Universität Duisburg-Essen. Campus Duisburg. der. Maß- und Integrationstheorie I. Wolfgang Hümbs und Klaus Kuzyk. von
|
|
- Werner Schwarz
- vor 7 Jahren
- Abrufe
Transkript
1 Universität Duisburg-Essen Campus Duisburg Fakultät für Mathematik Grundzüge der Maß- und Integrationstheorie I von Wolfgang Hümbs und Klaus Kuzyk SS 2010
2 Die vorliegende Version ist eine um Übungsaufgaben (und Errata) ergänzte Fassung vom Sommersemester Duisburg / Haan, im Wintersemester 2009/2010 Wolfgang Hümbs Klaus Kuzyk
3 Inhaltsverzeichnis Inhaltsverzeichnis Vorwort 1 1 Mengensysteme und σ-algebren 4 2 Maße, Borel-Lebesgue-Maß 13 3 Messbare Abbildungen 24 4 Allgemeine Integrationstheorie, Lebesgue-Integral 31 5 Produktmaße, Unendliche Produkte von Meßräumen 55 6 Verschiedene Integralbegriffe im Vergleich 69 7 Polnische Räume 80 A Literaturverzeichnis 86 i
4 Vorwort Die Maßtheorie hat ihre Wurzeln in der Volumen- und Flächeninhaltberechnung. Auf diesem Gebiet erzielte bereits die hellenistische Mathematikbeeindruckende Resultate. In den ersten zwei Jahrhunderten nach Begründung der Infinitesimalrechnung wurde die Integralrechnung lediglich als Anhängsel der Differentialrechnung angesehen, indem sie einfach als Umkehrung der Differentiationbetrachtetwurde. Manerkanntejedochdie Möglichkeit, mittels Integralen Volumina und Flächeninhalte zu berechnen. Erst Cauchy gelang es, im Rahmen der von ihm eingeleiteten Arithmetisierung der Analysis, für stetige Integranden einen konkreten Integralbegriff zu schaffen. Das Cauchy-Integral wurde von Riemann leicht modifiziert und ist bis heute als Riemann-Integral bekannt. Es ist jedoch nur endlich-additiv, was dazu führt, dass noch nicht einmal allen Kompakta im n-dimensionalen Euklidischen Raum ein Volumen zugeordnet werden kann. Dieser (und auch andere) Mängel veranlassten Lebesgue, einen Integralbegriff zu kreieren, der auch σ-additiv ist, d.h., abzählbar additiv. Der neue Integralbegriff beseitigte nicht nur die angesprochenen Unzulänglichkeiten, sondern erwies sich auch hinsichtlich der Vertauschung der Integration und der Limitenbildung von Funktionenfolgen als wesentlichschmiegsamerals das Riemann-Integral. Außerdem erwies er sich nach Schaffung der Begriffe,,Maß und,,σ-algebra als Prototyp einer allgemeinen Integrationstheorie. Voluminaberechnung bedeutet abstrakt die Zuordnung von Maßzahlen für Mengen. In der Wahrscheinlichkeitstheorie werden ebenfalls Mengen (dort Ereignisse genannt) Maßzahlen, eben die Wahrscheinlichkeiten, zugeordnet. Es lag also nahe, dass sich Kolmogoroff bei seiner Axiomatisierung der Wahrscheinlichkeitstheorie an der Maß- und Integrationstheorie orientierte. Bis zur Einführung des Unabhängigkeitsbegriffes ist die Wahrscheinlichkeitstheorie auch als ein echtes Teilgebiet der von Borel und Lebesgue initiierten allgemeinen Maß- und Integrationstheorie aufzufassen. Erst mit dem Unabhängigkeitsbegriff wurde die Wahrscheinlichkeitstheorie zu einer eigenständigen mathe- 1
5 Vorwort matischen Disziplin, deren mächtigstes Hilfsmittel aber die Maß- und Integrationstheorie geblieben ist. Umgekehrt haben probabilistische Fragestellungen auch die Maß- und Integrationstheorie nachhaltig befruchtet. In den Vorlesungen Stochastik I/II wird im Bachelor/Master-Studiengang die Maß- und Integrationstheorie gemäß der Vorgabe im Modulhandbuch auf ein Minimum reduziert, um Platz für mehr Anwendungen freizusetzen. Diesem Zwang zur Minimierung versucht das Skriptum Rechnung zu tragen. Viele wichtige Sachverhalte werden erst gar nicht angesprochen; exemplarisch seien nur erwähnt die Räume der p-fach integrierbaren Funktionen und ihre Dualitätstheorie, das Haarsche Maß auf lokal-kompakten topologischen Gruppen, sowie die Konvergenzbegriffe für Maße. Beweise werden vollständig unterdrückt. Die Inhalte der Abschnitte 1 bis 5 sowie des Abschnitts 7 lassen sich in einer Stochastik-Vorlesung sofort probabilistisch interpretieren. Es ist dem jeweiligen Dozenten überlassen, dann den einen oder anderen Beweis zu demonstrieren, obwohl in den meisten Fällen die Beweise für Wahrscheinlichkeitsmaße nicht wesentlich einfacher als für allgemeine Maße sind. Es genügt, den Abschnitt 6 flüchtig zur Kenntnis zu nehmen. Es werden das Riemann-Integral, sowie zwei wesentliche Erweiterungen des Riemann-Integrals (Henstock-Kurzweil- Integral und Riemann-Stieltjes-Integral) mit dem Lebesgue- bzw. Lebesgue- Stieltjes-Integral verglichen. Allerdings sollte das Lebesgue-Stieltjes-Integral, das durch wahrscheinlichkeitstheoretische Begriffsbildungen motivierend vorbereitet wird, zur Kenntnis genommen werden. Den Abschnitt 4 abschließend werden einige Rechenregeln für das Lebesgue-Integral zusammengetragen, da die Vorkenntnisse über das Lebesgue-Integral aus den Analysis-Vorlesungen sehr unterschiedlich sein können. Der Aufbau des Skriptes ist so gestaltet, dass es auch (mit Ausnahme des Abschnitts 6) als eine(mögliche)orientierungshilfe für eine einführende Vorlesung zur Maß- und Integrationstheorie für das Diplom-Hauptstudium oder das Master-Studium verwendet werden kann. Das erklärt auch dievielenhilfssätze 2
6 Vorwort (im Skriptum meistens als Notiz oder Bemerkung bezeichnet),diezueinersystematisch aufgebauten Vorlesung dazu gehören (wobei im Abschnitt 5 die monotonen (Mengen-)Systeme ausgelassen wurden, da dies den Rahmen dieses Abschnittes gesprengt hätte). Prägend für das Skript waren [Bau92], [Els07] und insbesondere [M + 93]. Die für Abschnitt 7 erforderlichen rudimentären Kenntnisse aus der mengentheoretischen Topologie werden vorausgesetzt bzw. könnensich schnell anhanddesbüchleins[jän90]vonklausjänichangeeignet werden. Unser herzlicherdank gilt Herrn Dipl.-Math. Ulrich Telle für die hervorragende Arbeit bei der Erstellung der Druckvorlage. Duisburg / Haan im Frühjahr 2009 Wolfgang Hümbs Klaus Kuzyk 3
7 1 Mengensysteme undσ-algebren Definition 1.1: Eine nicht-leere Menge K von Mengen heißt Mengensystem. Seien I eine Menge und A i durch i I indizierte Mengen, so wird für das Mengensystem {A i i I} auch (A i ) i I oder (A i i I) geschrieben. Ist Ω eine Menge und K =(A i ) i I ein Mengensystem mit A i Ω für alle i I, so heißt K ein Mengensystem über Ω. Beispiele für Mengensysteme sind die Potenzmenge P (Ω) einer Menge Ω, { }, {{x} x R}. R, C und sind keine Mengensysteme. Notiz 1.2 (de Morgan-Regeln): Sei (A i ) i I ein Mengensystem über Ω.Danngelten (i) ( A i ) C = i I A C i i I (ii) ( A i ) C = A C i. i I i I Dabei bezeichnet A C i := Ω A i das Komplement von A i in Ω. Definition 1.3: Sei K ein Mengensystem paarweise disjunkter Mengen A i (i I), soschreibt man für A i auch A i, A i oder A i,wennklarist,welcheindexmenge i I i I I zugrunde liegt. Definition 1.4: Ein Mengensystem K paarweise disjunkter Mengen A i (i I) über Ω mit Ai = Ω heißt Partition (oder Zerlegung von Ω). Definition 1.5: Sei K =(A n ) n N ein Mengensystem über Ω.DannwerdenderLimes Superior und der Limes Inferior von K definiert durch 4
8 (1) lim sup A n := (2) lim inf A n := 1Mengensystemeundσ-Algebren n=1 m n n=1 m n A m, A m. Notiz 1.6: Für ein Mengensystem (A n ) n N gilt lim inf A n lim sup A n. Definition 1.7: Ein Mengensystem K =(A n ) n N heißt (i) isoton (ii) antiton (iii) monoton : A n A n+1 ( n N), : A n A n+1 ( n N), : K ist antiton oder isoton. Definition 1.8: Ein Mengensystem (A n ) n N heißt konvergent,wenngilt: lim inf A n =limsupa n. In diesem Fall schreibt man kurz lim A n für lim inf A n und lim sup A n. Definition 1.9: Seien K =(A n ) n N ein Mengensystem und A eine Menge. (i) K konvergiert isoton gegen A (in Zeichen: K A): K ist isoton und A n = A. n N (ii) K konvergiert antiton gegen A (in Zeichen: K A) K ist antiton und A n = A. n N (iii) K konvergiert monoton gegen A : K konvergiert isoton oder antiton gegen A. 5
9 1Mengensystemeundσ-Algebren Notiz 1.10: K =(A n ) n N sei ein Mengensystem. Dann gelten: (i) Ist K isoton, so gilt lim A n = n N (ii) Ist K antiton, so gilt lim A n = n N Für die Maßtheorievon besondereminteresse sind Mengensysteme, die gewisse Abschlusseigenschaften gegenüber Mengenoperationen aufweisen. Definition 1.11: Ein Mengensystem K über einer Menge Ω mit K heißt Mengenhalbring (kurz: Halbring) über Ω, wenngelten A n. (i) A, B K A B K (ii) A, B K A B = n T i mit paarweise disjunkten Mengen T i K. i=1 A n. Beachte, dass mit A, B K nicht notwendig A B in K liegt. Beispiel 1.12: Seien n N und a =(a 1,...,a n ),b =(b 1,...,b n ) R n mit a j b j für j {1,...,n}. Unterdemrechts-halboffenenIntervall[a, b) wird die Menge n [a j,b j ) verstanden. j=1 Das Mengensystem I n der rechts-halboffenen Intervalle bildet einen Halbring über R n. Definition 1.13: Ein Mengensystem K über einer Menge Ω heißt Mengenring (kurz: Ring) über Ω,fallsgelten (i) A, B K A B K 6
