass C [m] R und dass gilt µ(c [m] ) = n ( ) k ( ) k m m k=m mit S k = i < <i k n µ(a i A ik ). { Hinweis: Sei A ɛ i := Ai, ɛ = A \ A i, ɛ = 0. Man betrachte das System der Durchschnitte ϑ l = { n S k i= Aɛ i i : ɛ i {0, } i =,..., n, n i= ɛ i = l} und überlege, ob wie folgt D ϑ l auf beiden Seiten der obigen Gleichung vorkommt, je nachdem ob l < m, l = m, l > m. Bew: Offensichtlich gilt: C [m] = D ϑ m D. Wegen ϑ l < D R D ϑ l l, ist damit klar, dass C [m] R. D ϑ l, l < m : D kann weder in C [m] noch in einer der Summen S k vorkommen, da diese alle Durchschnitt von mehr als l Mengen A i beinhalten. l = m : C [m] = D ϑ m D D, D ϑ m D D = µ(c [m] ) = D ϑ m µ(d) Auf der rechten Seite kommt D nur im konkreten Durchschnitt A i A im mit ɛ ij j =,..., m vor. Somit kommt jedes D auf beiden Seiten genau einmal vor. Sei l > m : D D l kommt in C [m] nicht vor. Auf der rechten Seite gilt D A j A jk {i,..., i l } {j,..., j n } Man kann dann {j,..., j : k} auf ( l k) Arten aus {i,..., i l } auswählen. Somit kommt µ(d) rechts N = l k=m ( )k m( k l m)( k) mal vor. Nun gilt: 0

21 N = = l ( ) k m k! m!(k m)! l! k!(l k)! k=m l! m!(l m)! l ( ) k m (l m)! (k m)!(l m (k m))! k=m ( ) l m l ( ) l m = ( ) j m j j=0 ( ) l = ( ) m m = 0 5. Mit den Voraussetzungen und Bezeichnungen des vorigen Bsps. zeige man, dass für die Mengen C (m) der Punkte die mindestens m der A i vorkommen gilt n ( ) k µ(c (m) ) = ( ) k m S k. m k=m Daraus folgt mit m = sofort das verallgemeinerte Additionstheorem: n n µ( A i ) = ( ) k S k. i= Hinweis: C [n] = C (n), C [m] = C (m+) C [m] Bew: ( ) ( ) n n C (n) = C [n] = S n = S n m + m! n n (richtig für m = n) C (m) = C (m+) C [m] C (m+) C [m] = µ(c (m) ) = n Beh: k= k=m+ ( )k m ( ) k m Sk + n k=m ( )k m( k = ( ) ( ) ( ) n k k m k=m+ ( )k m S k [ ] + m m m }{{}}{{} ( m ) k ( m ) = n k=m ( )k m( k l ( )( ) k l ( ) k m = l n m k k=m }{{} C m Bew: vollst. Induktion: m = l : ( l k )( l l) = m) Sk S m m ) Sk

22 n + m : C m = l k=m ( )k m( k l ) ( )( ) m )( k m l = + l k=m+ m m ( )k m [ ( ) ( k m k ) ( m ] l k) }{{} ( m m)( m) l l ( )( ) k l = ( ) k m m k k=m }{{} ( m) l P l l=n ( )k m ( k m)=( l m m) l P l m j=0 ( )j ( l m j )=( ) lm =0 + l k=m+ ( )k (m+)( k l ) m+ )( k = C m+ = 6. Ungleichung von Bonferoni: Ist µ ein endlicher Inhalt auf einem Ring R und sind A,..., A n beliebige Mengen aus R, so gilt ( ) k k ( ) j S j 0, k = 0,..., n () j=0 mit S o := µ( n i= A i) und S j = i < <i j n µ(a i j A ij ) A := n i= A i, ϑ definiert wie bei Jordan-Bsp. A = n l= D ϑ l D Ist D ϑ l, so liegt D in keinem Durchschnitt A i A ij mit j > l () reduziert sich daher für D ϑ l auf ( ) k k l ( ) l ( ) j µ(d) 0 j j=0 Brauche also nur ( ) k k l j=0 ( )j( l j) zu betrachten. Für j l gilt ( l j ) ( l j). Sei σ k := k j=0 ( )j( l j). ( ) ( ) l l k = u, k l : σ k = +[ + ] }{{} 0 l ( ) l k = u+, k l : σ k = [ } {{ } 0 ( l + +[ ( ) l ] + [ + } {{ 3 } 0 ) ( l + u ) ] } u {{ } 0 ( ) l ( ) l ] + +[ ( l + ) ] u + } u {{ } 0 l Wegen σ l = ( ) l = 0 und der Symmetrie der Binomialkoeffizienten gilt: 0 = σ l = σ k + ( ) l σ l k.

23 Ist l gerade, k l gerade σ k 0 l k ist ungerade. l k 0 Für k ungerade analog. 7. Ist µ ein Inhalt auf einem Ring R und (A n ) eine Folge disjunkter Mengen aus R, deren Vereinigung auch in R liegt, so gilt µ( n N A n ) µ(a n ). n= µ( A n ) = trivial Sei µ(a) < mit A = n N A n A N n= A n N N Aus der Monotonie und der Additivität folgt N N µ(a) µ( A n ) = µ(a n ) µ(a) n= µ(a n ) n= n= N N 8. Gegeben { sei der Meßraum (N, P(N)) und µ(a) := n A a n, falls A endliche Teilmenge von N ist,, falls A unendliche Teilmenge von N ist; Dabei sei a n eine konvergente Reihe nichtnegativer reeler Zahlen. Ist µ ein Inhalt? Ist µ ein Maß? ) µ( ) = 0 ) A, B P(N), A B = i. A, B endlich µ(a B) = n A B a n = n A a n + n B a n = µ(a) + µ(b) ii. A, B unendlich A B unendlich µ(a) + µ(b) = = µ(a B) iii. A endlich, B unendlich A B unendlich µ(a B) = = µ(a) + µ(b) Lg. µ ist nicht σ-additiv: A n := {n} : Angenommen µ wäre σ-additiv } µ(n) = > n N a n = Widerspruch n= µ(n) = µ(n) 3

24 9. (µ i ) i I sei eine Familie von Inhalten auf einem Ring über Ω. Es gelte: i, j I l I : µ i µ l, µ j µ l (d.h., die Familie ist nach oben gerichtet). µ(a) := sup µ l (A) A R Dann ist auch µ ein Inhalt auf R. Sind die µ i sogar Prämaße, dann ist auch µ ein Prämaß. Beh: µ ist ein Inhalt ) µ(a) 0 klar! ) µ( ) = 0 klar! 3) A B µ i (A) µ i (B) i I µ(a) µ(b) 4) A, B R, A B = ɛ > 0 i, j I : µ i (A) µ(a) µ i (A) + ɛ µ j (B) µ(b) µ j (B) + ɛ l I : µ i µ l, µ j µ l µ l (A) µ(a) µ l (A) + ɛ µ l (B) µ(b) µ l (B) + ɛ µ l (A + B) µ(a) + µ(b) µ l (A + B) + ɛ }{{} sup l µ(a + B) µ(a) + µ(b) µ(a + B) + ɛ ɛ 0 gilt Gleichheit Beh: µ i Prämaße µ Prämaß. Zeige Stetigkeit von unten. A n A µ i (A n ) µ i (A) k < µ(a) i k : µ ik (A) > k n o : µ ik (A n ) > k n n 0 (k) µ(a n ) > k n n 0 (k) lim µ(a n) µ(a) n i I µ(a n ) µ(a) n lim n µ(a n) µ(a) klar! 0. Sei Ω { beliebig. A, falls A endlich ζ(a) := A Ω, falls A unendlich, Dann ist ζ ein Maß auf P(Ω) (ζ heißt Zählmaß auf Ω) Unter welchen Bedingungen ist ζ σ-endlich? Maßeigenschaften klar! 4

25 ζ σ-endlich Ω a (abzählbar). Es sei (Ω, A) := ({,, 0,, }, P({,, 0,, }). Für jedes A Ω werde µ(a) := n A n (= 0, falls A = ) definiert. Ist µ eine signierte Mengenfunktion? Ist µ additiv? Ist die Mengenfunktion A ν(a) := max(µ(a), 0) ebenfalls additiv? µ ist trivialerweise Mengenfunktion (endlich). A B = µ(a B) = n = n + n A B n A n B = µ(a) + µ(b) ν = µ 0 ist Mengenfunktion, aber nicht additiv: A := {, } ν(a) = 3 0 = 0 B := {, } ν(b) = 3 0 = 3 A B = {,,,, } ν(a B) = 0 0 = 0. Ist Ω abzählbar, A = {A Ω : A < A c < } und { 0, A < µ(a) :=, A c < so zeige man, dass µ additiv aber nicht σ-additiv ist und, dass eine Folge (A n ) aus A existiert mit A n Ω und µ(a n ) = 0 n N. n o.e.d.a. Ω = N A n := {,..., n}, A n Ω, µ(a n ) = 0, µ(ω) = Ω = n N {n}, µ(ω) = µ({n}) = 0 µ nicht σ-additiv. A, B A, A B = A < B < A B < µ(a B) = 0 = µ(a) + µ(b) A = A c <, A B = B A c B < Somit µ(a) + µ(b) = = µ(a B) 5

