5 Brownsche Bewegung (Version )
|
|
- Silvia Küchler
- vor 6 Jahren
- Abrufe
Transkript
1 5 Browsche Bewegug (Versio 3..08) Wir führe zuerst die Defiitio eier Browsche Bewegug ei ud zeige da, dass ei solcher Prozess existiert. Daach beweise wir eie Reihe vo Eigeschafte der Browsche Bewegug, wie das Gesetz vom iterierte Logarithmus ud die Nichtdifferezierbarkeit der Pfade der Browsche Bewegug. 5. Defiitio ud grudlegede Eigeschafte Wir erier zuächst dara, dass ei reellwertiger Prozess (X i ) i I auf eiem Wahrscheilichkeitsraum (Ω, F, P) Gaußprozess heisst, we für jedes m N ud i,..., i m I der Vektor (X i,..., X im ) ormalverteilt ist. Defiitio 5.. Ei reellwertiger stochastischer Prozess (W t ) t 0 auf eiem Wahrscheilichkeitsraum (Ω, F, P) heißt Wieerprozess oder Browsche Bewegug, we die beide folgede Eigeschafte gelte: (i) W ist ei Gaußprozess mit EW t = 0 ud cov(w s, W t ) = s t für alle s, t 0, (ii) t W t (ω) ist stetig für fast alle ω Ω (d.h. W hat stetige Pfade). Bemerkug 5.. Aus de Tatsache, dass EW 0 = 0 ud cov(w 0, W 0 ) = 0 folgt W 0 = 0 fast sicher. Wir zeige die Existez eies solche Prozesses mit dem Satz vo Dosker (wir werde später eie alterative Möglichkeit diskutiere). Sei wie im letzte Kapitel (C, B(C), µ) der Wieerraum, das heißt, B(C) ist die Borelσ-Algebra auf C = C[0, ] ud µ das Wieermaß auf (C, B(C)). Seie W (), W (),... uabhägige (C, B(C))-wertige Zufallsvariable mit Verteilug µ auf eiem Wahrscheilichkeitsraum (Ω, F, P). Wir defiiere W t (ω) := W (k) (ω) + W () t ( ) (ω), falls t <, N. k= Propositio 5.3. Der soebe defiierte Prozess W ist ei Wieerprozess. Beweis. W hat ach Kostruktio stetige Pfade ud ist ei Gaußprozess. Offebar gilt EW t = 0 für alle t 0. Weiter gilt für 0 s t mit m s < m, t < : (( m )( cov(w s, W t ) = E k= W (k) + W (m) )) s (m ) j= W (j) + W () t ( ) = m + (s (m )) = s = s t.
2 Bemerkug 5.4. Ma ka sich frage, ob Eigeschaft (ii) i Defiitio 5. icht automatisch aus (i) folgt. Dass dem icht so ist, zeigt das folgede Argumet. We (W t ) t 0 ei Wieerprozess auf dem Raum (Ω, F, P) ist (also isbesodere stetige Pfade hat), ud X eie vo W uabhägige auf [0, ] gleichverteilte Zufallsgröße, da erfüllt W t (ω) := W t (ω) + X(ω)+Q (t) Eigeschaft (i) vo Defiitio 5., aber W hat icht ur keie stetige Pfade, soder mit Wahrscheilichkeit sid sogar alle Pfade i jedem Pukt ustetig. Propositio 5.5. Ei Wieerprozess (W t ) t 0 hat uabhägige Zuwächse, das heißt für jedes m N ud 0 t 0 < t <... < t m sid die Zufallsgröße W t W t0,..., W tm W tm uabhägig. Beweis. Der Vektor W t W t0,..., W tm W tm ist ormalverteilt mit Erwartugswert 0 ud cov(w ti W ti, W tj W tj ) = δ ij (t i t i ). Da bei eiem ormalverteilte Vektor die Kompoete uabhägig sid geau da we sie ukorreliert sid, folgt die Behauptug. Bemerkug 5.6. Es gilt auch eie Art (eifach zu zeigede) Umkehrug vo Propositio 5.5: Ist (W t ) t 0 ei reeller Prozess mit stetige Pfade ud uabhägige Zuwächse ud ist für jedes 0 s < t < W t W s ormalverteilt mit Erwartugswert Null ud Variaz t s, da ist W ei Wieerprozess. Wir formuliere u wichtige Ivariazeigeschafte des Wieerprozesses. Propositio 5.7. Sei (W t ) t 0 ei Wieerprozess ud seie c, s > 0. Da sid die Prozesse (i) W () t (ω) := W t (ω), t 0, (ii) W () t (ω) := c W c t(ω), t 0, { (iii) W (3) t W/t (ω), t > 0 t (ω) := 0, t = 0 (iv) W (4) t (ω) := W t+s (ω) W s (ω), t 0 ebefalls Wieerprozesse. Beweis. Offesichtlich sid alle W (i) Gaußprozesse. Ma rechet leicht ach, dass sie zetriert sid ud dieselbe Kovariazfuktio wie ei Wieerprozess habe. Weiter habe W (), W () ud W (4) offesichtlich fast sicher stetige Pfade. Ma überzeugt sich sehr leicht davo, dass dies auch für W (3) so ist (da W (3) auf (0, ) stetig ist ud W (3) (0) = 0 ist).