10 1Mengensystemeundσ-Algebren (ii) A, B K A B K. Offensichtlichsind { }, {, Ω}, P(Ω) Ringe über Ω. Notiz 1.14: Sei K ein Ring über Ω. Danngelten: (i) K (ii) A, B K A B K,A B K (iii) A 1,...A n K n n A i K, A i K i=1 (iv) K ist ein Halbring über Ω. i=1 (Dabei bezeichnet A B := (A B) (B A) die symmetrische Differenz von A und B.) Der Halbring I n aus Beispiel 1.12 bildet keinen Ring. Aus einem Halbring läßt sich jedoch stets ein kleinster, ihn enthaltender Ring erzeugen. Satz 1.15: Sei K ein Halbring über Ω. DannexistierteinkleinsterRingρ(K) über Ω, der K enthält, d.h. wenn K ein beliebiger Ring über Ω ist, der K enthält, so folgt K ρ(k) K. Der folgende Satz ist im Hinblick auf den 1. Maßfortsetzungssatz (s. Abschnitt 2)vonBedeutung. Satz 1.16: Der von einem Halbring K über Ω erzeugte Ring ρ(k) über Ω besteht aus allen 7
11 1Mengensystemeundσ-Algebren endlichen Summen paarweise disjunkter Mengen aus K, d.h. ρ(k) ={T k N T i K(i {1,...,k}) :T = k T i }. Definition 1.17: ρ(i n )=:F n heißt Ring der n-dimensionalen Figuren:[zuI n siehe Beispiel 1.12]. Die folgende Definition einer σ-algebra ist grundlegend. Wie in der Einleitung bereits verdeutlicht wurde, sind σ-algebren die natürlichen Ereignissysteme eines Wahrscheinlichkeitsraumes. Definition 1.18: (i) Ein Mengensystem A über einer Menge Ω heißt σ-algebra (über Ω), wenn gelten: (1) A A A c A (2) Für jedes Mengensystem (A n ) n N aus A liegt n N i=1 A n in A. (ii) Ist A eine σ-algebra (über Ω), so heißt (Ω, A) ein Messraum. DieElemente von A werden (A-)messbare Mengen (oder auch Ereignisse) genannt. Definition 1.19: Seien A eine σ-algebra über Ω und T Ω.Dannist T A := {T A A A} eine σ-algebra über T. T A heißt die Spur von A in T. (mit A = Ω) sowie P (Ω) σ-alge- Offensichtlich sind {, Ω}, {,A,A c, Ω} bren über Ω. 8
12 1Mengensystemeundσ-Algebren Notiz 1.20: Sei A eine σ-algebra über Ω. (i) Gelten A 1,...,A n A, soist n A i A. i=1 (ii) Ist (A i ) i N ein Mengensystem in A, soist A i A (iii) Gelten A 1,...,A n A, soist (iv) Aus A, B A folgt A B A. (v) A, Ω A. n A i Ω. i=1 (vi) Jede σ-algebra über Ω ist ein Ring über Ω. i N (vii) Sei (A n ) n N ein Mengensystem aus A.Danngelten: (1) A n A A A (2) A n A A A (3) lim inf A n A (4) lim sup A n A. σ-algebren werden in den seltensten Fällen explizit angegeben, sondern durch Erzeugendensysteme. Dies wird in folgendem Satz präzisiert. Satz 1.21: Sei K ein Mengensystem über Ω. Dannexistierteinekleinsteσ-Algebra σ(k) über Ω,dieK enthält. σ(k) ist gegeben durch σ(k) = A σ-algebra über Ω mit K A Bemerkung 1.22: Sind K 1, K 2 Mengensysteme über Ω,sogelten A 9
13 1Mengensystemeundσ-Algebren (i) K 1 K 2 σ(k 1 ) σ(k 2 ), (ii) K 1 σ(k 2 ), K 2 σ(k 1 ) σ(k 1 )=σ(k 2 ). Notiz 1.23: Es gilt σ(i n )=σ(f n ). Definition und Beispiel 1.24: Die σ-algebra B n := σ(i n )=σ(f n ) heißt die Borelsche σ-algebra (über R n ).DieElementevonB n heißen Borelsche Mengen, daspaar(r n, B n ) Borelscher Meßraum. AnstellevonB 1 schreibt man kurz B. Die Borelsche σ-algebra B n ist eines der wichtigsten Ereignissysteme in der Wahrscheinlichkeitstheorie überhaupt. Die naheliegendefrage,warummanin der Wahrscheinlichkeitstheorie nicht einfach die Potenzmenge P(R n ) als Ereignissystem wählt, kann erst im Abschnitt 2 beantwortet werden. Wahrscheinlichkeitstheorie betreibt man nicht nur in Ereignissystemen über R n,sondernübernochvielallgemeinerenräumen(r R (Stochastische Prozesse), topologischen Gruppen, Hilberträumen (Quantenmechanik) usw.). Alle diese Räume lassen sich (kanonisch) topologisieren und die Ereignissysteme werden durch die entsprechenden Topologien, d.h. das System der offenen Mengen erzeugt. Wie der nächste Satz zeigt, gilt dies auch für die Borelsche σ-algebra B n.mithinhabenz.t.völligverschiedene,derwahrscheinlichkeitstheorie als Ereignissystem dienende σ-algebren, eine verbindendeeigenschaft, was eine systematische Untersuchung nahelegt. Man stößt dabei (u.a.) auf die sog. polnischen Räume, die im letzten Abschnitt kurz angerissen werden. Satz 1.25: R n sei mit der Euklidischen Topologie versehen und O n bezeichne das System der offenen Mengen. Dann gilt: B n = σ(o n ). Bezeichnen K n bzw. A n das System der kompakten (bzw. abgeschlossenen) 10
14 1Mengensystemeundσ-Algebren Mengen, so gelten zudem B n = σ(k n ) bzw. B n = σ(a n ). Maße, die in Abschnitt 2 behandelt werden, können auch den Wert annehmen. Deswegen erweist es sich als notwendig auch über den erweitert-reellen Zahlen R {, } =: R eine σ-algebra einzuführen, die sich aber kanonisch aus der Borelschen σ-algebra B herleiten lässt. Notiz und Definition 1.26: ist eine σ-algebra über R. B := B {A {+ } A B} {A { } A B} {A {+, } A B} B heißt die Borelsche σ-algebra über R.IhreElementeheißenBorelsche Mengen in R. DasPaar(R, B) heißt Borelscher Messraum über R. In der Wahrscheinlichkeitstheorie sieht man sich häufig vordersituation,mehrere Zufallsexperimente nacheinander zu betrachten. Das adäquate maßtheoretische Instrumentarium zur Behandlung solcher Fragestellung sind Produktmessräume. Die zugehörigen Produktmaße können an dieser Stellenochnicht behandelt werden, ebenso wenig der Fall abzählbar unendlicher oder sogar ü b e r a b z ä h l b a r v i e l e r Z u f a l l s e x p e r i m e n t e. Definition 1.27: Seien (Ω 1, A 1 ),...,(Ω n, A n ) Messräume. Dann heißt n n A i := { T i T i A i } i=1 i=1 11
15 1Mengensystemeundσ-Algebren das System der messbaren Rechtecke und n A i := σ i=1 ( n i=1 A i ) heißt die Produkt-σ-Algebra der σ-algebren A 1,...,A n.daspaar (Ω, A) := ( n Ω i, i=1 ) n A i nennt man den Produktmessraum der Messräume (Ω 1, A 1 ),...,(Ω n, A n ). i=1 12
16 2 Maße, Borel-Lebesgue-Maß Definition 2.1: Sei K ein Mengensystem über Ω mit K. µ : K R heißt ein Inhalt auf K, wenngelten (1) µ( ) =0, (2) µ(a) 0 ( A K), (3) Sind T 1,...,T n K paarweise disjunkt mit (endliche Additivität). ( n ) µ T i = i=1 µ heißt endlich: µ(a) < ( A K). n T i K, soist i=1 n µ(t i ) Definition 2.2: Sei K ein Mengensystem über Ω mit K. µ : K R heißt ein Maß auf K, wenn gelten (1) µ( ) =0, (2) µ(a) 0 ( A K) (3) Für jedes Mengensystem (A n ) n N paarweise disjunkter Mengen aus K mit A n K ist ( n=1 ) µ A n = µ(a n ). (σ-additivität) n=1 Ist K speziell eine σ-algebra A und µ ein Maß auf A, soheißt(ω, A,µ) ein Maßraum. i=1 n=1 13
17 2Maße,Borel-Lebesgue-Maß Gilt in einem Maßraum (Ω, A, µ) speziell µ(ω) =1,so nennt man(ω, A, µ) einen Wahrscheinlichkeitsraum und µ ein Wahrscheinlichkeitsmaß. Üblicherweise wird dann µ mit P bezeichnet. Ein Maß µ heißt endlich: µ(a) < ( A K). Auf die Bedeutung der σ-additivität wurde bereits in der Einleitung hingewiesen. Notiz 2.3: (1) Jedes Maß ist ein Inhalt; die Umkehrung ist i.a. falsch. (2) Wahrscheinlichkeitsmaße sind endlich. Bemerkung 2.4: Seien µ ein Inhalt auf einem Ring K über Ω und S, T K sowie S T.Dann gelten (i) µ(s) < = µ(t S) =µ(t ) µ(s) (Subtraktivität) (ii) µ(s) = = µ(s) =µ(t ) Bemerkung 2.5: Ein auf einem Ring K über Ω definierter Inhalt µ ist isoton, d.h.für S, T K mit S T gilt µ(s) µ(t ) Satz 2.6: (i) Ist µ ein Inhalt auf einem Ring K und S n K für alle n {1,...,m} mit einem m N, sogilt (Subadditivität) m µ( S n ) n=1 m µ(s n ). n=1 14
18 2Maße,Borel-Lebesgue-Maß (ii) Ist µ ein Maß auf einem Ring K und S n K für alle n N mit K, sogilt (σ-subadditivität) µ( S n ) µ(s n ). n=1 n=1 n=1 S n (iii) Ist µ ein Inhalt auf einem Ring K und (S n ) n N ein Mengensystem paarweise disjunkter Mengen S i aus K. Danngilt (σ-superadditivität) µ( S n ) µ(s n ) n=1 n=1 Die folgende Definition führt Begriffsbildungen ein, die in engemzusammenhang mit der σ-additivität stehen. Definition 2.7: Sei µ ein Inhalt auf einem Ring K. (i) µ heißt stetig von unten:.für jedes Mengensystem (S n ) n N von Mengen S n aus K mit S n S K gilt: lim µ(s n)=µ(s). n (ii) µ heißt stetig von oben:.für jedes Mengensystem (S n ) n N von Mengen S n aus K mit S n S K gilt: lim µ(s n)=µ(s). n (iii) µ heißt -stetig (sprich: nullstetig), wenn für jedes Mengensystem (S n ) n N 15