26 3. Beweisen Sie: µ sei ein σ-endliches Maß auf einem Halbring H. Dann gilt: I N (D n, n I) : D n H, disjunkt, n I D n = Ω, µ(d n ) < n I. Zunächst: A, B,..., B m H D j H D j D k = A \ m i= B i = A m i= Bc i = m i= (A \ B i) = D j = m i= ( j J i D ij ) }{{} H = m (j,...,j m) J J m i= D iji }{{} H ( ) = : k j= D j Weil µ σ-endlich ist (A n ) n I : I N, µ(a n ) < n, Ω = n A n Nach ( ): n (Dj n ) j Jn : C n := A n \ n }{{} i= A i = j J n Dj n H C n alle disjunkt Ω = n C n = n j J n Dj n q.e.d. }{{} H 4. Es sei Ω := {,, 3, 4, 5}, H := {, {}, {, 3}, {4, 5}}, µ( ) := 0, µ({, 3}) := µ({4, 5}) := µ({}) := Ist H eine Halbalgebra? Ist µ ein Inhalt? Wen ja, dann setzen Sie ihn auf A(H) fort! H ist nicht Halbalgebra, denn Ω H Aber: H ist Halbring. µ ist Inhalt. R(H) = H {{,, 3}, {, 4, 5}, {, 3, 4, 5}, {,, 3, 4, 5}} µ({h}) = 3 R(H) ist Algebra! klar! (denn A R(H) A c R(H), aber R(H) ist ring, der Ω enthält.) Damit ist Fortsetzung gegeben! 5. Auf Ω := (0, ] Q ist das Mengensystem T := {I b a := {x Ω : a < x b} : 0 a b } gegeben und auf µ wird eine Mengenfunktion µ difiniert durch µ(i b a) = b a. 6

27 (a) Zeigen Sie, dass T eine Semialgebra ist. (b) Zeigen Sie, dass µ ein Inhalt ist aber kein Maß sein kann. (c) µ ist stetig von unten und von oben. (a) T, Ω T, I b a I d c c a b d Ic d \ Ia b = Ic a Ib d Ia b Ic d = Ia b d c (b) µ(ia) b + µ(ib c) = b a + c b = c a = µ(ic a) = µ(ia b Ib c) µ(ω) = µ(i0 ) = Aber Ω = {r, r,... } I rn r n ɛ µ(ω) ɛ n ɛ für bel. n ɛ > 0 Widerspruch!! (c) Ia bn n a n a = inf a n, b n b = sup b n µ(ia bn n ) = µ(ia) b Für Ia bn n analog Folgerung: Der Definitionsbereich Ring im Stetigkeitssatz kann nicht durch Semiring ersetzt werden! 7

28 .5 induzierte Maße & Mengensysteme. Sei Ω = {0,, }, C = {, {0}, {}, {}, {, }}. Man zeige, dass C ein Semiring ist und bestimme alle Maße auf C mit µ({, }) =. C, {} {, } = {} {} Semiring! µ({}) = α µ({}) = α 0 α µ( ) = 0, µ({0}) = β 0.. Ω = {,, 3}, Welche Mengensysteme C sind Semiringe über Ω? (a) C = {, {}, {}, {3}} (b) C = {, {}, {, }} (c) C = {{}, {}, {3}} Lösung: (a) ja (b) nein: {, } \ {} = {} / C (c) nein: {} \ {} = / C 3. Man gebe alle Ringe über Ω = {,, 3} an. Lösung: R = { }, R = P(Ω), R 3 = {, Ω}, R 4 = {, {} }, R 5 = {, {} }, R 6 = {, {3} }, R 7 = {, {, } }, R 8 = {, {, 3} }, R 9 = {, {, 3} }, R 0 = {, {}, {}, {, } }, R = {, {}, {3}, {, 3} }, R = {, {}, {3}, {, 3} }, R 3 = {, {}, {, 3}, Ω }, R 4 = { {}, {, 3},, Ω }, R 5 = { {3}, {, },, Ω } Typ : R = { } Typ : R = {, A} A Ω Typ 3 : R = {, A, A c, Ω} = A Ω Typ 4 : R = {, {i}, {j}, {i, j} } Typ 5 : R = P(Ω) 4. Q 0 bezeichne die Menge der rationalen Zahlen aus (0, ] und M := {{x Q 0 : a < x b} : 0 a b }. Beweisen Sie, dass M ein Halbring ist, und dass jedes A M entweder leer ist oder unendlich viele Elemente enthält. Bestimmen Sie A σ (M)! Beweis: ) = (a, b] Q = (a, b] mit a = b 8

29 ) (a, b ] (a, b ] = (max(a, a ), min(b, b )] 3) (a, b ] (a, b ] a a b b (a, b ] (a, b ] = Sei q Q 0 ) = (b, b ] falls a = a ) = (a, a ] falls b = b 3) = (a, a ] (b, b ] sonst {q} = n N(q n, q + n ] M σ R σ (M) A σ (M) R σ (M) = P(Q 0 ) Min kommt auf Ω an ) Ω = Q 0 oder Ω = Q 0 : A σ (M = P(Ω) ) Ω = [0, ] A σ (H) = {A : A c Q 0 \ {0} A Q 0 \ {0} = P(Q 0 ) Ist A M = A = {x Q 0 : a < x b} mit a < b aber: in (a, b] viele rationale Zahlen, also. 5. Bestimmen Sie R σ (H) und A σ (H) für den Halbring H. H := {{x Q 0 : a < x b} : 0 a b, a, b Q 0 } Lösung: Sei q Q 0 {q} = (q n, q + n ] Q 0 H σ R σ (H) A σ (H) n= R σ (H) = P(Q 0 ) A σ (H) = {A : A c Q 0 A Q 0 } = P(Q 0 ) (rechte Seite ist tatsächlich σ-algebra) 6. Man zeige, dass ein Semiring im weiteren Sinn im Allgemeinen kein Semiring im engeren Sinn (wie in VO definiert) ist. Beweis: Gegenbeispiel: T = {, {0}, {}, {}, {0,, } } 7. Man zeige: ist C ein beliebiges Mengensystem, so gilt R σ (C) = R σ (c) c C: c ℵ 0 Beweis: c C R σ (c) R σ (C) c C 9

30 R σ (c) R σ (C) c C: c ℵ 0 A n R σ (c) n c n : A n R σ (c n ) c C: c ℵ 0 }{{} =:S A n R σ ( c n ) A n R σ ( c n ) N c n ℵ0 A, B S c A, c B : A R σ (c A ), B R σ (c B ) A, B R σ (c A c B ) A \ B R σ (c A c B ) 8. Geben Sie an, ob die folgenden Mengensysteme Semiringe, Semialgebren, Ringe, Algebren, σ-ringe, σ-algebren, Dynkin-Systeme, monotone Systeme oder keines davon sind. (a) Ω =, C := {A Ω : A < A c < } (b) Ω beliebig, C := {A Ω : A ℵ 0 A c ℵ 0 } (c) Ω =, C := {A Ω : A < } (d) Ω = k, k N, k, C = {A Ω : A 0 mod } Lösung: (a) Algebra Ω = N Ω, A n = n An / C kein Dynkin-System kein σ-ring, nicht monoton (b) σ-algebra (c) Ring aber nicht monoton kein Dynkin-System, kein σ-ring (d) Ω C, A = n A c = (k n) A c C n n A i = n i, A i A j = A i = n i i= i= C Dynkin-System C < C monoton aber A B / C i.a. Bsp: A = {, }, B = {, 3} A B = 9. Man zeige: A ist eine Algebra ) Ω A ) A, B A B \ A A Beweis: : A Algebra Ω A, A A A c A A, B A A B A B \ A = B A c A n A i C 30

31 : A A, Ω A A c = Ω \ A A A, B A A \ B c = B A A A, B A A c B c A A B = (A c B c ) c A 0. (a) Ist (R n ) eine Folge von Ringen mit R n R n+ n N, so gilt R = n= R n ist ein Ring. (b) Ist (R n ) eine Folge von σ-ringen mit R n R n+, so ist R = n= R n i.a. kein σ-ring. Beweis: (a) A R n, B R n A, B R n n B \ A, A B, A B R n n R (b) Ω = N, R n = P({,..., n}) R n ist σ-ring R n R n+ R = n N R n = {A N : A < } A n := {,..., n} R aber A n = N / R. Welche Struktur (Halbring, Halbalgebra, Ring,... ) besitzt die Klasse der beschränkten d-dimensionalen Mengen? Lösung: Ring ( Halbring) keine Algebra, kein σ-ring kein Dynkin-System aber -stabil. Muss gelten R σ (T) = M(T), wenn T eine Semialgebra ist? Lösung: T := {, Ω = {0,,, 3}, {0}, {}, {0, }, {, 3} } T ist Semialgebra, Ω T, A, B T A B T {0} Ω, Ω \ {0} = {,, 3} = {} {, 3}, {0} {} = {0, } T, {0} {} {, 3} = Ω {} Ω analog Ω \ {0, } = {, 3}, Ω \ {, 3} = {0, } T ist endlich T ist monoton Aber {} {, 3} = {,, 3} / T T keine Algebra 3. Man bilde die von den folgenden Mengensystemen erzeugten σ-algebren (a) Ω beliebig, A Ω, C = {A} (b) Ω beliebig, C A := {B : A B} (c) C := {A R : A = } 3

32 Lösung (a) S(C) = {, Ω, A, A c } (b) A σ (C A ) = C A P(A c ) Ω C A A σ (C A ) B A σ (C A ) ) B C A A B B c A c B c P(A c ) A σ (C A ) ) B P(A c ) B A c B c A B c C A B n A ) B n P(A c ) n B n P(A c ) A σ (C A ) ) B C A A B B n B n C A A σ (C A ) (c) A σ (C ) = {A R : A ℵ 0 A c ℵ 0 } 4. Sind T, T Semialgebren, so gilt: A σ (T T ) = A σ (T) mit T := {A : A = A A : A i T i } Beweis: A T A = A Ω T, analog A T A = Ω A T T T T A σ (T T ) A σ (T) Umgekehrt gilt T A(T T ) A σ (T T ) und A σ (T T ) ist σ-algebra Somit A σ (T) A σ (T T ) 5. (H i ) i I sei eine Familie von Halbalgebren über Ω, C := { A ij, i j I, j =,,... }. j= Dann ist A σ ( i I H i ) = A σ (C). ) C A σ ( i I H i) A σ (C) A σ ( i I H i) ) H i C i I klar H i A σ (C) i I H i A σ (C) A σ ( i I H i) A σ (C) 6. Sei Ω eine beliebige Menge und C = {A,..., A n } ein System verschiedener Teilmengen von Ω. Man schreibe A σ (C) explizit an und schätze 3