19 2Maße,Borel-Lebesgue-Maß auf K mit S n und µ(s n ) < ( n N) gilt: Notiz 2.8: 2.7 (iii) ist ein Spezialfall von 2.7 (ii). lim µ(s n)=0. n Satz 2.9: Sei µ ein Inhalt auf einem Ring K. Danngelten: (i) µ ist σ-additiv µ ist stetig von unten. (ii) µ ist stetig von unten µ ist stetig von oben. (iii) µ ist stetig von oben µ ist -stetig. (iv) µ ist stetig von unten µ ist σ-additiv. Satz 2.10 (1. Borel-Cantellisches Lemma): Seien (Ω, A,µ) ein Maßraum und (A n ) n N ein Mengensystem von Mengen A n aus A mit µ(a n ) <.Danngilt:µ(lim sup(a n )) = 0. n=1 Im Falle, dass µ ein Wahrscheinlichkeitsmaß P ist, lässt sich das 1. Borel- Cantellische Lemma unter Zusatzbedingungen wahrscheinlichkeitstheoretischer Natur noch wesentlich verschärfen. Notiz 2.11: Seien (Ω, A,µ) ein Maßraum und (S n ) n N eine Partition von Ω mit S n A ( n N). Danngiltfür jede Menge T A: µ(t )= µ(t S n ). n=1 16
20 2Maße,Borel-Lebesgue-Maß Beispiel 2.12: (1) Sei Ω abzählbar unendlich. Das Mengensystem ist ein Ring über Ω K := {A Ω A < oder A c < } µ : K R : A { 0, falls A endlich ist, falls A unendlich ist. ist ein Inhalt, aber kein Maß auf K, daoffensichtlichdieσ-additivität verletzt ist. Zudem ist µ -stetig, aber nicht stetig von unten. (2) Auf dem Halbring I n der rechts-halboffenen Intervalle [a, b) R n (a =(a 1,...,a n ),b=(b 1,...,b n ) mit a j b j für j {1,...,n}) wird durch ein endlicher Inhalt definiert. µ([a, b)) := n (b j a j ) j=1 (3) Seien (Ω, A) ein Messraum, η Ω sowie c>0. Dann wird durch µ c η : A R mit µc η (S) := { 1, auf A definiert. falls η S 0, falls η S ein Maß Im Falle c = 1 ist µ η := µ 1 η ein Wahrscheinlichkeitsmaß, welches als Punkt-W -Maß in η bezeichnet wird. Auf den Inhalt in Beispiel 2.12 (2)wirdbeiderKonstruktiondesBorel-Lebesgue- 17
21 2Maße,Borel-Lebesgue-Maß Maßes λ n zurückgegriffen werden. Das folgende Beispiel ist für die Vereinheitlichung der Darstellung von,,diskreter und,,kontinuierlicher Wahrscheinlichkeitstheorie von grundlegender Bedeutung, so dass es separat aufgeführt wird. Beispiel 2.13: Seien (Ω, A) ein Maßraum und S Ω.Dannwirddurch µ : A R : T { T S, für T S <, sonst ein Maß auf A definiert, welches als das S-Zählmaß auf A bezeichnet wird. In der Wahrscheinlichkeitstheorie wird gelehrt, dass sich diskrete W -Maße und sogenannte Wahrscheinlichkeitsfunktionen bijektiv entsprechen. Wahrscheinlichkeitsfunktionen lassen sich aber als Dichten [vgl. Abschnitt 4] bzgl.gewisser Zählmaße auffassen, was impliziert, dass sich auch diskrete W -Maße als Integrale darstellen lassen. Damit wird deutlich, dass die Trennung in,,diskrete und,,kontinuierliche Wahrscheinlichkeitstheorie (wie sie heute noch in einigen Kochrezept-Lehrbüchern - primär für WiWis - zur WahrscheinlichkeitsrechnungundStatistik praktiziertwird) völlig überflüssig ist. Definition 2.14: Ein Maß µ auf einem Mengensystem K über Ω heißt σ-endlich: es gibt eine Folge (S n ) n N von Mengen S n aus K mit für alle n N. S n Ω und µ(s n ) < Notiz 2.15: (i) Jedes endliche Maß auf einer σ-algebra ist σ-endlich. 18
22 2Maße,Borel-Lebesgue-Maß (ii) Nicht jedes endliche Maß ist σ-endlich. (iii) Jedes Wahrscheinlichkeitsmaß ist σ-endlich. (iv) Die σ-endlichkeit eines Maßes impliziert i.a. nicht die Endlichkeit dieses Maßes. Definition 2.16: Seien K, K Mengensysteme über Ω mit K K.Giltfür zwei Abbildungen µ : K R und µ : K R µ(s) = µ (S) ( S K), so heißt µ eine Fortsetzung von µ auf K und µ eine Restriktion von µ auf K. Theorem 2.17 (1. Fortsetzungssatz): Ist µ ein Maß (Inhalt) auf einem Halbring K, soexistierteineeindeutige Fortsetzung µ von µ zu einem Maß (Inhalt) auf den von K erzeugten Ring p(k). µ ist gegeben durch n µ (A) = µ(t i ), i=1 wobei A = n T i für ein n N und paarweise disjunkten Mengen T i K das i=1 gemäß Satz 1.16 allgemeine Element aus ρ(k) ist. Theorem 2.18 (2. Fortsetzungssatz): (i) Ist µ ein Maß auf einem Ring K, solässt sich dieses zu einem Maß µ auf die von K erzeugte σ-algebra σ(k) fortsetzen. Eine solche Fortsetzung µ wird gegeben durch { } µ : σ(k) R, S inf µ(s n ) S S n n=1 n=1 19
23 2Maße,Borel-Lebesgue-Maß wobei die Mengen S n paarweise disjunkte Mengen aus K sind. (ii) Ist µ σ-endlich, so ist die Fortsetzung µ aus (i)eindeutig. Wendet man den 1. Fortsetzungssatz auf den Inhalt µ auf dem Halbring I n aus Beispiel 2.12 (2)an,soerhältmaneineeindeutigeFortsetzungvonµ zu einem Inhalt µ auf F n = ρ(i n ).FürdiesenInhaltgiltnun Lemma 2.19: µ ist bereits ein Maß auf F n,daszudemσ-endlich ist. Der Beweis des Lemmas ist nicht einfach. Aus dem Lemma folgt trivialerweise, dass der Inhalt µ auf I n bereits ein Maß auf I n ist. Nur wäre der Beweis der Maßeigenschaft (insbesondere die σ-additivität) noch schwieriger als derjenige für den Inhalt µ auf F n. µ (aus Lemma 2.19) lässt sich nun nach dem 2. Fortsetzungssatz eindeutig zu einem Maß λ n auf B n = σ(f n ) fortsetzen. Definition 2.20: Das so eben konstruierte Maß λ n auf B n heißt das Borel-Lebesgue-Maß (kurz BL-Maß) auf B n.für n =1schreibt man λ für λ 1. Notiz 2.21: Das BL-Maß λ n ist σ-endlich, aber nicht endlich. Eine Abbildung f : R n R n mit f(x) f(y) = x y (x, y R n,. = Euklidnorm) nennt man bekanntlich eine Bewegung (Darunter fallen die Drehungen, Spiegelungen und Translationen.) Eine Mindestanforderung an ein Maß, das zur Volumenberechnung für Teilmengen des R n dienen soll, ist die Bewegungsinvarianz. 20
24 2Maße,Borel-Lebesgue-Maß Satz 2.22: Das BL-Maß λ n ist bewegungsinvariant, d.h.: Ist f : R n R n eine Bewegung, so gilt für alle S B n λ n (f(s)) = λ n (S). Theorem 2.23 (Hausdorff-Vitali): Auf der σ-algebra P (R n ) existiert kein bewegungsinvariantes Maß µ mit µ([0, 1) n )=1. Offensichtlich gilt λ n ([0, 1) n )=1.AufgrundderTatsache,dassvielewichtige Wahrscheinlichkeitsmaße mittels des BL-Maßes λ n definiert werden, macht Theorem 2.23 klar, dass man als Ereignissystem dieser Wahrscheinlichkeitsmaße nicht P (R n ) wählen kann. Definition 2.24: Sei (Ω, A,µ) ein Maßraum. Eine µ-nullmenge S ist eine Menge S aus A mit µ(s) =0.BezeichneG das System aller µ-nullmengen aus A. DasMengensystem A := {A S A A,S G} ist wiederum eine σ-algebra. Durch µ (A S) :=µ(a) ( (A, S) A G) wird ein Maß auf A definiert. Den Maßraum (Ω, A,µ ) nennt man die Vervollständigung des Maßraumes (Ω, A, µ). Dabeiheißt(Ω, A, µ) vollständig: (i) G A (ii) A A,S A, µ(a) =0= S G. Notiz 2.25: Vervollständigungen eines Maßraumes sind vollständig. 21
25 2Maße,Borel-Lebesgue-Maß Satz 2.26: Der Maßraum (R n, B n, λ n ) ist nicht vollständig. Definition 2.27: Sei (R n, B n, λ n ) die Vervollständigung von (R n, B n, λ n ).DasMaß L λ n := λ n heißt das Lebesgue-Maß (kurz: L-Maß) auf R n und L B n := B n heißt die Lebesguesche σ-algebra über R n. Satz 2.28: Das L-Maß L λ n ist ebenfalls bewegungsinvariant. Satz 2.29: L B n P(R n ). Beispiel 2.30: Jede abzählbare Teilmenge des R n ist eine λ n -Nullmenge und damit auch eine L λ n -Nullmenge. Satz 2.31: L B n wird nicht vom System der offenen Teilmengen des R n erzeugt. Satz 2.31 ist wegen der in Abschnitt 1 geschilderten Gründe der Anlass, für die Konstruktion des Lebesgue-Integrals im Abschnitt 4 die σ-algebra B n zu wählen. Satz 2.32: Es gibt überabzählbar viele Teilmengen S des R n mit S B n. 22
26 2Maße,Borel-Lebesgue-Maß Theorem 2.33 (Solovay): Der Nachweis, dass eine Teilmenge S des R n nicht in B n liegt, kann prinzipiell nur mit Hilfe des Auswahlaxioms (oder eines hierzu äquivalenten Satzes wie dem Zornschen Lemma oder dem Wohlordnungssatz) erbracht werden. 23
27 3 Messbare Abbildungen Definition 3.1: (i) Seien Ω 1, Ω 2 Mengen und f : Ω 1 Ω 2 eine Abbildung. Dann heißt f 1 : P (Ω 2 ) P (Ω 1 ) mit f 1 (S 2 ):={w 1 Ω 1 f(w 1 ) S 2 } ( S 2 P (Ω 2 )) die Urbildabbildung von f (nicht zu verwechseln mit dem Begriff der Umkehrabbildung!). f 1 (S 2 ) heißt das Urbild von S 2 (ii) Ist weiter K 2 ein Mengensystem über Ω 2,soheißt das Urbild von K 2. f 1 (K 2 ):={f 1 (S 2 ) S 2 K 2 } Notiz 3.2: Seien Ω 1, Ω 2 Mengen, M,N P (Ω 2 ) und S =(S i ) i I ein Mengensystem mit S über Ω 2.Danngelten: (i) f 1 ( ) =,f 1 (Ω 2 )=Ω 1, (ii) f 1 (M c )=(f 1 (M)) c, (iii) M N = f 1 (M) f 1 (N), (iv) f 1 (S i )=f 1 ( S i ) (v) i I i I f 1 (S i )=f 1 ( S i ) i I i I (vi) Im Falle, dass die S i paarweise disjunkt sind: f 1 (S i )=f 1 ( S i ). i I i I 24