33 A σ (C). Lösung: A ɛ i := { Ai, ɛ = A 0 i, ɛ = 0 { n g := : (ɛ,..., ɛ n ) {0, } n} g n i= Weiters ist klar, dass je verschiedene Mengen aus g disjunkt sind. Sei g = {D,..., D m } die verschiedenen Durschnitte in g. Bilde A = {, k j= D i j : {i,..., i k } {,..., m}, k m} Offensichtlich gilt A = A σ (C) und A = m ( m ) k=0 k = ( + ) m (n ) 7. Man zeige, dass jeder σ-ring endlich oder überabzählbar sein muss. Beweis: R ein σ-ring, R =, (A n ) eine Folge verschiedener Mengen aus R, d.h. n m A n A m. A := R n N { g := n N Def: A ɛ n = A ɛn n : (ɛ, ɛ,... ) {0, } N} { An, ɛ = A \ A n, ɛ = 0 Klarerweise gilt: A n = D D g, D A n n N g < es gäbe höchstens endlich viele verschiedene A n g = D, D g D D n : ɛ n = in D ɛ n = 0 in D oder umgekehrt D D = Sei nun (D n ) eine Folge verschiedener und damit diskunkter Mengen aus g. Bilde für jede Binärfolge (b n ) die Menge B(b, b,... ) := n:b n= Klarerweise folgt aus (b, b,... ) ( b, b,... ) auch B(b, b,... ) B( b, b,... ). Aber { (b, b,... ) : b i {0, } } > ℵ 0 8. Ist T : Ω Ω eine Funktion und A eine σ-algebra auf Ω, so zeige man, dass T (A) i.a. weder ein Semiring noch ein Dynkin-System sein muss. D n 33

34 Beweis: Gegenbeispiel: Ω = {,, 3, 4}, Ω = {a, b, c} T () = T () = a, T (3) = b, T (4) = c Sei A := { }, {}, {4}, {, 4}, {, 3}, {, 3, 4}, {,, 3}, Ω ist offensichtlich σ-algebra T (A) = {, Ω, {a}, {c}, {a, c}, {a, b} } Wegen {a, b}\{a} = {b} / T (A) kein Semiring und auch kein Dynkin- System 9. Ist C ein beliebiges Mengensystem, so gilt: M(C) = R σ (C) R(C) M(C) Beweis: : M(C) = R σ (C) R(C) R σ (C) R(C) M(C) : R(C) M(C), M(C) monoton M ( R(C) ) M(C) Somit M(C) = M ( R(C) ) ( ) = R σ R(C) R(C) R σ (C), R σ ist σ-ring R(C) R σ (C) R(C) = R σ (C) 0. Ist C, so gilt: (a) A R σ (C) (C n ) : C n C n A N C n (b) A R(C) C,..., C n : C i C, i =,..., n A n i= C i Beweis: (a) S := {B : (C n ) : C n C n, B C n } B i S i B i C n,i B i S i N i N n N B, B S B \ B B C n, S n N S ist also ein σ-ring R σ (C) S (b) geht analog. Man zeige, dass das System der Borelmengen auf R erzeugt wird durch (a) die offenen Mengen (b) die abgeschlossenen Mengen (c) die kompakten Menge Beweis: 34

35 (a) (a, b) = ( ] a, b (a, b) B n N Umgekehrt (a, b] = ( ) a, b + n N ( ) Somit liegen alle halboffenen Intervall im R σ (a, b), a, b R, jede offene Menge ist eine Vereinigung abzählbar vieler offener Intervalle (siehe Kolmogoroff-F..) (b) abgeschlossene Mengen sind Komplemente offener Mengen (c) Die beschränkten abgeschlossenen Intervalle [a, b] sind kompakt (Heine-Borel) B R σ (K), K System der kompakten Mengen. Da jede kompakte Menge abgeschlossen ist und die abgeschlossenen Mengen in B liegen, gilt auch die Umkehrung.. Man zeige, dass der Durchschnitt von Semiringen (i.e.s) i.a. kein Semiring ist. Beweis: Gegenbeispiel: T := {, {0}, {,, 3}, {0,,, 3} } T := {, {0}, {}, {, 3}, {0,, 3}, {0,,, 3} } T Semiring T : {0} : {0,, 3} \ {0} = {, 3} T.. : Ω \ {0} = {, 3} {}, {0} {, 3} = {0,, 3} T, {0} {, 3} {} = Ω T {} : Ω \ {} = {0,, 3} T {, 3} : {0,, 3}\{, 3} = {0} T, Ω\{, 3} = {0} {} {0,, 3} T {0,, 3} : Ω \ {0,, 3} = {} T Semiring T T = {, Ω, {0} } kein Semiring 3. Man zeige, dass für die von einem Ring R erzeugte Algebra A(R) gilt: A(R) := {A : A R A c R} Beweis: S := {A : A R A c R} Da für jede Algebra A gilt A A A c A, muss S A A Algebra, A R S A(R). A S A c S A, B S: ) A, B R A B R S 35

36 ) A R, B c R B c \A = B c A c R (B c A c ) c = A B S 3) A c R, B R: wie oben 4) A c R, B c R A c B c R A B = (A c B c ) c S 4. Man beweise: Ist T ein Semiring, so gilt: R(T) = R := {B : n N A,..., A n T, A i A j =, i = j : B = n i= A i} = R := {B : n N A,..., A n T : B = n i= A i} Beweis: B, B R B = n i= A i,, B = m j= A j, Lemma 8b C,..., C k C j C i = i j B = I C i, B = I C i B B = I I C i R B \ B = m l= C i R wegen Lemma 8a Somit R ein Ring R(T) R Andererseits R R R mit R T R R(T). Somit R R(T) Offensichtlich R R, ist umgekehrt R ein Ring mit T R, so gilt auch R R R R R = R { n 5. Man beweise, dass T := i= } A i : A i T i, i =,..., n ein Semiring i.w.s. auf Ω ist, wenn alle T i Semiringe i.w.s. sind. Beweis: n = : T i i = A = A = A i, B = i= n T i= B i A B = i= A i B = i= i= B i A i B }{{} i T T i B \ A = B B (A c A c ) = (B B A c ) (B B A c ) = = [ (B \ A ) B ] [ B (B \ A ) ] = = [ (B \ A ) A ] [ (B \ A ) (B \ A ) ] [ A (B \ A ) ] [ (B \ A ) B ] = = [( B \ (A B ) ) A ] [( B \ (A B ) ) ( B \ (A B ) )] [ A ( B \ (A B ) )] i= k (C j A ) j= k j= C j k D k }{{} S j k= S k (C j D k ) k (D k A ) k= 36

37 Für n > vollständige Induktion ( { n } ) T = D i D i T i, T = T n+ i= 6. Ω, Ω seien nichtleere Mengen, f : Ω Ω eine beliebige Abbildung. (a) Ist für jedes Dynkin-System D in Ω f (D ) ein Dynkin-System in Ω? (b) Ist für jedes Dynkin-System D in Ω, D := {B Ω : f (B) D} ein Dynkin-System? Lösung: (a) D Dynkin-System in Ω, f : Ω Ω, D := f (D ) ) Ω D, denn Ω = f (Ω ) ) A, B D, A B A, B D : A = f (A ), B = f (B ), aber es gilt nicht notwendigerweise: A B. Da A B D nicht folgt, hilft hier die Darstellung B \A = B \ (A B ) nicht weiter. B \ A D! 3) f ( A n ) = f (A n ) n= n= Gegenbeispiel: Ω := {,, 3}; Ω := {a, b, c, d} D := {, Ω, {a, b}, {a, c}, {b, d}, {c, d} } ist (nicht -stabiles!) Dynkin- System. f() := a, f() := c, f(3) := d f (D ) = {, Ω, {}, {, }, {, 3}, {3} } ( ) kein Dynkin-System! {, } \ {}, {, 3} \ {} / f (D ) (b) D Dynkin-System in Ω, D := {B Ω : f (B) D} ) Ω D, denn f (Ω ) = Ω D ) B, B D : B B f (B i ) D f (B ) f (B ) f (B \ B ) = f (B ) \ f (B ) D B \ B D 3) (B n ) n=,,... (D ) N disjunkt ( f (B n ) ) n DN, disjunkt N B n D D Dynkin-System 37

38 .6 elementare Mengenlehre. Man zeige: A B = C D A C = B D Beweis: A B = C D (A B) C = (C D) C = (C C) D = D (A B C) B = D B }{{} A C. Man zeige: (A B) (B C) A C Beweis: A C = (A C c ) (A c C) = (A B C c ) (A B c C c ) (A c C) (A B) (B C) = (A B c ) (A c B) (B C c ) (C B c ) A C c (A B) (B C) A c C (A B) (B C) folgt aus Symmetriegründen 3. Man beweise: a) i I B i \ ( j I A j ) i I(B i \ A i ) b) i I B i \ ( j I A j ) i I(B i \ A i ) Beweis: a) I B i ( I A c j) = I (B i I A c j) (B i A c i) = (B i \ A i ) b) I B i ( I A c i) = j (( B i ) A c j) i I j (B j A c j) = j (B j \ A j ) 4. Für beliebige Mengen A,..., A n definiere man U k := D k := i < <i k n j= n A ij. Man beweise: U k = D n+ k k n i < <i k n j= Beweis: ω U k ω liegt in mindestens k der Mengen A,..., A n Somit ω Uk c ω liegt in höchstens k der Mengen A,..., A n Dn+ k c = n+ k i < <i n+ k n j= A c ij ω D c n+ k ω liegt in mindestens n + k der Mengen Ac i, d.h. ω n A ij, 38