28 3MessbareAbbildungen Notiz 3.3: Seien f : Ω 1 Ω 2, g : Ω 2 Ω 3 Abbildungen. Dann gilt: (g f) 1 (S 3 )=f 1 (g 1 (S 3 )) ( S 3 P(Ω 3 )). Notiz 3.4: Seien f : Ω 1 Ω 2 eine Abbildung und A 2 eine σ-algebra über Ω 2.Dannist f 1 (A 2 ) eine σ-algebra über Ω 1. Definition 3.5: Seien (Ω 1, A 1 ), (Ω 2, A 2 ) Messräume und f : Ω 1 Ω 2 eine Abbildung. f heißt A 1 -A 2 -messbar,fallseinederfolgendenäquivalenten Bedingungen erfüllt ist: (i) f 1 (S 2 ) A 1 ( S 2 A 2 ) (ii) f 1 (A 2 ) A 1. Für die Schreibweise,,f : Ω 1 Ω 2 ist A 1 -A 2 -messbar wirdimfolgenden auch,,f : (Ω 1, A 1 ) (Ω 2, A 2 ) ist messbar geschrieben.dabeibedeutet f : (Ω 1, A 1 ) (Ω 2, A 2 ),dass(ω 1, A 1 ), (Ω 2, A 2 ) Messräume sind und f : Ω 1 Ω 2 eine Abbildung ist. In der Wahrscheinlichkeitstheorie werden messbare Abbildungen auch als Zufallsvariablen (kurz ZVen) bezeichnet, in der mathematischen Statistik nach Zusatzbedingungen an die Messräume als Statistiken. Bemerkung 3.6: Die große Analogie zwischen der Messbarkeit und der Definition der Stetigkeit von Abbildungen zwischen topologischen Räumen ist nicht zufällig, wie im Abschnitt 7 über polnische Räume im Theorem von Lusin deutlich wird. Lemma 3.7: Seien (Ω 1, A 1 ), (Ω 2, A 2 ) Messräume und K 2 ein Erzeugendensystem von A 2, d.h. A 2 = σ(k 2 ).EineAbbildungf :(Ω 1, A 1 ) (Ω 2, A 2 ) ist genau dann messbar, wenn eine der nachstehenden äquivalenten Bedingungen gilt: 25
29 3MessbareAbbildungen (i) f 1 (S 2 ) A 1 ( S 2 K 2 ) (ii) f 1 (K 2 ) A 1. Bemerkung 3.8: Jede stetige (insbesondere also auch jede differenzierbare) Abbildung f :(R m, B m ) (R n, B n ) ist messbar. Da B n von den offenen Teilmengen des R n erzeugt wird, ist nach Lemma 3.7 nur zu zeigen, dass für jede offene Menge A R n f 1 (A) offen in R n ist. Das ist aber gerade die Definition der Stetigkeit von f. Bemerkung 3.9: Für i {1,...,n} seien g i :(Ω, A) (Ω i, A i ) Abbildungen und die Produktabbildung der g i. f := (g 1,...,g n ):(Ω, A) ( Ω i, i=1 Die g i sind genau dann messbar, wenn f messbar ist. Notiz 3.10: n n A i ) i=1 f :(Ω 1, A 1 ) (Ω 2, A 2 ) g :(Ω 2, A 2 ) (Ω 3, A 3 ) und seien messbar. Dann ist auch messbar. g f :(Ω 1, A 1 ) (Ω 3, A 3 ) 26
30 3MessbareAbbildungen Satz 3.11: f :(Ω 1, A 1 ) (Ω 2, A 2 ) sei messbar und µ sei ein Maß auf A 1 : (i) µ f mit µ f (S 2 ):=µ(f 1 (S 2 )) ( S 2 A 2 ) definiert ein Maß auf A 2. µ f heißt das Bildmaß von µ bei f. EsspieltinderWahrscheinlichkeitstheorie eine bedeutende Rolle. Für µ f wird häufig auch f(µ) geschrieben. (ii) Ist µ ein Wahrscheinlichkeitsmaß auf A,soistµ f ein Wahrscheinlichkeitsmaß auf A 2. Definition 3.12: Seien f :(Ω 1, A 1 ) (Ω 2, A 2 ) messbar und S 2 A 2. Dann sei {f S 2 } := {w 1 Ω 1 f(w 1 ) S 2 }.Istzudemµ ein Maß auf A 1, so sei µ{f S 2 } := µ({f S 2 }). Definition 3.13 (Rechenregeln für und ): Für c R wird gesetzt (1) c +(± ) :=(± )+a := (± )+(± ) := ±, für c>0 (2) c (± ) :=(± ) c := 0 für c =0, für c<0 (3) <c< (4) (± ) (± ) :=+, (± ) ( ) :=, c ± := 0, 1 0 := + (5) (± ) (± ) bleiben undefiniert. Definition 3.14: R-wertige Funktionen werden numerische Funktionen genannt. 27
31 3MessbareAbbildungen Lemma 3.15: f :(Ω, A) (R, B) bzw. f :(Ω, A) (R, B) sind genau dann messbar, wenn eine der nachstehenden äquivalenten Bedingungen gilt: (i) {f <a} A ( a R) (ii) {f a} A ( a R) (iii) {f >a} A ( a R) (iv) {f a} A ( a R). Beispiel 3.16: Jede monotone Funktion f : R R ist B B-messbar. Bemerkung 3.17: Mit f,g : R R B B-messbar sind auch cf(c R),f + g und fg messbar. Gleiches gilt für numerische B-B-messbare Funktionen. (Bei f + g mit der Einschränkung, dass f + g definiert ist.) Definition 3.18: Sei (f n ) eine Folge numerischer Funktionen Ω R. DienumerischenFunktionen sup f n, inf f n, lim sup f n, lim inf f n werden definiert durch n N n N (i) (sup f n )(w) :=supf n (w) ( w Ω) n N n N (ii) (inf n N f n)(w) := inf n N f n(w) ( w Ω) (iii) (lim sup f n )(w) := inf sup f m (w) ( w Ω) n N m n (iv) (lim inf f n )(w) :=sup inf f m(w) ( w Ω) m n n N (v) Gilt lim inf f n definiert durch = limsupf n,sowirddienumerischefunktionlim f n lim f n := lim inf f n =limsupf n. 28
32 3MessbareAbbildungen Satz 3.19: Sei (f n ) eine Folge numerischer, messbarer Funktionen f n :(Ω, A) (R, B). Dann gelten (i) sup f n, inf f n, lim sup f n, lim inf f n sind messbar. n N n N (ii) Existiert lim f n,soistlim f n messbar. (iii) Ist f n konvergent in R,soist f n messbar. n N n N Definition 3.20: Für eine numerische Funktion f : Ω R werden der Positivteil f + und der Negativteil f definiert durch f + (w) := sup(f(w), 0) ( w Ω) f (w) := inf(f(w), 0) ( w Ω) Notiz 3.21: Für eine numerische Funktion f : Ω R gelten (i) f = f + f (ii) f = f + + f (iii) f ist genau dann A-B-messbar, wenn f + und f A-B-messbar sind. Definition 3.22: Seien Ω eine Menge und A Ω. DieIndikatorfunktion 1 A von A (auch charakteristische Funktion von A genannt) ist definiert durch 1 A (w) := { 1, falls w A ( w Ω) 0, sonst Notiz 3.23: Seien A, B Ω und (A i ) i I ein Mengensystem über Ω.Danngelten 29
33 3MessbareAbbildungen (i) 1 A c =1 1 A (ii) A B = 1 A 1 B (iii) 1 A i =sup1 Ai (iv) 1 A i =inf1 Ai. Notiz 3.24: Sei (A n ) n N ein Mengensystem über Ω.Danngelten (i) lim sup 1 An =1 lim sup An (ii) lim inf 1 An =1 lim inf An (iii) (lim inf 1 An = limsup1 An ) (1 lim inf An = 1 lim sup 1 An ), und in diesem Fall gilt weiter lim 1 An =1 lim An. Notiz 3.25: Seien (Ω, A) ein Messraum und A Ω.Danngilt: 1 A messbar A A. 30
34 4 Allgemeine Integrationstheorie, Lebesgue-Integral Die Allgemeine Integrationstheorie (nach einem Maß µ) wirddreistufigentwickelt; zunächst für Elementarfunktionen, dann über nicht-negative Funktionen und schließlich allgemein. Definition 4.1: Sei e :(Ω, A) R, B) messbar. e heißt Elementarfunktion (über Ω): (1) e ist nicht-negativ. (2) e(ω) <. Die Menge aller dieser Elementarfunktionen wird mit E (gelegentlich auch E(A) oder E(Ω, A)) bezeichnet. Notiz 4.2: Sei e eine Elementarfunktion über Ω mit e(ω) ={x 1,...,x s } und x 1 < < x s.weiterseifür j {1,...,s}: A j := e 1 ({x j }) A. {A 1,...,A s } bildet eine Partition von Ω und e besitzt eine Darstellung e = s x j 1 Aj. j=1 Diese Darstellung heißt Normaldarstellung von e.sieisteindeutigbestimmt. Notiz 4.3: Mit e 1,e 2 E sind auch sowie ce 1 E (falls c R + 0 ). e 1 + e 2 E; e 1 e 2 E (falls e 1 e 2 ) 31
35 4AllgemeineIntegrationstheorie,Lebesgue-Integral Definition 4.4: Seien (Ω, A,µ) ein Maßraum und e E mit Normaldarstellung e = s x j 1 Aj. j=1 Die erweitert-reelle Zahl s edµ:= x j µ(a j ) j=1 heißt das (µ-)integral von e. Notiz 4.5: Seien (Ω, A,µ) ein Maßraum, e 1,e 2 E und c R + 0.Danngelten (i) 1 S dµ = µ(s) ( S A) (ii) ce 1 dµ = c e 1 dµ sowie (e 1 + e 2 ) dµ = e 1 dµ + e 2 dµ (positive Linearität) (iii) e 1 e 2 = e 1 dµ e 2 dµ (Monotonie) Beispiel 4.6: Die Dirichletfunktion 1 Q :(R, B) (R, B) ist elementar mit 1 Q dλ =0. Lemma 4.7: Ein nicht-negatives, messbares f :(Ω, A) (R, B) ist Grenzwert einer monoton steigenden Folge (e n ) n N von Elementarfunktonen. Man schreibt hierfür: e n f. Definition 4.8: Die Menge der nicht-negativen, messbaren Funktionen f :(Ω, A) (R, B) wird mit M + (oder auch M + (A) bzw. M + (Ω, A)) bezeichnet. 32
36 4AllgemeineIntegrationstheorie,Lebesgue-Integral Die Menge der nicht-negativen, messbaren Funktionen f :(Ω, A) (R, B) wird mit M + (oder auch M + (A) bzw. M + (Ω, A)) bezeichnet. Definition 4.9: Seien (Ω, A,µ) ein Maßraum und f M +.Ist(e n ) n N eine Folge von Elementarfunktionen mit e n f,soheißtdieerweitert-reellezahl fdµ:= lim n e n dµ das (µ)-integral (über Ω). fdµist unabhängig von der Wahl der Folge der Elementarfunktionen. Notiz 4.10: Ist in Definition 4.9 f E, sostimmtderindefinition4.9 definierte Integralbegriff mit dem in Definition 4.4 erklärten überein. Bemerkung 4.11: Seien (Ω, A,µ) ein Maßraum, f M + mit f(ω) ={x i i S},wobeiS N und x i x j für i j ((i, j) S 2 ).Danngilt: fdµ= i S x i µ({w Ω f(w) =x i }). Notiz 4.12: Seien (Ω, A,µ) ein Maßraum, e 1,e 2 M + sowie c R + 0.Danngelten (i) 1 S dµ = µ(s) ( S A) (ii) ce 1 dµ = c e 1 dµ sowie (e 1 + e 2 ) dµ = e 1 dµ + e 2 dµ (positive Linearität) (iii) e 1 e 2 = e 1 dµ e 2 dµ (Monotonie) 33
37 4AllgemeineIntegrationstheorie,Lebesgue-Integral Theorem 4.13 (Levi; Satz von der monotonen Konvergenz): Seien (Ω, A,µ) ein Maßraum und (f n ) n N eine monoton wachsende Folge aus M + mit f =limf n.danngiltlim f n dµ = fdµ. Satz 4.14: Seien (Ω, A,µ) ein Maßraum und (f n ) n N eine Folge aus M +.Danngilt Beweis: Mit s N ist h s := Also gilt s n=1 f n dµ = n=1 f n dµ = lim n=1 n=1 f n M + mit h s [Levi] = s s n=1 f n dµ. n=1 f s dµ = lim s lim h s dµ = s f n,d.h. lim h s = f n. s n=1 n=1 h s dµ f n dµ. Anwendung 4.15 (Cauchyscher Doppelreihensatz): Gegeben sei der Maßraum (N, P(N),µ) mit µ dem N-Zählmaß auf P(N). Offensichtlich besteht M + aus allen Funktionen f : N [0, + ]. Für ein f M + gilt dann mit g n := f(n) 1 {n} offensichtlich g n M + und g n g n = f.mitsatz4.14 also n=1 fdµ= n=1 g n dµ = f(n) 1 {n} dµ [µ das N-Zählmaß] = f(n). Für jede Funktionenfolge (f n ) n N mit f n : N [0, ] und a nk := f n (k) gilt 34
38 4AllgemeineIntegrationstheorie,Lebesgue-Integral also nach Satz 4.14 der Cauchysche Doppelreihensatz: ( ) ( ) a nk = a nk. k=1 n=1 Damit ist ein nicht-trivialer Satz der Analysis mit Integration in einigen Zeilen bewiesen worden. n=1 k=1 Definition 4.16: Seien (Ω, A,µ) ein Maßraum und f : Ω R A-B-messbar. (i) heißt (µ-)quasiintegrierbar : f + dµ < oder f dµ <. (ii) Das (µ-)integral von f ist alsdann definiert als fdµ:= f + dµ f dµ. (iii) Gelten f + dµ < und f dµ <, soheißtf (µ-)integrierbar. (Anstatt µ-integrierbar wird gelegentlich Lebesgue-integrierbar bzgl. µ geschrieben. Diese Schreibweise wird nur in Abschnitt 6 benutzt, um die Redeweise, dass das Lebesgue-Stieltjes-Integral eine Konkretisierung des Lebesgue-Integrals sei, verständlich zu machen.) (iv) Mit M (oder auch M(A) bzw. M(Ω, A,µ))wirddieMengedermessbaren Funktionen f :(Ω, A) (R, B) bezeichnet. (v) Mit L 1 (oder auch L 1 (A) bzw. L 1 (Ω, A,µ))wirddieMengeder(µ-)integrierbaren Funktionen f : Ω R bezeichnet. (vi) Mit L 1 q (oder auch L 1 q(µ) bzw. L 1 q(ω, A,µ))wirddieMengeder(µ-)quasiintegrierbaren Funktionen f : Ω R bezeichnet. (vii) Sind die Funktionen f : Ω R aus (iv), (v) und (vi) reellwertig, al- 35
39 4AllgemeineIntegrationstheorie,Lebesgue-Integral so A-B-messbar, so wird M(Ω, A), M(A), M, L 1 (Ω, A,µ), L 1 (µ), L 1, L 1 q(ω, A,µ), L 1 q(µ), L 1 q anstatt M(Ω, A), M(A), M, L 1 (Ω, A,µ), L 1 (µ), L 1, L 1 q (Ω, A,µ), L1 q (µ), L1 q geschrieben. Notiz 4.17: Ist in Definition 4.16 f nicht-negativ, so stimmen die Integralbegriffe in Definition 4.16 (iii)unddefinition4.9 überein. Notiz 4.18: Es gelten folgende Inklusionsbeziehungen: (1) E M + L 1 q M (2) L 1 L 1 q (3) E M + L 1 q M (4) L 1 L 1 q (5) M + M + (6) M M (7) L 1 q L 1 q (8) L 1 L 1 Definition 4.19: Bei verschiedenen Anlässen ist es kommod, mehrere Integralschreibweisen zur Verfügung zu haben. In diesem Sinne haben folgende Schreibweisen äquivalente Bedeutung: (i) fdµ (ii) fdµ Ω (iii) f(w) dµ Ω 36
40 4AllgemeineIntegrationstheorie,Lebesgue-Integral (iv) f(w) dµ(w) Ω (v) fdµ(w). Ω Bemerkung 4.20: Ist (Ω, A,P) ein Wahrscheinlichkeitsraum, so wird fdpin der Wahrscheinlichkeitstheorie als Erwartungswert von f bezeichnet. Definition 4.21: Das λ n -Integral heißt Lebesgue-Integral. Anstatt fdλ n wird häufig auch f(x) dλ n (x) oder f(x) dx geschrieben. Bemerkung 4.22: Seien (Ω, A,µ) ein Maßraum und f M. Danngilt f L 1 f L 1. Notiz 4.23: Seien (Ω, A,µ) ein Maßraum und f M. Danngilt f L 1 g L 1 : f g. Lemma 4.24: Seien (Ω, A,µ) ein Maßraum und f M. Danngilt f L 1 f 1,f 2 L 1 M + : f = f 1 f 2. In diesem Fall gilt fdµ= f 1 dµ f 2 dµ. Notiz 4.25: Sei (Ω, A,µ) ein Maßraum. Dann gelten 37
41 4AllgemeineIntegrationstheorie,Lebesgue-Integral (i) Mit f L 1 und c R ist auch cf L 1 und es gilt (Homogenität) cf dµ = c fdµ (ii) Sind f 1,f 2 L 1 und ist f 1 + f 2 auf ganz Ω definiert, dann gilt (f 1 + f 2 ) dµ = f 1 dµ + f 2 dµ (Additivität) Notiz 4.26: Sei (Ω, A,µ) ein Maßraum. Dann gelten (i) Ist f L 1 q und c R,dannistauchcf L1 q und es gilt (Homogenität) cf dµ = c fdµ (ii) Sind f 1,f 2 L 1 q und f 1 + f 2 sowie f 1 dµ + f 2 dµ wohldefiniert. so gilt (f 1 + f 2 ) dµ = f 1 dµ + f 2 dµ (Additivität) Notiz 4.27: Sei (Ω, A,µ) ein Maßraum. Dann ist L 1 ein R-Vektorraum. Bemerkung 4.28: Seien (Ω, A,µ) ein Maßraum und f,g L 1 q.danngelten (i) f g fdµ gdµ (Monotonie) 38
42 4AllgemeineIntegrationstheorie,Lebesgue-Integral (ii) fdµ f dµ. Notiz 4.29: Seien (Ω, A,µ) ein Maßraum und f L 1 q.danngilt: f 1 S L 1 q ( S A). Notiz 4.29 rechtfertigt folgende Definition. Definition 4.30: Seien (Ω, A,µ), f M sowie S A. Istf 1 S L 1 q,sowird das µ-integral von f über S genannt. fdµ:= f 1 S dµ S Notiz 4.31: Seien (Ω, A,µ) ein Maßraum, f L 1 q sowie (S n) n N ein Mengensystem paarweise disjunkter Mengen aus A. Danngilt: S n n=1 fdµ= fdµ. n=1 S n Definition 4.32: Sei (Ω, A,µ) ein Maßraum. Eine Menge N A mit µ(n) = 0 heißt eine (µ-)nullmenge. Beispiel 4.33: (i) Die Sphären S n := {x R n+1 x =1} sind λ n+1 -Nullmengen ( n N). (ii) Der Torus S 1 S 1 ist eine λ 4 -Nullmenge. 39
43 4AllgemeineIntegrationstheorie,Lebesgue-Integral (iii) Alle Hyperebenen des R n sind λ n -Nullmengen. Definition 4.34: Seien (Ω.A,µ) ein Maßraum und E eine für alle ω Ω erklärte Eigenschaft (z.b. punktweise Konvergenz einer Funktionenfolge). E besteht (µ-) fast überall (kurz: E (µ-) f.ü.) : N A : µ(n) =0und E(ω) gilt für alle ω Ω N. Satz 4.35: Seien (Ω, A,µ) ein Maßraum und f M +.Danngilt: fdµ=0 f =0 µ-f.ü. Notiz 4.36: Seien (Ω, A,µ) ein Maßraum, N eine µ-nullmenge und f M.Danngelten: (i) 1 N f L 1, (ii) fdµ=0. N Satz 4.37: Seien (Ω, A,µ) ein Maßraum sowie f 1,f 2 M mit f 1 = f 2 µ-f.ü. Dann gelten: (1) f 1 L 1 q f 2 L 1 q und in diesem Fall gilt f1 dµ = f 2 dµ. (2) f 1 L 1 f 2 L 1 und in diesem Fall gilt f1 dµ = f 2 dµ. Lemma 4.38: Seien (Ω, A,µ) ein Maßraum und f 1,f 2 L 1 q mit f 1 f 2 µ-f.ü. Dann gilt f 1 dµ f 2 dµ. 40
44 4AllgemeineIntegrationstheorie,Lebesgue-Integral Satz 4.39: Seien (Ω, A,µ) ein Maßraum, µ σ-endlich und f 1,f 2 L 1 q.danngelten (i) f 1 dµ f 2 dµ ( S A) f 1 f 2 µ-f.ü., S S (ii) f 1 dµ = f 2 dµ ( S A) S S f 1 = f 2 µ-f.ü.. Definition 4.40: Seien (Ω, A,µ) ein Maßraum, M Ω und f : M R eine Funktion. (1) f heißt (µ)-fast überall definiert (kurz: (µ)-f.ü. definiert), wenn Ω M Teilmenge einer µ-nullmenge N ist. (2) Existiert ein g M mit g = fµ-f.ü., so heißt f (µ)-fast überall messbar (kurz: (µ)-f.ü. messbar). Definition 4.41: Seien (Ω, A,µ) ein Maßraum und fµ-f.ü. messbar: (1) f heißt (µ)-quasiintegrierbar : g L 1 q mit g = fµ-f.ü. (2) f heißt (µ)-integrierbar : g L 1 mit g = fµ-f.ü. In beiden Fällen heißt dann die erweitert-reelle Zahl fdµ:= gdµdas (µ-)integral von f. Bemerkung 4.42: Es ist klar, dass alle bisherigen Aussagen zur Integrationstheorie ihre Gültigkeit behalten, wenn die in den jeweiligen Aussagen auftretenden Funktionen nur µ- f.ü. definiert bzw. nur µ-f.ü. messbar sind. Die Bedeutung der Bildmaße in der Wahrscheinlichkeitstheorie wurde bereits in Abschnitt 3 erwähnt. Bezüglich Bildmaßen zeigt die Integration ein sehr angenehmes Verhalten. Satz 4.43: Seien (Ω.A), ( Ω, Ã) Messräume sowie S :(Ω, A) ( Ω, Ã) und f :( Ω, Ã) 41
45 4AllgemeineIntegrationstheorie,Lebesgue-Integral (R, B) seien messbar. Weiter seien µ ein Maß auf A und µ S das Bildmaß von µ auf Ã. Danngelten: (i) f S L 1 q (µ) f L1 q (µ S), (ii) f S L 1 (µ) f L 1 (µ S ). (iii) In beiden Fällen gilt f Sdµ= fdµ S. Ω Ω Satz 4.44: Es seiendie VoraussetzungenvonSatz4.43gegeben. Dann gelten für allem Ã: (i) Ist f Sdµdefiniert, so auch fdµ S (und umgekehrt). M S 1 (M) (ii) Existiert eines der Integrale aus (i), so gilt auch S 1 (M) f Sdµ= fdµ S. Mit dem Satz von Levi wurde bereits ein wichtiger Konvergenzsatz vorgestellt. Es folgen weitere Konvergenzsätze, darunter der Hauptsatz derkonvergenztheorie von Lebesgue über die majorisierte Konvergenz. Satz 4.45 (Lemma von Fatou): Seien (Ω, A,µ) ein Maßraum und (f n ) n N eine Funktionenfolge aus M.Existiert eine Funktion f L 1 (µ) mit f f n ( n N), sosindallef n sowie lim inf f n aus L 1 q und es gilt M lim inf f n dµ lim inf f n dµ. 42
46 4AllgemeineIntegrationstheorie,Lebesgue-Integral Korollar 4.46 (Dual zum Lemma von Fatou): Seien (Ω, A,µ) ein Maßraum und (f n ) n N eine Funktionenfolge aus M.Existiert eine Funktion f L 1 (µ) mit f f n ( n N), sosindallef n sowie lim sup f n aus L 1 q und es gilt lim sup f n dµ lim sup f n dµ. Nebenseiner eigenständigenbedeutungist das LemmavonFatou das wichtigste beweistechnische Hilfsmittel im nachstehenden Hauptsatz der Konvergenztheorie. Theorem 4.47 (Lebesgue; Satz von der majorisierten Konvergenz): Seien (Ω, A,µ) ein Maßraum und (f n ) n N eine µ-f.ü. auf Ω konvergente Folge aus M.ExistierteineFunktiong L 1 (µ) mit f n gµ-f.ü. ( n N),sogilt f n L 1 (µ) ( n N) und es existiert ein f L 1 (µ), sodass(f n ) n N µ-f.ü. gegen f konvergiert, und es gilt lim f n dµ = fdµ. Notiz 4.48: Da Funktionenreihen spezielle Funktionenfolgen sind, gilt dersatzvonlebesgue natürlich wörtlich auch für Funktionenreihen. Beispiel 4.49: Sei P ein Wahrscheinlichkeitsmaß auf (R, B) und h : R R definiert durch t arctan(xt) dp (x). R Es wird gezeigt, dass h stetig auf R ist. Seien hierzu t 0 R und (t k ) k N eine Folge aus R mit t k t 0.Wegender k Stetigkeit von arctan folgt arctan(t k x) arctan(t 0 x). k 43