39 liegt in höchstens n (n + k) = k der Mengen A i Somit ω D c n+ k ω U c k U k = D n+ k 5. Man beweise: a) A B = A B = min{ A, B } b) A B = A + B A B = max{ A, B } c) A\B = A ( B ) d) A B = A B = A + B A B = ( A + B )mod Beweis: a) klar b) A c = A A B = A c B c = ( A)( B ) = A + B A B A B = max{ A, B } c) A \ B = A B c A\B = A B c = A ( B ) d) A B = A B ( A B ) = ( A + B A B )( A B ) = A + B A B } A {{ B } A B + }{{} A B = }{{} A B A B A B A B A { B ω A ω / B ω / A ω B A B = 0 sonst ( A + B )mod = (ω A ω / B) (ω / A ω B) = A B 6. (X n ) n sei eine reelle Folge. Beweisen Sie: lim inf x n = sup inf x k, lim sup x n = inf n k n n N n sup x k n N k n Lösung: x = lim inf x n ist kleinster Häufungspunkt von (X n ) { ɛ > 0 n0 (ɛ) = n 0 : x n x ɛ n n 0 ɛ > 0 (n k ) k, n k : x nk x < ɛ k x ɛ x nk x + ɛ k inf k n x k x ɛ n n 0 (i) sup inf x n x ɛ n k n x nk x + ɛ k n k inf x k x + ɛ n k n (ii) sup inf k nx k x + ɛ n 39

40 In (i) & (ii) ɛ 0 gibt x = sup inf x k n k n x auch??????? Fall x = + c > 0 x n c n n 0 (c) inf x k c n n 0 (ɛ) sup inf x k c k n k k n sup inf x k = k k n Fall x = c R Teilfolge x nk c inf k n x k c n sup n inf k n x k c sup inf = 7. Man beweise: Sei (A n ) eine Mengenfolge, dann gilt: a) lim sup An = lim sup An b) lim inf An = lim inf An c) A n A 0 An A0 d) A n A 0 An A0 e) lim A n = A 0 lim An = A0 Beweis: a) lim n sup k n Ak (x) = n 0 N : n > n 0 : sup k n Ak (x) = sup k n Ak (x) = k n : Ak = k n, x A k x k n A k n N b) Analog zu a) c) A n A 0, x A 0 A0 (x) = x A n : An (x) = lim An = d) Analog zu c) e) lim A n = A 0 lim sup A n = lim inf A n = A 0 (a), (b) lim sup An = A0 = lim inf An 8. Sei a n eine Folge reeller Zahlen; man zeige: lim sup a n = lim n sup a k n k n lim inf n a n = lim n inf k n a k Beweis: lim sup a n =dgr. Hpkt der Folge d.h. ɛ > 0 nk na k d ɛ, n 0 : n n 0 sup k n a k d + ɛ sei n N bel. sup k n n n 0 lim sup k n a k d ɛ lim sup k n a k < d + ɛ a k d + ɛ (ɛbel. Beweis a k d ɛ 40

41 9. Man bilde lim sup a n, lim inf a n, lim sup A n, lim inf A n mit a n := ( ) n (+ n n ) n N, A n := [, a n ]. Lösung: lim sup a n =, lim inf a n = lim sup A n = [, ], lim inf A n = [, ] 0. Sind (A n ), (B n ) zwei Mengenfolgen, so gilt: a) (lim sup A n ) c = lim inf A c n b) lim inf A n lim inf B n lim inf(a n B n ) lim sup(a n B n ) = lim sup A n lim sup B n Beweis: a) ( b) ) c A k = n N k n n N k n A k n N k n n N k n A c k B k } {{ } D (A k B k ) n N k n }{{} E. Man zeige: Beweis: n A k k= R x D n : x A k k n x A k B k k n x (A k B k ) k n x (A k B k ) n k n n N : K n : x A k x B k, o.e.d.a.x A k x A k A k n k n n k n n k n : x A k n k n : x B k n A k = ( k= k= n ) A k k= ( Ak A k+ ) } {{ } R n A k A k A k+ k= n k= A k 4 n k= A k k

42 Sei umgekehrt ω ( n ) A k k= n A k (ω A k K =,..., n) ω ( n ) A k \ k= def. für: ω ( n ) ( n ) A k \ A k : k= k= n(ω) = min{k : ω / A k } Sei n(ω) > ω A n(ω), ω / A n(ω) ω A n(ω) \ A n(ω) n ( ) A n(ω) A n(ω) Ak A k+ k= Sei n(ω) = ω / A, definiere in diesem Fall: l(ω) = min{k : ω A k } l(ω) n Somit ω / A l(ω), ω A l(ω) ω A l(ω) A l(ω) n k= k= A k A k+. Bestimmen Sie lim inf A n und lim sup A n für folgende Mengenfolgen: a) A n := [0, ], falls n gerade und := [, ], falls n ungerade ist; b) A k := [ + k, k ], A k := [ k, + k ] k N; c) A n := (0, n ], falls n gerade und := ( n, ), falls n ungerade ist. Sind die Folgen isoton? Sind sie konvergent? Lösung: a) A = lima n = A k = [0, ] = [0, ] k N k n k N A = lima n = A k = {} = {} k N k n k N Nicht isoton, nicht konvergent! b) A = n N[ + n, + ] = [, ] n A = n N k n[ n, n ] = [0, ) = [0, ) n N Nicht isoton, nicht konvergent! c) A = n N(0, ) = (0, ) A = n N( n, ] = (0, ) n Nicht isoton, aber konvergent! 4

43 3. Es sei ( Ω = R, ) und A n bezeichne die offene Kreisscheibe mit Mittelpunkt ( ) n n, 0 und Radius. Bestimmen Sie lim inf A n und lim sup A n! Lösung: ω A n, ω = (x, y) ) (x ( )n n + y < (*) ) Gelte ω A := lim inf A n n 0 N : ( ) n n 0 x + y n ( )n x + < n n n 0 (**) x + y < x > 0 : n ( )n x > 0 für n () x < 0 : n ( )n x > 0 für n 0() x = 0 : y < A {ω : x + y < } Gelte umgekehrt: x + y < weil t (x ± t) stetig bei 0: δ > 0 : (x t) + y < t : t < δ (x + t) + y < ) (x ( )n n + y < n δ (x, y) A n n δ (x, y) A = lima n = {ω : x + y < } ) Gelte ω A := lim sup A n ( ) für viele n x + y Ang: (0, ), (0, ) A : geht nicht, denn ( ) 0 n + + < gibt n Widerspruch A B := {ω : x + y } \ {(0, ), (0, )} Sei ω = (x, y) B Falls x + y < ω A A Falls x + y = ; Ist x > 0 δ > 0 : (x t) < x für 0 < t < δ ) (x ( )n n + y < x + y = für n δ, n 0() Ist x < 0 δ > 0 : (x + t) < x für 0 < t < δ (x + ( ( )n n ) ) + y < x + y = für n δ, n () Ist x = 0, so ist y = ( ( ) ( )n n + y > ) kommt nicht in Frage, denn (0, ), (0, ) / B Für x > 0 bzw. x < 0 ist ω A n für viele n ω A = A = B A A nicht konvergent! 43

44 4. A... A n sup n Ai (mod) () n= Daraus folgt: A... A n besteht aus alle Elementen x Ω, die einer ungeraden Anzahl der Mengen A,..., A n angehören. Zeigen Sie dies auch direkt (ohne Formel ()) mit Hilfe von vollständiger Induktion! Lösung: vollständige Induktion: n = : A A (mod) trivial Gilt () für n, B n := A... A n A... A n+ = Bn An+ Bn + An+ (mod) n n+ Ai + An+ (mod) = Ai (mod) Direkt: i= i= n = : A A = {x : (x A x / A ) (x / A x A )} x in genau einer der Mengen. Ansonsten kommen nur die ge???? Anzahlen 0 der in Frage Gilt für n: B n = A... A n = {x : x A k für eine ungerade Anzahl der A k } B n A n+ = (B n A n+ (A n+ B n ) = = {x : x A x für eine ungerade Anzahl von A k (k n) x / A n+ } {x : x A k für eine gerade Anzahl von A k (k n) x A n+ } = {x : x A k für eine ungerade Anzahl von A k (k n + )} 5. Ω,..., Ω n seien nichtleere Mengen, A i Ω i (i =,..., n) Teilmengen, Ω := n i= Ω i := Ω Ω n, A := n i= A i. Dann gilt: n A c := Ω A = (A A i A c i Ω i+ Ω n ) i= (Wesentlich ist die Darstellung von A c als Vereinigung disjunkter Mengen! Bei A c i bezieht sich die Komplementbildung natürlich auf Ω i - Veranschaulichen Sie sich die Gleichung anhand von Beispielen in der Ebene bzw. im dreidimensionalen Raum!) Lösung: x = (x,..., x n ) A c i(x) := min{i : x i / A i } x A,..., x i A i, x i A c i x n i= (A A i A c i Ω i+ Ω n ) Umgekehrt: x n i= (A A i A c i Ω i+ Ω n ) x i / A i x A c 44