47 4AllgemeineIntegrationstheorie,Lebesgue-Integral Für die Funktionenfolge (H k ) k N0 mit H k (x) :=arctan(t k x) ( k N 0, x R) gilt H k (x) π 2 1 R. Wegen P (R) =1ist die Majorante π 2 1 R P -integrierbar und mittels des Satzes von Lebesgue folgt lim h(t k)= lim k k d.h. die Stetigkeit von h in t 0. H k dp = H 0 dp = h(t 0 ), Die folgenden vier Sätze benutzen den Satz von der majorisierten Konvergenz als wesentliches Beweishilfsmittel. Satz 4.50: Seien (Ω, A,µ) ein Maßraum mit endlichem Maß und (f n ) n N eine Funktionenfolge mit f n L 1 (µ),diegleichmäßig gegen eine reelle Funktion f konvergiert. Dann gelten (1) f L 1 (µ), (2) lim f n dµ = fdµ. Beweis: Es gilt ε > 0 n(ε) N n n(ε) : f n f < ε. (*) Insbesondere gilt auch lim f n = f.wegenf n L 1 (µ) sind alle f n,f =limf n sowie alle f n f messbar. 44
48 4AllgemeineIntegrationstheorie,Lebesgue-Integral Wegen (*) gilt n n(ε) : f < f n + ε. Da µ endlich ist, folgt ε + f n L 1 (µ), woraussich(1)ergibt.folglichsind auch alle f n f L 1 (µ). Wegen (*) und des Theorems von Lebesgue erhält man lim (f n f) dµ = lim(f n f) dµ =0 (**) und weiter lim f n dµ fdµ = lim( = lim f n dµ fdµ) (f n f) dµ [ ] = 0 und somit die Behauptung (2). In der Riemannschen Integrationstheorie ist die Vertauschung von Integration und Limiten gleichmäßig konvergenter Funktionenfolgen der einzige Konvergenzsatz von Relevanz. Hier ist der entsprechende Satz nur eine triviale Folgerung des Lebesgueschen Konvergenzsatzes. Der folgende Satz gilt in der Riemannschen Theorie nur für C 1 -Funktionen. (Beachte, dass mit f differenzierbar, f i.a. nicht Riemann-integrierbar ist.) Satz 4.51: f :[a, b] R sei differenzierbar und f beschränkt (aber nicht notwendig stetig!). Dann ist f λ [a,b] B -integrierbar und es gilt (mit λ := λ [a,b] B ) b a f d λ = f(b) f(a). 45
49 4AllgemeineIntegrationstheorie,Lebesgue-Integral Im Folgenden wird für Einschränkungen von λ n auf Spur-σ-Algebren kurzer Hand auch wieder λ n geschrieben. Missverständnisse können nicht entstehen. Satz 4.52 (Stetigkeit von Parameterintegralen): Seien (Ω, A,µ) ein Maßraum, (M,d) ein metrischer Raum und f : M Ω R genüge den folgenden Bedingungen: (1) f(t, ) L 1 ( t M). (2) In einem t 0 M sei f(, ω) :M R stetig für µ-fast alle ω Ω. (3) Zu dem t 0 aus (2) gibt es eine Umgebung V von t 0 und ein F M + L 1, so dass für alle t V gilt f(t, ) F µ-f.ü. Dann ist die Funktion G : M R mit G(t) := f(t, ω) dµ(ω) ( t M) stetig in t 0. Satz 4.53 (Differentiation unter dem Integralzeichen bei Parameterintegralen): Seien (Ω, A,µ) ein Maßraum, J R ein Intervall und f : J Ω R genüge den folgenden Bedingungen: (1) f(t, ) L 1 ( t J). (2) f t (t 0, ω) existiert für alle ω Ω. (3) Es gibt eine Umgebung V von t 0 und ein F M + L 1,sodassfür alle t V J mit t t 0 gilt f(t, ω) f(t 0, ω) t t 0 F (ω) µ-f.ü. 46
50 4AllgemeineIntegrationstheorie,Lebesgue-Integral Dann ist die Funktion G : J R mit G(t) := f(t, ω) dµ(ω) ( t J) in t 0 differenzierbar, f t (t 0, ) ist µ-integrierbar, und es gilt G (t 0 )= f t (t 0, ω) dµ(ω). Mittels sog. Dichten lassen sich aus gegebenen Maßen durch Integration neue Maße bilden. Für die Wahrscheinlichkeitstheorie von besonderem Interesse ist der Fall, dass diese neuen Maße Wahrscheinlichkeitsmaße sind. Satz und Definition 4.54: Seien (Ω, A,µ) ein Maßraum und f M +.Dannwirddurch ein Maß auf A definiert. Dafür schreibt man kurz ν = fµ. ν(a) := fdµ ( A A) A f heißt eine µ-dichte (von ν). λ n -Dichten werden auch Lebesgue-Dichten genannt. Satz 4.55: Seien (Ω, A,µ) ein Maßraum, f M + und ν = fµ.danngiltfür jedes g M + : gdν = fg dµ. Notiz 4.56: Seien (Ω, A,µ) ein Maßraum, f,g M + und ν = fµ und η = gν. Danngilt g(fµ)=(gf)µ. 47
51 4AllgemeineIntegrationstheorie,Lebesgue-Integral Lemma 4.57: Seien (Ω, A,µ) ein Maßraum, f,g M +.Danngelten (i) f = gµ-f.ü. fµ = gµ. (ii) Ist f oder gµ-integrierbar, so gilt in (i) auch die Umkehrung. Notiz 4.58: Seien (Ω, A,µ) ein Maßraum, K ein Halbring über Ω mit σ(k) =A sowie ν ein σ-endliches Maß auf K, sofolgtausν(s) = fdµ( S K) bereits S ν = fµ. Beispiel 4.59: Durch f(x) := 1 ) exp ( x2 2π 2 ( x R) wird eine λ-dichte definiert. Das hierdurch induzierte Wahrscheinlichkeitsmaß N(0, 1) auf B mit N(0, 1)(S) = f(x) dλ(x) ( S I 1 ) S heißt die Normalverteilung mit dem Erwartungswert 0 und der Varianz 1.Man spricht auch von der standardisierten Normalverteilung. Es wird nun ein bereits in Abschnitt 2 angesprochener Sachverhalt präzisiert. Ein Wahrscheinlichkeitsraum (Ω, A,P) heißt diskret, wenn Ω abzählbar und A = P(Ω) gilt. Ist w die Wahrscheinlichkeitsfunktion von P,sogilt P (A) = ω A w(ω) ( A P(Ω)). Es gilt dann 48
52 4AllgemeineIntegrationstheorie,Lebesgue-Integral Satz 4.60: Sei (Ω, P(Ω),P) ein diskreter Wahrscheinlichkeitsraum. Dann ist die Wahrscheinlichkeitsfunktion w von P eine Dichte von P bzgl. des Ω-Zählmaßes auf P (Ω). Definition 4.61: Seien (Ω, A,µ) ein Maßraum und ν ein weiteres Maß auf A. ν heißt µ-stetig, wenn jede µ-nullmenge auch eine ν-nullmenge ist. Man schreibt hierfür kurz ν µ. Ein Maß ν auf B n heißt absolut stetig,wennν λ n gilt. Im Falle eines endlichen Maßes hat der Begriff µ-stetigkeit eine formale Ähnlichkeit mit dem ε-δ-kriterium der Stetigkeit. Satz 4.62: Seien (Ω, A,µ) ein Maßraum und ν ein endliches Maß auf A.Danngilt: ν µ ε > 0 δ(ε) > 0 S A : µ(s) δ(ε) ν(s) ε. Theorem 4.63 (Radon-Nikodym): Seien (Ω, A) ein Messraum, µ, ν Maße auf A und µ σ-endlich. Dann sind äquivalent (i) ν besitzt eine µ-dichte (ii) ν µ. Dieses Theorem besitzt bedeutende Anwendungen in der Wahrscheinlichkeitstheorie und in der Mathematischen Statistik; exemplarisch sei erwähnt, dass sich mittels ihm die Existenz bedingter Erwartungen nachweisen lässt. Aufgrund der Bedeutung der Bildmaße in der Wahrscheinlichkeitstheorie liegt es auf der Hand nach der Dichte eines Bildmaßes zu fragen, insofern das ausgäng- 49
53 4AllgemeineIntegrationstheorie,Lebesgue-Integral liche Wahrscheinlichkeitsmaß eine Dichte besitzt. Unter gewissen Voraussetzungen gestattet der folgende Satz eine Beantwortung dieserfrage: Satz 4.64 (Transformationssatz für Dichten): Seien P ein Wahrscheinlichkeitsmaß auf B mit P = fλ n und g =(g 1,...,g n ): R n R n stetig differenzierbar mit (1) detj g (x) :=det (2) g ist injektiv. ( (g1,...,g n) (x 1,...,x n) ) 0 ( x R n ) Dann gilt: g 1 : g(r n ) R ist messbar und eine Dichte G des Bildmaßes P g wird gegeben durch f(g 1 (t)) J G(t) = g(g 1 (t)), falls t g(rn ). 0, sonst Beispiel 4.65: Seien (a, σ) R R +.AnwendungvonSatz4.64 auf g(x) :=σx+a ( x R) liefert als Dichte des Bildmaßes N(a, σ 2 ):=N(0, 1) g die λ-dichte G(t) = 1 ) ( σ 2π exp (t a)2 2σ 2 ( t R) Das Wahrscheinlichkeitsmaß N(a, σ 2 ) heißt Normalverteilung mit Erwartungswert a und Varianz σ 2. Die Normalverteilungen N(a, σ 2 ) gehören zu den wichtigsten Wahrscheinlichkeitsmaßen in der Wahrscheinlichkeitstheorie. Der Rest dieses Abschnitts behandelt nur noch Aussagen, die spezifisch auf das Lebesgue-Integral ausgerichtet sind. Neben dem Hauptsatz der Differentialund Integralrechnung handelt es sich um Rechenregeln für das Lebesgue-Integral. 50
54 4AllgemeineIntegrationstheorie,Lebesgue-Integral Definition 4.66: f :[a, b] R heißt absolut stetig : ε > 0 δ(ε) > 0 n N i N n [a i,b i ] [a, b] : n ([a i,b i ] [a j,b j ]= für i j und a i b i < δ(ε)) n f(a i ) f(b i ) < ε i=1 Notiz 4.67: Für f :[a, b] R gelten (i) f absolut stetig f stetig, (ii) f absolut stetig f ist λ-f.ü. differenzierbar, (iii) f Lipschitz-stetig f absolut stetig, (iv) f stetig differenzierbar f absolut stetig. Lemma 4.68 (Vitali): Jede absolut stetige Funktion f :[a, b] R mit f =0λ-f.ü. ist konstant. Theorem 4.69 (Lebesgue-Vitali; Hauptsatz der Differential- und Integralrechnung für das Lebesgue-Integral): (1) Ist f :[a, b] R Lebesgue-integrierbar, so ist i=1 x F (x) := f(s) ds a ( x [a, b]) absolut stetig mit F = f λ-f.ü. (2) Ist F :[a, b] R absolut stetig und setzt man F (x) :=0in den Punkten x aus [a, b], indenenf nicht differenzierbar ist, so ist F Lebesgue- 51
55 4AllgemeineIntegrationstheorie,Lebesgue-Integral integrierbar mit x F (x) F (a) = F (s) ds a ( x [a, b]) Lemma 4.70 (Partielle Integration): Sind f,g :[a, b] R absolut stetig, so gilt b a b f (x)g(x) dx = fg b a f(x)g (x) dx (Dabei sind f und g fallsnötig wie in Theorem 4.69 (2) aufzufassen.) Lemma 4.71 (Substitutionsregel): Ist ϕ :[α, β] R monoton wachsend und absolut stetig sowie f L 1 ([ϕ(α), ϕ(β)]), sogilt (i) (f ϕ) ϕ L 1 ([α, β]) und (ii) ϕ(β) ϕ(α) f(x) dx = β f(ϕ(s)) ϕ (s) ds. α (Dabei ist ϕ fallsnötig wie in Theorem 4.69 (2) aufzufassen.) Theorem 4.72 (Transformationssatz für das Lebesgue-Integral): Seien M R n, M offen, T : M R n injektiv und stetig differenzierbar sowie detj T (v) 0für alle v M. WeiterseienU R n messbar mit U M und f : T (U) R Lebesgue-integrierbar. Dann ist auch die Funktion T f : U R; u (T f)(u) :=f(t (u)) detj T (u) a 52
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.
MehrFerienkurs in Maß- und Integrationstheorie
Zentrum Mathematik Technische Universität München Dipl. Math. Wolfgang Erb WS 9/ Übungsblatt Ferienkurs in Maß- und Integrationstheorie Aufgabe. (σ-algebren Sei eine Menge und A eine σ-algebra in. Seien
MehrLehrstuhl IV Stochastik & Analysis. Stochastik II. Wahrscheinlichkeitstheorie I. Skriptum nach einer Vorlesung von Hans-Peter Scheffler
Fachschaft Mathematik Uni Dortmund Lehrstuhl IV Stochastik & Analysis Stochastik II Wahrscheinlichkeitstheorie I Skriptum nach einer Vorlesung von Hans-Peter Scheffler Letzte Änderung: 26. November 2002
MehrStochastik I. Vorlesungsmitschrift
Stochastik I Vorlesungsmitschrift Ulrich Horst Institut für Mathematik Humboldt-Universität zu Berlin Inhaltsverzeichnis 1 Grundbegriffe 1 1.1 Wahrscheinlichkeitsräume..................................
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
MehrA. Maß- und Integrationstheorie
A. Maß- und Integrationstheorie Im folgenden sind einige Ergebnisse aus der Maß- und Integrationstheorie zusammengestellt, die wir im Laufe der Vorlesung brauchen werden. Für die Beweise der Sätze sei
Mehr1 Konvergenz im p ten Mittel
Konvergenz im p ten Mittel 1 1 Konvergenz im p ten Mittel In diesem Paragraphen werden zunächst in Abschnitt 1.1 die L p Räume eingeführt. Diese erweisen sich als vollständige, lineare Räume über R. In
MehrMaße 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
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
Mehr2 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
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,
MehrLemma (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
MehrMaßtheorie. Skript zur Vorlesung von Prof. Dr. Michael Kohler. Sommersemester 2005 und Wintersemester 2005/2006
Maßtheorie Skript zur Vorlesung von Prof. Dr. Michael Kohler Sommersemester 2005 und Wintersemester 2005/2006 1 1 Grundbegriffe der Maßtheorie Ziel: Konstruktion von Maßzahlen (wie z. B. Länge / Fläche
MehrKapitel 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
MehrReelle Analysis. Vorlesungsskript. Enno Lenzmann, Universität Basel. 11. Oktober 2013
Reelle Analysis Vorlesungsskript Enno Lenzmann, Universität Basel 11. Oktober 2013 3 Fortsetzung von Prämassen zu Massen Der Begriff des Prämasses ist nicht ausreichend, um eine geschmeidige Integrationstheorie
Mehr2 Allgemeine Integrationstheorie
2 Allgemeine Integrationstheorie In diesem Abschnitt ist (,S,µ) ein Maßraum, und wir betrachten R immer mit der σ Algebra B(R). Ziel ist es, messbare Funktionen f : R zu integrieren. Das Maß µ wird uns
MehrMusterlösung 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)
MehrSerie 2 Lösungsvorschläge
D-Math Mass und Integral FS 214 Prof. Dr. D. A. Salamon Serie 2 Lösungsvorschläge 1. Seien folgende Mengen gegeben: und für a, b R R := [, ] := R {, }, (a, ] := (a, ) { }, [, b) := (, b) { }. Wir nennen
MehrMathematik III. Vorlesung 71
Prof. Dr. H. Brenner Osnabrück WS 2010/2011 athematik III Vorlesung 71 Ausschöpfungseigenschaften Die folgenden Rechenregeln für Integrale beruhen auf dem Ausschöpfungssatz für aße. an kann den Subgraphen
MehrMaß- und Integrationstheorie
Maß- und Integrationstheorie Klaus Ritter Kaiserslautern, SS 2014 Literatur Insbesondere J. Elstrodt, Maß- und Integrationstheorie, Springer, Berlin, 1. Auflage 1996, 7. Auflage 2011. Vorkenntnisse Grundlagen
MehrARBEITSUNTERLAGEN ZUR VORLESUNG UND ÜBUNG AN DER UNIVERSITÄT DES SAARLANDES MAß-, INTEGRATIONS-
ARBEITSUNTERLAGEN ZUR VORLESUNG UND ÜBUNG AN DER UNIVERSITÄT DES SAARLANDES MAß-, INTEGRATIONS- und WAHRSCHEINLICHKEITSTHEORIE im SS 2014 Übung Maß- und Integrationstheorie (SS 2014) 1 Aufgabe 1 (σ-algebra)
MehrGrundlagen Mengenlehre, Maßtheorie
Grundlagen Mengenlehre, Maßtheorie 12. März 2011 1 Grundlagen der Mengenlehre - Rechnen mit Mengen Im folgenden bezeichnen wir mit P(X) die Menge aller Teilmengen von X, die sogenannte Potenzmenge von
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
MehrMeßbare Funktionen. bilden die Grundlage der Integrationstheorie. Definition 24.1 :
24 Meßbare Funktionen bilden die Grundlage der Integrationstheorie. Definition 24. : Sei X eine beliebige Menge, Y ein topologischer Raum, λ ein Maß auf X. f : X Y heißt λ-messbar, falls f (Ω) λ-messbar
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
MehrScheinklausur 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:
MehrAnalysis 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
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
Prof. Dr. D. Castrigiano Dr. M. Prähofer Zentralübung 38. Einschränkung eines Maßes TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Mathematik für Physiker 4 (Analysis 3) http://www.ma.tum.de/hm/ma9204
MehrListe 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
Mehrσ-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
MehrSkript 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.....................................
MehrMeßbare Funktionen. Die angemessenen Abbildungen zwischen Meßräumen sind die meßbaren Funktionen.
Meßbare Funktionen Die angemessenen Abbildungen zwischen Meßräumen sind die meßbaren Funktionen. Definition. Seien (X, Ω 1 ) und (Y, Ω 2 ) Meßräume. Eine Abbildung f : X Y heißt Ω 1 -Ω 2 -meßbar oder kurz
MehrDas 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
MehrStochastik. 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
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,
Mehr3 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
MehrAnalysis III, WS 2011/2012 Montag $Id: masse.tex,v /10/31 15:48:07 hk Exp $
$Id: masse.tex,v 1.8 2011/10/31 15:48:07 hk Exp $ 2 Maßräume 2.2 Meßbare Abbildungen Der nächste Grundbegriff sind die meßbaren Abbildungen. Erinnern Sie sich daran das wir eigentlich einen Integralbegriff
MehrFunktionalanalysis und Integrationstheorie
Funktionalanalysis und Integrationstheorie Vorlesungsnotizen Johannes Kepler Universität Linz Technisch-Naturwissenschaftliche Fakultät Institut für Analysis Prof. Dr. Aicke Hinrichs Wintersemester 2015/16
MehrMaß und Integral I und II. SS 2004 und WS 2004/05
Maß und Integral I und II SS 2004 und WS 2004/05 Vorlesung von Priv.-Doz. Dr. J. Dippon unter Verwendung einer Vorlesung von Prof. Dr. H. Walk im SS 2003 Inhaltsverzeichnis Bezeichnungen 3 1 Grundbegriffe
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
MehrUniversität 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
Mehr1 falls x 2. falls x = 1 und. 0 falls x > 1. eine Lebesgue-integrierbare Majorante. Somit können wir den Satz von Lebesgue anwenden:
Lösungsvorschläge zur Klausur 045 Maß- und Integrationstheorie WS 205/6 Lösungsvorschlag zu Aufgabe Sei f n der Integrant 0 falls x > 2 und f n x) falls x 2. 3+sin 2n)+x x 4n Sein punktweiser Grenzwert
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
MehrVorlesungsskript,,Integrationstheorie
Vorlesungsskript,,Integrationstheorie Christoph Kühn aktuelle Version: 15. Februar 2013 Das Skript wird parallel zur Vorlesung im Wintersemester 2012/13 aufgebaut, Hinweise auf Fehler sind sehr willkommen.
MehrI Grundbegriffe 1 1 Wahrscheinlichkeitsräume Bedingte Wahrscheinlichkeiten und Unabhängigkeit Reellwertige Zufallsvariablen...
Inhaltsverzeichnis I Grundbegriffe 1 1 Wahrscheinlichkeitsräume......................... 1 2 Bedingte Wahrscheinlichkeiten und Unabhängigkeit........... 7 3 Reellwertige Zufallsvariablen........................