45 A A c A c A A A A c Ω A A c 3 6. Man beweise: lima n lima n Beweis: m n : m > n : A k A k k n k n A k A m k n k m k m A k = A k A k m N k n k m A k A k = lima n k n m N k m A k lima n n k n A k n 7. Ist (A n ) eine Mengenfolge, so zeige man, dass gilt: lima n = {w : w liegt in unendlich vielen A n } 45

46 lima n = {w : w liegt in fast allen A n } Beweis: lima n = A k n k n w lima n n k : w A k n = : k = min{k n : w A k }, n = k +, k = min{k n : w A k } n j = k j +, k j = min{k n j : w A k } w A kj j mit k < k < w in vielen A k w in vielen A k Teilfolge (k j ) w A kj j j k j j : w A kj w A k j k j ( ) c (lima n ) c = A k = A c k = {w : w in Ac n i o} n k n n k n (lima n ) = {w : w in fast allen A n } 8. Man zeige, dass für monoton wachsende Mengenfolgen gilt: lim A n = An und analog beweise man, dass aus A n folgt lim A n = A n. Beweis: lim sup A n = A k A k A k... n k n k n k A n A k = A n lima n = A k = k n n k n n N Somit A n = lima n lima n A n n n A n lima n = lima n = N A n A n A c n lima c n = lima c n = A c n lima n = lima n = ( A c n ) c = An 9. Man zeige: a) lim inf An = lim inf An b) lim sup An = lim sup An Beweis: Sei w fest, ( An (w) ) ist eine Folge aus {0, } (der Indikator kann nur 0 annehmen) Somit: lim An (w) {0, } 46

47 Sei lim An (w) = 0 (i k ) : Aik (w) = 0 w k N A c i k w / A k liman (w) = 0 n k n Sei lim An (w) = es gibt höchstens endlich viele n mit An (w) = 0 n 0 : n n 0 : An (w) = w liegt in fast allen A n w lima n liman (w) = 0. Ist R (R P(Ω)) ein Mengensystem, für das gilt: A, B R A B R A B R, so ist (R,, ) ein Ring im Sinne der Algebra. Beweis: ) A (B C) = (A B) C A (B C) = A [(B C c ) (B c C)] c [(B C c ) (B c C)] A c = = A [(B C c ) c (B c C) c ] (A c B C c ) (A c B c C) = = A [B c C) (B C c )] (A c B C c ) (A c B c C) = = A [(B c B) (B c C c ) (B C) (C C c )] (A c B C c ) (A c B c C) = = (A B C) (A B c C c ) (A c B C c ) (A c B c C) symmetrisch in A, B, C Beh. ) A B = B A 3) A = A 4) A A = 5) A (B C) = (A B) C 6) A (B C) = (A B) (A C) Beweis: A (B C) = A [(B C c ) (B c C)] = = (A B C c ) (A B c C) (A B) (A C) = = [(A B) (A C) c ] [(A B) c (A C)] = = [(A B) (A c C c )] [(A c B c ) (A C)] = = (A B C c ) (A B c C) mit Indikatoren: A B = A + B A B A (B C) = A + B C A B C = = A + B + C B C A ( B + C B C ) = = A + B + C ( A B + A C + B C ) + 4 A B C symmetrisch in A, B, C. Sind I,..., I n endliche Indexmengen, so gilt für beliebige Mengen A i,j i =,..., n, j I i : 47

48 (a) (b) n j I i A i,j = n i= (j,...,j n) Xi= n I i i= n j I i A i,j = n i= (j,...,j n) Xi= n I i i= A i,ji A i,ji Beweis: (a) w n i= j I i A i,j i j i I i : w A i,ji (j,..., j n ) X n i=i i : w w (b) de Morgan. Man beweise: (a) A B = A c B c n (j,...,j n) Xi= n I i i= (b) A B = (A B) \ (A B) (c) A B = B A (d) A \ B = A (A B) (e) A A = (f) A A c = Ω Beweis: A i,ji n i= A i,ji (a) A B = (A B c ) (A c B) symmetrisch in A, B und A c, B c (b) (A B) \ (A B) = (A B) (A B) c = (A (A B) c ) (B (A B) c ) = (A (A c B c )) (B (A c B c )) = (A B c ) (B A c ) (c) trivial (d) A (A B) = (A \ (A B)) ((A B) \ A) = A (A B) c = }{{} = A (A c B c ) = A B c (e) A A = (A A) \ (A A) = A \ A = (f) A A c = (A A c ) \ (A A c ) = Ω \ = Ω 48

49 3. I, J, Ω seien nichtleer, A i,j Ω i I, j J X i I A i,j = X i I A i,j j J j J Beweis: x j J X i I A i,j x = (x i ) i I : x i A i,j j x i j A i,j x = (x i ) X i I j J A i,j 49

50 .7 Zerlegungen. Man zeige, dass die Jordan-Zerlegung µ +, µ eines signierten Maßes µ minimal im folgenden Sinn ist: Gilt µ = ν ν für Maße ν und ν, so folgt daraus: µ + ν und µ ν Lösung: (P, N) haben Zerlegung zu µ +, µ ν (A) ν (A P ) ν (A P ) ν (A P ) = µ(a P ) = µ + (A P ) = µ + (A) ν (A) ν (A N) ν (A N) ν (A N) = µ(a N) = µ (A N) = µ (A). Sei λ das Lebesgue-Maß und µ = µ C + µ S ein signiertes Lebesgue- Stieltjes-Maß auf (R, B) mit der Lebesgue-Zerlegung µ C λ, µ S λ. Man zeige: (a) µ S ist λ-fü differenzierbar mit Dµ S = 0 A [ dµc dλ q ] λ-fü. (b) µ C (A) qλ(a) ν(a), A B, q Q mit ν(a) := (dµ C dλ q) dλ (c) Dµ C q + Dν, (d) Dµ C q λ-fü λ-fü auf [ dµ C dλ < q] (e) λ ([ dµ C dλ < q < Dµ C]) = 0, q Q (f) λ ([ dµ C dλ < Dµ C]) = 0 (g) λ ([ dµ C dλ > Dµ C]) = 0 (h) dµ C dλ = Dµ C = Dµ, λ-fü (Hinweis: In der Vorlesung wurde gezeigt, dass aus µ(a) = 0 folgt: µ ist auf A λ-fü differenzierbar mit D µ = 0 λ-fü auf A. Wenn man in (b)-(f) µ durch µ ersetzt, sollte (g) sehr einfach sein.) Lösung: Wegen D( µ) = lim n sup C n und d( µ C) dλ = dµ C dλ, ergibt () angewendet auf µ: µ(c) λ(c) = lim n inf C n µ(c) λ(c) = Dµ λ ([ D( µ) > d[ µ C) dλ 50 )) ([ dµ C ]) = λ Dµ < = 0 dλ

51 Somit genügt es, () zu beweisen. reicht es aus λ ([ dµ C dλ Sei A := [ dµ C dλ < a] Da [ Dµ > dµ C ] [dµ C = dλ dλ < a < Dµ], a Q < a < Dµ]) = 0 zu zeigen. ν(b) := B [ dµc dλ a ] (dµ C dλ a) dλ Wegen ν(a) = 0 folgt aus Satz (S0) Dν = 0 λ-fü auf A Nun gilt: (dµ C µ C (C) aλ(c) = C dλ a) (dµ C dλ C [ dµc ] dλ a dλ a) dλ = ν(c) C B µ C(C) λ(c) a + ν(c) λ(c) C C n λ-fü Dµ C a + Dν n N Damit gilt aber Dµ C a λ-fü auf A λ ([ dµ C dλ < a < Dµ C]) = 0 Wegen Satz (S00) gilt aber auch Dµ S = 0 λ-fü Dµ S = Dµ + Dµ C λ ([ dµ S dλ < a < Dµ]) = 0 5

52 .8 Anwendung: Satz von Fubini. Sind (Ω i, S i, µ i ) i =, zwei σ-endliche Maßräume, so zeige man, dass aus ν i µ i i =, folgt: ν ν µ µ, und dass dann gilt: dν ν = dν dν dµ µ dµ dµ Lösung: Nach dem Satz von Fubini ist ρ(a B) := A B dν dµ (x) dν dµ (y)d(µ µ )(x, y) = A B dν dµ (x) dν dµ (y)dµ (y)dµ (x) = ν (A)ν (B) = ν ν (A B) Also stimmt das Maß ρ für messbare Rechtecke A B mit dem Produktmaß überein und wegen des Fortsetzungssatzes gilt daher ρ = ν ν. Daher ist der Integrand dν dµ dν dµ die Radon-Nikodym-Ableitung von ν ν, d.h. dν ν dµ µ = dν dµ dν dµ Die absolute Stetigkeit folgt aus der Integraldarstellung und braucht nicht extra gezeigt werden.. Man zeige, dass M sin x lim M 0 x dx = π (Hinweis: Verwende den Satz von Fubini und die Relation Lösung: x = 0 e xt dt, x > 0.) 5

53 ( e ax sin bxdx = eax a (a sin bx b cos bx)) + b sin x = cos x, cos x = sin x, dx = arctan x + x M 0 sin x x dx = = = M (sin x [ e tx 0 e xt dt)dx = + t ( t sin x cos x) M 0 0 [ M sin x.e xt dx ] dt 0 ] dt = [ + t e tm + t (t sin M + cos M)] dtm dt + t = arctan t 0 = π 53

54 .9 Stetigkeit von oben. Bei der Definition der Stetigkeit von oben ist die Endlichkeitsbedingung unerläßlich, wenn die Aussagen von Satz 3.7 gelten sollen. Ω = [0, ] { A = P(Ω) ist σ-algebra 0, A abzählbar µ(a) = Ist Maß., A überabzählbar x Ω gilt {x} = n= (x n, x + n ) = n= A n A n 0 = µ{x} = lim n µ(a n ) 54