Mehr1 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
MehrWahrscheinlichkeitstheorie und Maßtheorie
KAPITEL 7 Wahrscheinlichkeitstheorie und Maßtheorie 7.1. Vorüberlegungen Die folgenden drei Beispiele sind Spezialfälle des Oberbegriffs Maß. Beispiel 7.1.1 (Verteilung der Ladung oder der Masse). Man
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
Mehr3 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
MehrStudienbegleitende 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
MehrAnalysis III. Vorlesung 61
Prof. Dr. H. Brenner Osnabrück WS 2014/2015 Analysis III Vorlesung 61 In diesem Kurs beschäftigen wir uns mit dem Flächeninhalt von ebenen Gebilden und den Volumina von räumlichen Gebilden. Für ein Rechteck
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
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
MehrAnalysis 2. Vorlesungsausarbeitung zum SS von Prof. Dr. Klaus Fritzsche. Inhaltsverzeichnis
Bergische Universität Gesamthochschule Wuppertal Fachbereich Mathematik Analysis 2 Kapitel 3 Integrationstheorie Vorlesungsausarbeitung zum SS 2001 von Prof Dr Klaus Fritzsche Inhaltsverzeichnis 1 Maßtheorie
MehrTeil 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
MehrMaßtheoretische Konzepte der Stochastik
Maßtheoretische Konzepte der Stochastik Sommersemester 2016 Mathias Trabs Universität Hamburg 17. November 2016 Inhaltsverzeichnis 1 Wozu brauchen wir Maßtheorie? in Beispiel. 2 2 σ-algebren und Maße 4
MehrMathematik III. Prof. Dr. H. Brenner Osnabrück WS 2010/2011. Vorlesung 62 In diesem Kurs beschäftigen wir uns mit dem
Prof. Dr. H. Brenner Osnabrück WS 2010/2011 Mathematik III Vorlesung 62 In diesem Kurs beschäftigen wir uns mit dem Flächeninhalt von ebenen Gebilden und den Volumina von räumlichen Gebilden. Für ein Rechteck
MehrHöhere Analysis. dω = Reiner Lauterbach. Vorlesung. Universität Hamburg, WS 2015/2016
Höhere Analysis Vorlesung Reiner Lauterbach M dω = M ω Universität Hamburg, WS 2015/2016 ii Inhaltsverzeichnis 12 Integration im R n 5 12.1 Mengenalgebren............................ 6 12.2 Inhalt und
MehrMaximale Generatoren Integral Stochastischer Ordnungen - Fortsetzung Eigenschaften von stochastischen Ordnungen Kleine Generatoren
Universität Hamburg Fachbereich Mathematik Schwerpunkt Mathematische Statistik und Stochastische Prozesse Bundesstr. 55 D-20146 Hamburg Maximale Generatoren Integral Stochastischer Ordnungen - Fortsetzung
MehrMaß- und IntegraÖSR? theorie
Jürgen Elstrodt Maß- und IntegraÖSR? theorie J il Springer Inhaltsverzeichnis Kapitel I. a-algebren und Boreische Mengen 1. Das Inhaltsproblem und das Maßproblem 2. Bezeichnungen und mengentheoretische
MehrMaße 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
MehrKONSTRUKTION VON MASSEN
KONSTRUKTION VON MASSEN MARCUS HEITEL 1. Einleitung Wir wollen im Folgenden das Lebesguemaß konstruieren. Dieses soll die Eigenschaft λ ( [a, b = b a für a, b R besitzen. Nun ist ein Maß aber auf einer
MehrI Grundbegriffe 1 1 Wahrscheinlichkeitsräume Bedingte Wahrscheinlichkeiten und Unabhängigkeit Reellwertige Zufallsvariablen...
Inhaltsverzeichnis I Grundbegriffe 1 1 Wahrscheinlichkeitsräume......................... 1 2 Bedingte Wahrscheinlichkeiten und Unabhängigkeit........... 7 3 Reellwertige Zufallsvariablen........................
MehrD-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/
MehrAnalysis III - Bachelorversion
Analysis III - Bachelorversion Die Mitarbeiter von http://mitschriebwiki.nomeata.de/ 28. September 217 Inhaltsverzeichnis Inhaltsverzeichnis 2 I. Vorwort 5 I.1. Über dieses Skriptum..................................
MehrStochastik 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,
Mehr1 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.
MehrMaß- 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
MehrKapitel I a-algebren und Boreische. 1. Das Inhaltsproblem und das Maßproblem
Kapitel I a-algebren und Boreische Mengen 1. Das Inhaltsproblem und das Maßproblem 2. Bezeichnungen und mengentheoretische Grundlag 1. Bezeichnungen 2. Limes superior und Limes inferior 3. Ringe, Algebren,
Mehr1. 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
MehrDefinitionen und Aussagen zur Maßtheorie
Definitionen und Aussagen zur Maßtheorie Man möchte den Teilmengen eines Raumes ein Gewicht zuordnen. Wir werden sehen, daß dies in sinnvoller Weise häufig nicht für alle Teilmengen möglich ist, sondern
MehrMaßtheorie und Integralrechnung mehrerer Variablen
Maßtheorie und Integralrechnung mehrerer Variablen Jan Swoboda 29. März 2014 Inhaltsverzeichnis Einleitung 1 1 Maßtheorie 3 1.1 Messbare Räume und messbare Abbildungen.................. 3 1.2 Maße und
Mehr1 Verbandstheorie. Aufgabensammlung. Höhere Mathematik für Physiker III Wintersemester 2014
Aufgabensammlung Höhere Mathematik für Physiker III Wintersemester 2014 1 Verbandstheorie 1. Aufgabe: (a) Sei f C(R) eine stetige Funktion. Wenn Rf(x)φ(x)dx = 0 für alle Testfunktionen φ Cc (R) gilt, dann
MehrZusammenfassung Analysis 2
Zusammenfassung Analysis 2 1.2 Metrische Räume Die Grundlage metrischer Räume bildet der Begriff des Abstandes (Metrik). Definition 1.1 Ein metrischer Raum ist ein Paar (X, d), bestehend aus einer Menge
MehrMaß- und Integrationstheorie
Jürgen Elstrodt Maß- und Integrationstheorie Sechste, korrigierte Auflage ö Springer Inhaltsverzeichnis Kapitel I. o-algebren und Boreische Mengen 1 1. Das Inhaltsproblem und das Maßproblem 1 2. Bezeichnungen
Mehr3 Das n-dimensionale Integral
3 Das n-dimensionale Integral Ziel: Wir wollen die Integrationstheorie für f : D R n R entwickeln. Wir wollen den Inhalt (beziehungsweise das Maß ) M einer Punktmenge des R n definieren für eine möglichst
MehrMultiplikationsoperatoren
Multiplikationsoperatoren Dennis Dyck 07.04.2014 1 Einleitung In dem ersten Vortrag des eminars soll es um die Untersuchung von Multiplikationsoperatoren gehen. Es werden grundlegende Eigenschaften hergeleitet
MehrKlausur zur Vorlesung Stochastik II
Institut für Mathematische Stochastik WS 24/25 Universität Karlsruhe 7. März 25 Priv-Doz. Dr. D. Kadelka Klausur zur Vorlesung Stochastik II Dauer: 9 Minuten Name: Vorname: Matrikelnummer: Diese Klausur
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
MehrKapitel II Kontinuierliche Wahrscheinlichkeitsräume
Kapitel II Kontinuierliche Wahrscheinlichkeitsräume 1. Einführung 1.1 Motivation Interpretation der Poisson-Verteilung als Grenzwert der Binomialverteilung. DWT 1.1 Motivation 211/476 Beispiel 85 Wir betrachten
MehrWichtige 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
Mehr8. Formelsammlung. Pr[ ] = 0. 0 Pr[A] 1. Pr[Ā] = 1 Pr[A] A B = Pr[A] Pr[B] DWT 8.1 Gesetze zum Rechnen mit Ereignissen 203/467 Ernst W.
8. Formelsammlung 8.1 Gesetze zum Rechnen mit Ereignissen Im Folgenden seien A und B, sowie A 1,..., A n Ereignisse. Die Notation A B steht für A B und zugleich A B = (disjunkte Vereinigung). A 1... A
MehrWahrscheinlichkeitstheorie und Statistik
Wahrscheinlichkeitstheorie und Statistik Definitionen und Sätze Prof. Dr. Christoph Karg Studiengang Informatik Hochschule Aalen Sommersemester 2018 2.5.2018 Diskrete Wahrscheinlichkeitsräume Diskreter
MehrKonvergenz, Filter und der Satz von Tychonoff
Abschnitt 4 Konvergenz, Filter und der Satz von Tychonoff In metrischen Räumen kann man topologische Begriffe wie Stetigkeit, Abschluss, Kompaktheit auch mit Hilfe von Konvergenz von Folgen charakterisieren.
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
MehrFormelsammlung 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
Mehr10 Der Satz von Radon-Nikodym
uch im Sinne einer Vorabinformation vor der Stochastik-Vorlesung wollen wir abschließend kurz absolut stetige Maße und den Satz von Radon-Nikodym streifen. Definition 10.1. Seien (, M) ein messbarer Raum
MehrSkriptbausteine zur Vorlesung Maßtheorie
Skriptbausteine zur Vorlesung Maßtheorie Vorlesender: Prof. Dr. Bernd Hofmann Der folgende Text soll die Nacharbeit der Vorlesung erleichtern und dabei an Definitionen, Sätze und Beispiele erinnern. Das
MehrAnalysis III. Vorlesung 69. Integrierbare Funktionen
Prof. Dr. H. Brenner Osnabrück WS 2014/2015 Analysis III Vorlesung 69 Integrierbare Funktionen Wir führen nun das Lebesgue-Integral für messbare Funktionen auf einem aßraum ein. Dieser Integralbegriff
MehrKapitel 19. Das Lebesgue Maß σ Algebren und Maße
Kapitel 19 Das Lebesgue Maß 19.1 σ Algebren und Maße 19.2 Das äußere Lebesgue Maß 19.3 Das Lebesgue Maß 19.4 Charakterisierungen des Lebesgue Maßes 19.5 Messbare Funktionen 19.1 σ Algebren und Maße Wir
MehrDarstellungssatz von Riesz in vollständig regulären Räumen. Carina Pöll Wintersemester 2012
Darstellungssatz von Riesz in vollständig regulären Räumen Carina Pöll 0726726 Wintersemester 2012 Inhaltsverzeichnis 1 Einleitung 1 2 Definitionen und Resultate aus der Topologie 1 3 Der Darstellungssatz
MehrBálint Farkas. Analysis 3. Skript zur Vorlesung in WS2014/ Mai c by B. Farkas. compiled: 21-May-2015/11:13
Bálint Farkas Analysis 3 Skript zur Vorlesung in WS2014/2015 21. Mai 2015 c by B. Farkas V O R B E M E R K U N G E N Dieses Skript beinhaltet das Material der Vorlesung Analysis 3 gehalten an der Bergischen
MehrMetrische äußere Maße, Borel-Maße
Metrische äußere Maße, Borel-Maße Zum einen haben wir mit dem Fortsetzungssatz gesehen, dass man mit einem äußeren Maß (auf P(X) ) stets eine σ-algebra und ein Maß auf dieser bekommt. Liegt nun ein metrischer
MehrLösungsvorschläge für das 5. Übungsblatt
Lösungsvorschläge für das 5. Übungsblatt Aufgabe 6 a) Sei = [0, ], f(x) := [e x ] für x. Hierbei ist [y] := maxk Z k y} für y. Behauptung: f ist messbar und es ist f(x) dx = 2 log 2. falls x [0, log 2),
MehrVorlesung Der Satz von Fubini. 6.2 Der Satz von Beppo Levi 6.1. DER SATZ VON FUBINI 33
6.1. DER SATZ VON FUBINI 33 Vorlesung 6 6.1 Der Satz von Fubini Das Lebesgue-Integralkann natürlichauchüber mehrdimensionale Gebiete definiert werden. Wir haben uns hier auf den eindimenionalen Fallbeschränkt.
MehrMaß- und Integrationstheorie
Maß- und Integrationstheorie Manuskript zur Vorlesung in SS26 Bálint Farkas farkas@mathematik.tu-darmstadt.de Inhaltsverzeichnis Einführung...................................................................
Mehr