55 Dichte- & Verteilungsfunktion. Verteilungsfunktion. Man zeige, dass F (x,..., x m ) := min(x,..., x m ) eine Verteilungsfunktion auf R m ist. (Hinweis: Angenommen, es gilt o.e.d.a. a m = max(a,..., a m ), dann gilt für alle x j und a i b i : min(x i, a i, x m i+ ) = min(x i, a i, x m = min(x i, a i, x m i+, a m) i+, b m) mit x k i := (x i,..., x k ), i k. Damit sollte man die Aussage aus der expliziten Gestalt von F folgern können. ) b a F = ɛ m ( ) P m i= ɛ i (F (ɛ m a m + ( ɛ n )b m, b m ) F (ɛ m a m + ( ɛ m )b m, a m )) = 0 ɛ m 0 für ɛ m = 0 erhält man: F (b,..., b m ) F (b,..., b m, a m ) = min b i a m = min b i max a i, falls a m min i m = min b i min b j 0, falls a n > min i m i m. Man zeige, dass i m b i i m b i (a) F : R [0, ] mit 0, x < 0 y < 0 y n (y x) n, 0 x y F (x, y) := y n, 0 y y x ( x) n, 0 x, y >, x, y eine -dimensionale Verteilungsfunktion (im eigentlichen Sinn) ist. (Hinweis: Wenn Sie F als Integral einer nichtnegativen Funktion darstellen ist alles klar!) (b) Ist f : R [0, ] eine Verteilungsfunktion, so ist { f(y) F (x, y) := n (f(y) f(x)) n, x y f(y) n, x > y eine -dimensionale Verteilungsfunktion auf ([0, ], B). 55

56 Lösung: (a) F y = F y x = ny n n(y x) n, 0 x y ny n, 0 y, y x { 0, sonst n(n )(y x) n, 0 x y 0, sonst P ((a, b ] (a, b ]) = b b a a F y x dxdy 0 (b) a b f( a) f( b) und aus a) folgt 0 f( b) f( a) F = b a F 3. Man zeige, dass F (x, y) := ( e x y ) [0, ) (x, y) keine zweidimensionale Verteilungsfunktion sein kann. Wir wählen einen Punkt aus: a = a = 0, b = b = F (, ) F (, 0) F (0, ) + F (0, 0) = e + e + e + e 0 = e e = F ist keine zweidimensionale Verteilungsfunktion. 4. Man zeige, daß eine in jeder Argumentvariable monoton wachsende Funktion keine Verteilungsfunktion sein muss. Lösung: Gegenbeispiel: (0,0) (,0) (0,-) (,-) F (x, y) := {, x + y 0 0, sonst (,0) (0, ) F = µ((0, ] (, 0]) = 56

57 5. Stellen Sie die Verteilungsfunktion F mit F (x) = 0. (,0) (x) + x. [0,)(x) [,)(x) + x +. 4 [,3) (x) +. [3, ) (x) dar als Mischung einer diskreten Wahrscheinlichkeitsverteilung mit einer Verteilung mit stetiger Verteilungsfunktion. Lösung: {, x [, ) x [3, ) P D (x) = 0, sonst P S ist gegeben durch F (x) = 4 P D P S 0, x < x = x 3, 0 x < P S := 3, x < x = x+ 3, x 3, x > F s 57

58 . Cantorsche Menge. Sei F : R [0, ] definiert durch: 0, x 0 x i / F (x) := i, x C i= sup{f (y) : y x, y C}, x [0, ] \ C, x, x i wobei x = 3 i eine triadische Darstellung von x ohne Eins und C i= die Cantorsche Menge ist. Man zeige : (a) F ist monoton wachsend. (b) F (C) = [0, ]. (c) F ist stetig. (d) F ist auf R \ C differenzierbar mit F (x) = 0. (e) µ F (C) = µ F (R \ C) = 0. (a) Sei x < y C x = i= x i 3 i y = i= k = min{i : x i < y i } Wegen x i, y i {0, } x k = 0, y k = F (x) = k i= i x i + k+ x i 3 i x i i x i i + k k x i i + k i= }{{} yi = i y i k (b) Jedes x [0, ] hat eine Darstellung x = x i i x = F (y) mit y i = x i und y = i= (c) x C c > 0 : n N : (x δ, x + δ) I n,k mit C c = n n k= I n,k F (x δ) = F (x) = F (x + δ) 58 y i 3 i

59 (I, = ( 3, 3 ), I, = ( 9, 9 ), I, = ( 7 9, 8 9 )) x C : F (x) = x = F (x + h) = h > 0. Sei ɛ > 0 : F (x) ɛ < y < x : F (y) = F (x) ɛ β (y, x) gilt F (β) F (x) < ɛ Sei F (x) (0, ), ɛ > 0 : 0 F (x) ɛ < F (x) + ɛ suche y i : F (y ) = F (x) ɛ, F (y ) = F (x) + ɛ z (y, y ) : F (x) F (z) < ɛ F stetig. F (x) F (x y) (d) siehe c): = 0, x I n,k k, n y (e) µ F ((R)) = klar. Aus d) µ F (I n,k ) = 0 n,k µ F (C c ) = 0 59

60 .3 Berechnen der Verteilungsfunktion. Eine stetige Zufallsvariable ξ mit Werten in [0, ) besitze die Dichte f(x) = ax e kx, 0 x und k > 0. Man berechne den Koeffizienten a, die Verteilungsfunktion F und die Wahrscheinlichkeit für das Intervall (0, k ). + Hinweis: Für die Dichte gilt: f(x)dx = Lösung: f(x)dx = ( ) ax e kx dx = ( ) ax e kx dx = a [ x k [ ( = a x k = a ( e kx ke kx { ( x ke kx [ ( x ke kx ) + k 0 ) + 0 ) + k 0 ) + + { x ( k ke kx ) ax ax ke kx 0 }{{} =0 0 0 k e kx 0 }{{} =0 0 0 k e kx a k 3 e kx ( ) ] xe kx dx ( )}] dx ekx 0 0 }] = a k 3 a = k3 60

2 Fortsetzung von Prämaßen zu Maßen, Eindeutigkeit

2 Fortsetzung von Prämaßen zu Maßen, Eindeutigkeit 2 Fortsetzung von Prämaßen zu Maßen, Eindeutigkeit a) Fortsetzungssatz, Eindeutigkeit Es wird gezeigt, dass jedes Prämaß µ auf einem Ring R zu einem Maß µ auf A(R) fortgesetzt werden kann, d.h. µ kann

Mehr

1 Das Lebesgue-Maß. 1.1 Etwas Maßtheorie. Sei stets X eine nichtleere Menge mit Potzenzmenge P(X) := {A : A X}.

1 Das Lebesgue-Maß. 1.1 Etwas Maßtheorie. Sei stets X eine nichtleere Menge mit Potzenzmenge P(X) := {A : A X}. 1 Das Lebesgue-Maß 1.1 Etwas Maßtheorie Sei stets X eine nichtleere Menge mit Potzenzmenge P(X) := {A : A X}. Definition 1.1. Ein nichtleeres Mengensystem A P(X) heißt σ-algebra, wenn: (A1) X A (A2) Wenn

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

Maße und Integrale. begleitend zur Vorlesung Stochastik I Humboldt-Universität zu Berlin SS 2008 P. Imkeller. Berlin, den 26.

Maße und Integrale. begleitend zur Vorlesung Stochastik I Humboldt-Universität zu Berlin SS 2008 P. Imkeller. Berlin, den 26. Maße und Integrale begleitend zur Vorlesung Stochastik I Humboldt-Universität zu Berlin SS 2008 P. Imkeller Berlin, den 26. April 2008 Inhaltsverzeichnis 1 Konstruktion von Maßen 3 2 Konstruktion von Integralen

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

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

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

Kapitel I. Maßtheorie

Kapitel I. Maßtheorie Aufgabenvorschläge für das Proseminar zur Maß- und Integrationstheorie (WS 10/11) Shantanu Dave & Günther Hörmann Kapitel I. Maßtheorie zu 1. Maße und σ-algebren 1 Sei Ω eine Menge. Zeige: (a) Ist A eine

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

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

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

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

Studienbegleitende Prüfung Stochastik 2

Studienbegleitende Prüfung Stochastik 2 Universität Karlsruhe (TH) Institut für Stochastik Prof. Dr. N. Bäuerle Name: Vorname: Matr.-Nr.: Studienbegleitende Prüfung Stochastik 2 27. März 2007 Diese Klausur hat bestanden, wer mindestens 20 Punkte

Mehr

Musterlösung Analysis 3 - Maßtherorie

Musterlösung Analysis 3 - Maßtherorie Musterlösung Analysis 3 - Maßtherorie 10. März 2011 Aufgabe 1: Zum Aufwärmen (i) Zeige, dass die Mengensysteme {, X} und P(X) σ-algebren sind. Es sind jeweils nur die Charakteristika nachzuweisen. (1)

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

Symmetrische Ableitungen von Massen

Symmetrische Ableitungen von Massen Symmetrische Ableitungen von Massen Hyuksung Kwon 5. Juni 203 Inhaltsverzeichnis Einführung 2 Hardy-Littlewood Maximaloperator 2 3 Symmetrische Ableitung vom positiven Maß 7 Einführung Definition. (Borelmaß

Mehr

Maße auf Produkträumen

Maße auf Produkträumen 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

Mehr

Stochastik. Skript zur Vorlesung von Prof. Dr. Michael Kohler Sommersemester 2007

Stochastik. Skript zur Vorlesung von Prof. Dr. Michael Kohler Sommersemester 2007 Stochastik Skript zur Vorlesung von Prof. Dr. Michael Kohler Sommersemester 2007 1 1. Grundbegriffe der Maßtheorie Ziel: Konstruktion von Maßzahlen (wie z. B. Wahrscheinlichkeit / Länge / Fläche / Volumen

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

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

1 Grundlagen der Maßtheorie

1 Grundlagen der Maßtheorie 1 Grundlagen der Maßtheorie In diesem Kapitel führen wir die Mengensysteme ein, die eine systematische Betrachtung von Ereignissen und zufälligen Beobachtungen in der Wahrscheinlichkeitstheorie erlauben.

Mehr

Scheinklausur zur Vorlesung Stochastik II

Scheinklausur zur Vorlesung Stochastik II Institut für Mathematische Stochastik WS 2007/2008 Universität Karlsruhe 25. 02. 2008 Dr. B. Klar Scheinklausur zur Vorlesung Stochastik II Muster-Lösung Dauer: 90 Minuten Name: Vorname: Matrikelnummer:

Mehr

Skript zur Vorlesung Analysis 3

Skript zur Vorlesung Analysis 3 Skript zur Vorlesung Analysis 3 Wintersemester 2013/2014 Prof. Dr. Benjamin Schlein Inhaltsverzeichnis 1 Masstheorie 2 1.1 σ-algebren.................................. 6 1.2 Masse.....................................

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

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

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

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

Universität Leipzig, SoSo 2013

Universität Leipzig, SoSo 2013 Vorlesung Wahrscheinlichkeitstheorie I Universität Leipzig, SoSo 2013 Prof. Dr. Max v. Renesse renesse@uni-leipzig.de Sprechstunde: Di 13.15-14.45, A 337 Übungen: Mo 11.15 -- 12.45 A 314 K. Zimmermann

Mehr

3 Konstruktion von Maßräumen

3 Konstruktion von Maßräumen $Id: caratheodory.tex,v 1.10 2011/11/17 11:43:55 hk Exp hk $ 3 Konstruktion von Maßräumen 3.4 Der Fortsetzungssatz von Caratheodory Wir hatten in der letzten Sitzung mit dem Beweis des Satzes von Caratheodory

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

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

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

1. Masstheorie Mengensysteme 1. MASSTHEORIE 1

1. Masstheorie Mengensysteme 1. MASSTHEORIE 1 1. MASSTHEORIE 1 1. Masstheorie In der Wahrscheinlichkeitstheorie betrachten wir Situationen, die wir nicht exakt vorhersagen können. Zum einen kann dies sein, da der Ausgang zufällig ist. Zum anderen

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

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

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

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

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

Lösungsvorschlag zu den Hausaufgaben der 3. Übung

Lösungsvorschlag zu den Hausaufgaben der 3. Übung FAKULTÄT FÜR MATHEMATIK Prof. Dr. Patrizio Neff 30.0.204 Lösungsvorschlag zu den Hausaufgaben der 3. Übung Aufgabe : (6 Punte) Welche der folgenden Tupel sind Maßräume? Beweisen Sie Ihre Behauptung. {

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

Maß- und Integrationstheorie

Maß- und Integrationstheorie Prof. H.C. Grunau E. Sassone 1 15.10.2002 1.1 Aufgabe Maß- und Integrationstheorie WS 2002/03 Gegeben seien diese 4 Operationen über Mengen:,, \ und (symmetrische ifferenz) [A B = (A \ B) (B \ A)] 1 Wenn

Mehr

Serie 11 Lösungsvorschläge

Serie 11 Lösungsvorschläge D-Math Mass und Integral FS 204 Prof. Dr. D. A. Salamon Serie Lösungsvorschläge. Sei X := [0, ], 2 X orel σ-algebra und λ : [0, ] die Restriktion des Lebesguemasses auf (d.h., λ = m ). Sei µ : [0, ] das

Mehr

D-MATH Mass und Integral FS 2018 Prof. Dr. Urs Lang. Lösung - Serie 2. + A k = A c k Ac k 0

D-MATH Mass und Integral FS 2018 Prof. Dr. Urs Lang. Lösung - Serie 2. + A k = A c k Ac k 0 D-MATH Mass und Integral FS 2018 Prof. Dr. Urs Lang Lösung - Serie 2 Abgabetermin: Mittwoch, 07.03.2018 in die Fächli im HG F 28. Homepage der Vorlesung: https://metaphor.ethz.ch/x/2018/fs/401-2284-00l/

Mehr

3 Bedingte Erwartungswerte

3 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

Mehr

Stochastik Wiederholung von Teil 1

Stochastik Wiederholung von Teil 1 Stochastik Wiederholung von Teil 1 Andrej Depperschmidt Sommersemester 2016 Wahrscheinlichkeitsraum Definition Das Tripple (Ω, A, P) heißt Wahrscheinlichkeitsraum, falls gilt: (i) A ist eine σ-algebra,

Mehr

Zufallsvariable, Verteilung, Verteilungsfunktion

Zufallsvariable, Verteilung, Verteilungsfunktion Kapitel 5 Zufallsvariable, Verteilung, Verteilungsfunktion 5.1 Zufallsvariable Sei (Ω, A, P ) ein beliebiger Wahrscheinlichkeitsraum. Häufig interessiert nicht ω selbst, sondern eine Kennzahl X(ω), d.h.

Mehr

Formelsammlung Statistik III Grundlagen der Statistik I: Wahrscheinlichkeitstheorie und Inferenz I

Formelsammlung Statistik III Grundlagen der Statistik I: Wahrscheinlichkeitstheorie und Inferenz I Formelsammlung Statistik III Grundlagen der Statistik I: Wahrscheinlichkeitstheorie und Inferenz I Prof. Dr. Torsten Hothorn Institut für Statistik Ludwig Maximilians Universität München L A TEX-Satz von

Mehr

5 Zufallsvariablen, Grundbegriffe

5 Zufallsvariablen, Grundbegriffe II. Zufallsvariablen 5 Zufallsvariablen, Grundbegriffe Def. 12 Es seien (Ω 1, E 1,P 1 ) und (Ω 2, E 2,P 2 ) Wahrscheinlichkeitsräume. Eine Abbildung X : Ω 1 Ω 2 heißt E 1 E 2 meßbar, falls für alle Ereignisse

Mehr

Wichtige Begriffe und Sätze aus der Wahrscheinlichkeitsrechnung

Wichtige Begriffe und Sätze aus der Wahrscheinlichkeitsrechnung Wichtige Begriffe und Sätze aus der Wahrscheinlichkeitsrechnung Version: 22. September 2015 Evelina Erlacher 1 Mengen Es sei Ω eine Menge (die Universalmenge ) und A, B seien Teilmengen von Ω. Dann schreiben

Mehr

Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 4

Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 4 TUM, Zentrum Mathematik Lehrstuhl für Mathematische Physik WS 3/4 Prof. Dr. Silke Rolles Thomas Höfelsauer Felizitas Weidner Tutoraufgaben: Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge

Mehr

Serie 5 Lösungsvorschläge

Serie 5 Lösungsvorschläge D-Math Mass und Integral FS 214 Prof. Dr. D. A. Salamon Serie 5 Lösungsvorschläge 1. Finden Sie eine stetige Funktion f : [, ) R, so dass f nicht Lebesgue-integrierbar T ist, jedoch der Grenzwert lim f(t)

Mehr

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

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

3. Übungsblatt - Lösungsskizzen. so, dass f tatsächlich eine Wahrscheinlichkeitsdichte

3. Übungsblatt - Lösungsskizzen. so, dass f tatsächlich eine Wahrscheinlichkeitsdichte Einführung in die Wahrscheinlichkeitstheorie und Statistik Prof. Dr. Jan Johannes Sandra Schluttenhofer Wintersemester 208/9 3. Übungsblatt - Lösungsskizzen Aufgabe 9 Stetige Verteilungen, 4 =.5 +.5 +

Mehr

Aktuelle Themen aus der Stochastik Wintersemester 2017/2018 Abschnitt 5: Endliche Maße und schwache Konvergenz von Maßen in metrischen Räumen

Aktuelle Themen aus der Stochastik Wintersemester 2017/2018 Abschnitt 5: Endliche Maße und schwache Konvergenz von Maßen in metrischen Räumen Aktuelle Themen aus der Stochastik Wintersemester 2017/2018 Abschnitt 5: Endliche Maße und schwache Konvergenz von Maßen in metrischen Räumen Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut

Mehr

Wahrscheinlichkeitstheorie. von Peter Pfaffelhuber Version: 21. Oktober 2013

Wahrscheinlichkeitstheorie. von Peter Pfaffelhuber Version: 21. Oktober 2013 Wahrscheinlichkeitstheorie von Peter Pfaffelhuber Version: 21. Oktober 2013 2 Vorbemerkung Dieses Manuskript ist parallel zu Vorlesungen entstanden, die ich im Wintersemester 2010 (Wahrscheinlichkeitstheorie),

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

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

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

Übungen zur Analysis 3

Übungen zur Analysis 3 Mathematisches Institut der Universität München Prof. Dr. Franz Merkl Wintersemester 013/01 Blatt 17.10.013 Übungen zur Analysis 3.1ε σ-subadditivität. a Es sei µ ein Inhalt auf einer Mengenalgebra A.

Mehr

Stochastik 2. Beispielaufgaben. Institut für Stochastik WS 2006/07 Universität Karlsruhe Prof. Dr. N. Bäuerle Blatt 0 Dipl.-Math. oec. A.

Stochastik 2. Beispielaufgaben. Institut für Stochastik WS 2006/07 Universität Karlsruhe Prof. Dr. N. Bäuerle Blatt 0 Dipl.-Math. oec. A. Institut für Stochastik WS 2006/07 Universität Karlsruhe Prof. Dr. N. Bäuerle Blatt 0 Dipl.-Math. oec. A. Mundt Übungen zur Vorlesung Stochastik 2 Beispielaufgaben Hinweis: Zu diesem Aufgaben werden in

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

Lemma (Eigenschaften elementarer Mengen) 1. Jede elementare Menge lässt sich als disjunkte Vereinigung halboffener Intervalle schreiben.

Lemma (Eigenschaften elementarer Mengen) 1. Jede elementare Menge lässt sich als disjunkte Vereinigung halboffener Intervalle schreiben. 12.3. DIE LEBESGUE ALGEBRA 19 Bemerkung 12.3.2 (Bezeichnungen) Im Buch von Bauer [2] werden elementare Mengen als Figuren bezeichnet. Wir folgen mit unserer Nomenklatur Rudin [15]. Natürlich kann man auf

Mehr

Maß- und Integrationstheorie

Maß- und Integrationstheorie Fachbereich Mathematik Hochschule Regensburg Skriptum zur Vorlesung Maß- und Integrationstheorie SS 2013 Prof. Dr. Michael Fröhlich Inhaltsverzeichnis 1 Mengensysteme, Maße 4 1.1 Einführung.........................................

Mehr

3 Produktmaße und Unabhängigkeit

3 Produktmaße und Unabhängigkeit 3 Produktmaße und Unabhängigkeit 3.1 Der allgemeine Fall Im Folgenden sei I eine beliebige Indexmenge. i I sei (Ω i, A i ein messbarer Raum. Weiter sei Ω : i I Ω i ein neuer Ergebnisraum. Wir definieren

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

Funktionalanalysis und Integrationstheorie

Funktionalanalysis und Integrationstheorie Funktionalanalysis und Integrationstheorie Vorlesungsnotizen Johannes Kepler Universität Linz Technisch-Naturwissenschaftliche Fakultät Institut für Analysis Prof. Dr. Aicke Hinrichs Wintersemester 2015/16

Mehr

Liste wichtiger Stammfunktionen

Liste wichtiger Stammfunktionen Liste wichtiger Stammfunktionen Funktion Stammfunktion x n, x ln(x) n R \ { } n + xn+ ln( x ) x ln(x) x a x, a > sin(x) cos(x) sin 2 (x) cos 2 (x) x 2 x 2 a x ln(a) cos(x) sin(x) (x sin(x) cos(x)) 2 (x

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

Analysis 3. Weihnachtsblatt Prof. Dr. H. Koch Dr. F. Gmeineder Besprechung: TBC, Januar Aufgabe 1: (Besonders prüfungsrelevant)

Analysis 3. Weihnachtsblatt Prof. Dr. H. Koch Dr. F. Gmeineder Besprechung: TBC, Januar Aufgabe 1: (Besonders prüfungsrelevant) Analysis 3 04.12.2018 Prof. Dr. H. och Dr. F. Gmeineder Besprechung: TBC, Januar 2019 Weihnachtsblatt Aufgabe 1: (Besonders prüfungsrelevant) Aufgabe 2: Sei Ω eine Menge und Σ eine σ-algebra auf Ω. Seien

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

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

Übungen Analysis I WS 03/04

Übungen Analysis I WS 03/04 Blatt Abgabe: Mittwoch, 29.0.03 Aufgabe : Beweisen Sie, daß für jede natürliche Zahl n gilt: n ( ) n (x + y) n = x i y n i, i (b) n ν 2 = ν= i=0 n(n + )(2n + ), 6 (c) 2 3n ist durch 7 teilbar. Aufgabe

Mehr

Teil I: Maß- und Integrationstheorie

Teil I: Maß- und Integrationstheorie Skript zur Vorlesung Maß- und Wahrscheinlichkeitstheorie Teil I: Maß- und Integrationstheorie Robert Hable Wintersemester 2009/2010 Institut für Statistik LMU München Korrigierte und erweiterte Fassung

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

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

Wahrscheinlichkeitstheorie I & II

Wahrscheinlichkeitstheorie I & II Vorlesungsnotizen Wahrscheinlichkeitstheorie I & II Hanspeter Schmidli Mathematisches Institut der Universität zu Köln INHALTSVERZEICHNIS iii Inhaltsverzeichnis 1. Masstheorie 1 1.1. Mengensysteme..............................

Mehr

Gegenbeispiele in der Wahrscheinlichkeitstheorie

Gegenbeispiele in der Wahrscheinlichkeitstheorie Gegenbeispiele in der Wahrscheinlichkeitstheorie Mathias Schaefer Universität Ulm 26. November 212 1 / 38 Übersicht 1 Normalverteilung Definition Eigenschaften Gegenbeispiele 2 Momentenproblem Definition

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

Wahrscheinlichkeitstheorie und Statistik

Wahrscheinlichkeitstheorie und Statistik Wahrscheinlichkeitstheorie und Statistik Definitionen und Sätze Prof. Dr. Christoph Karg Studiengang Informatik Hochschule Aalen Sommersemester 2018 2.5.2018 Diskrete Wahrscheinlichkeitsräume Diskreter

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

Kompaktheit in topologischen Räumen

Kompaktheit in topologischen Räumen Kompaktheit in topologischen Räumen Joel Gotsch 21. Januar 2011 Inhaltsverzeichnis 1 Notation und Allgemeines 2 2 Definitionen 2 2.1 Allgemeine Definitionen..................... 2 2.2 Globale Kompaktheitseigenschaften...............

Mehr

Im gesamten Kapitel sei Ω eine nichtleere Menge. Wir bezeichnen die Potenzmenge

Im gesamten Kapitel sei Ω eine nichtleere Menge. Wir bezeichnen die Potenzmenge 1 Mengensysteme Ein Mengensystem ist eine Familie von Teilmengen einer Grundmenge und damit eine Teilmenge der Potenzmenge der Grundmenge. In diesem Kapitel untersuchen wir Mengensysteme, die unter bestimmten

Mehr

Serie 1 Lösungsvorschläge

Serie 1 Lösungsvorschläge D-Math Mass und Integral FS 2014 Prof. Dr. D. A. Salamon Serie 1 Lösungsvorschläge 1. a) Seien A, B X zwei Mengen, so dass keine der Mengen A \ B, B \ A, A B und X \ (A B) leer ist. Bestimmen Sie die Kardinalität

Mehr

Mathematik für Physiker, Informatiker und Ingenieure

Mathematik 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

Mehr

heißt Exponentialreihe. Die durch = exp(1) = e (Eulersche Zahl). n! + R m+1(x) R m+1 (x) = n! m m + 2

heißt Exponentialreihe. Die durch = exp(1) = e (Eulersche Zahl). n! + R m+1(x) R m+1 (x) = n! m m + 2 9 DIE EXPONENTIALREIHE 48 absolut konvergent. Beweis. Wegen x n+ n! n + )!x n = x n + < 2 für n 2 x folgt dies aus dem Quotientenkriterium 8.9). Definition. Die Reihe x n heißt Exponentialreihe. Die durch

Mehr

7 Poisson-Punktprozesse

7 Poisson-Punktprozesse Poisson-Punktprozesse sind natürliche Modelle für zufällige Konfigurationen von Punkten im Raum Wie der Name sagt, spielt die Poisson-Verteilung eine entscheidende Rolle Wir werden also mit der Definition

Mehr

Kommutativität. De Morgansche Regeln

Kommutativität. De Morgansche Regeln 1. Formale Logik Proposition 1.1. Die logischen Elementarverknüpfungen gehorchen folgenden Äquivalenzen: (1.1) (1.2) p p p p p p Idempotenz (1.3) (1.4) p q q p p q q p Kommutativität (1.5) (1.6) (p q)

Mehr

Das Lebesgue-Integral

Das Lebesgue-Integral Das Lebesgue-Integral Bei der Einführung des Integralbegriffs gehen wir schrittweise vor. Zunächst erklären wir das Integral von charakteristischen Funktionen, danach von positiven einfachen Funktionen

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

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

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

Maß- und Wahrscheinlichkeitstheorie

Maß- und Wahrscheinlichkeitstheorie Skript zur Vorlesung Maß- und Wahrscheinlichkeitstheorie Robert Hable Christina Schneider Paul Fink * Wintersemester 2014/15 LMU München Institut für Statistik * Originalfassung Kapitel 1-10: Robert Hable

Mehr

Wahrscheinlichkeitstheorie

Wahrscheinlichkeitstheorie Wahrscheinlichkeitstheorie Skript 1 zur Vorlesung von Prof. Dr. Michael Kohler Wintersemester 2011/12 1 Dieses Skript basiert auf dem Exzerpt zur Vorlesung Wahrscheinlichkeitstheorie von Prof. Dr. Harro

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 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

Mehr

Lösungen der Übungsaufgaben von Kapitel 3

Lösungen der Übungsaufgaben von Kapitel 3 Analysis I Ein Lernbuch für den sanften Wechsel von der Schule zur Uni 1 Lösungen der Übungsaufgaben von Kapitel 3 zu 3.1 3.1.1 Bestimmen Sie den Abschluss, den offenen Kern und den Rand folgender Teilmengen

Mehr

Eine Auswahl wichtiger Definitionen und Aussagen zur Vorlesung»Stochastik für Informatiker und Regelschullehrer«

Eine Auswahl wichtiger Definitionen und Aussagen zur Vorlesung»Stochastik für Informatiker und Regelschullehrer« Eine Auswahl wichtiger Definitionen und Aussagen zur Vorlesung»Stochastik für Informatiker und Regelschullehrer«Werner Linde WS 2008/09 Inhaltsverzeichnis 1 Wahrscheinlichkeiten 2 1.1 Wahrscheinlichkeitsräume...........................

Mehr