3 5. Das Gesetz vom iterierte Logarithmus Wir formuliere ud beweise u das Gesetz vom iterierte Logarithmus für die Browsche Bewegug. Dazu beötige wir och ei Lemma, welches auch sost sehr ützlich ist. Lemma 5.8. Es gelte folgede Abschätzuge: a) x b) x c) x Beweis. a) x y exp{ dy x y exp{ dy x y exp{ dy π y exp{ dy x x exp{ für x > 0, x exp{ für x, x exp{ für x 0. y y exp{ dy x exp{. x x b) ( Für x > ) 0 gilt e x x x 3 = ( ) 3 exp{ y dy y exp{ dy, x y 4 x woraus mit Teil a) die Behauptug folgt. c) Es gilt für x > 0 d ( e x dx x exp{ y dy ) ( = e x e x + x x exp{ y dy ) 0, wobei das letzte aus Teil a) folgt. Da die Ugleichug i c) offesichtlich für x = 0 gilt, folgt die Behauptug. Satz 5.9. (Gesetz vom iterierte Logarithmus) Sei (W t ) t 0 ei Wieerprozess. Da gilt t W t t log log t = f.s.. Beweis. (ach Durrett: Probability: Theory ad Examples) Wir zeige zuerst, dass die like Seite kleier oder gleich der rechte ist. Sei zuächst g : [0, ) (0, ) mooto ichtfalled ud 0 t 0 t... mit lim t =. We P { W s g(t ) <, (5.) t s t + =0 3
4 da impliziert das erste Borel-Catelli Lemma t W t /g(t) fast sicher. Setze u für α > t = α ud g(t) := α t log log t für hireiched große t. Da gilt für hireiched groß P { W s g(t ) P { t s t + 0 s t + W s g(t ) t+ t+ = P { W s g(t ) = e x 0 s t+ g(t dx )/ t + π t+ { π g(t ) exp g(t ) = α + { t + π α + log(log α ) exp α+ log(log α ) α + = πα log(log α ) exp{ α(log + log log α) c α α, wobei wir Teil a) des obige Lemmas beutzte. Wege α > kovergiert also die Reihe (5.). Da α > beliebig war, folgt somit t W t t log log t f.s.. Nu zeige wir die adere Richtug. Wir wähle wieder t = α mit α >, lasse später aber α gehe. Wähle ( α ) g(t) := t log(log t), α wobei t hireiched groß ist (damit g strikt positiv ist). Es folgt uter Beutzug vo Teil b) vo Lemma 5.8 ud mit β := α α P{W t+ W t g(t + ) = P{ W t + W t t+ t g(t +) t+ t α (α ) π g(α + ) = { exp α + β log(log α + ) α (α ) πβ log( + ) + log log α ( + ) β e β log log α. Die Summe über divergiert ud daher folgt aus dem zweite Borel-Catelli Lemma wege der Uabhägigkeit der Zuwächse vo W, dass fast sicher für uedlich viele gilt: W t+ W t t + β log log t +. Aus dem erste Teil des Beweises wisse wir (wege der Symmetrie der Verteilug vo W ), dass W t t log log t 4
5 fast sicher. Also existiert für fast alle ω zu jedem ε > 0 ei 0 (ε, ω), so dass W t t log log t ( + ε) t + α log log t +( + ε) für alle 0 (ε, ω) gilt, also - mit der Abkürzug γ := t log log t : W t+ γ + = W t + W t γ + + W t γ + β + ε α für uedlich viele. Da α > beliebig war, folgt (mit α ) t W t t log log t fast sicher, womit der Beweis vollstädig ist. Ohe Beweis formuliere wir och das bemerkeswerte allgemeiere Strasse sche Gesetz vom iterierte Logarithmus Satz 5.0. Sei (W t ), t 0 ei Wieerprozess ud für t 3 Y t die durch Y t (s) := W st t log log t, s [0, ] defiierte C-wertige Zufallsgröße. Da ist fast sicher die Mege aller Häufugspukte i C vo Y t gleich H := {f C : f(0) = 0, f abs. stetig ud 0 (f (t)) dt. 5.3 Nichtdifferezierbarkeit der Pfade der Browsche Bewegug Wir zeige u die Nichtdifferezierbarkeit der Pfade der Browsche Bewegug. Satz 5.. Für fast alle ω Ω ist die Abbildug t W t (ω) i keiem Pukt t 0 differezierbar. Beweis. Wir folge dem Beweis i Breima: Probability, der sich wiederum auf eie Arbeit vo Dvoretski, Erdös ud Kakutai stützt. Offesichtlich geügt es, die Aussage für alle t [0, ] zu zeige. Wir fixiere β > 0. Ist f C[0, ] a der Stelle s [0, ] differezierbar mit Ableitug f (s), die f (s) < β erfüllt, da existiert ei 0, so dass für alle 0 ud alle t [0, ] mit t s 3/ folgt, dass f(t) f(s) β t s. Für N sei A = {f C[0, ] : s mit f(t) f(s) β t s für alle t mit t s 3. 5
6 Da gilt A A {f C[0, ] : s mit f diff.bar i s ud f (s) < β. Für f C[0, ] ud k {,..., sei { ( f k + ) ( k + ) (, f k + ) ( k ) (, f k y k (f) := f f f ) Für f A gilt y k (f) 5β für midestes ei k {,...,. Also folgt für ( k ). B := { f : k {,..., so dass y k (f) 5β, dass A B. Es geügt daher, für de Wieerprozess lim P{W [0,] B = 0 zu zeige (für jedes β > 0). Nu gilt P{W [0,] B = P ( k= { y k (W ) 5β ) { { ( W k + ) ( k + ) (, W k + ) ( k ) (, W k ( k ) P W W W ) 5β k= { { ( W 3 ( ) (, W ( ) (, W P W W ) ) ) 5β ( { W ( ) = P 5β ) 3 ( { = P W () 5β ) 3 ( 0β ) 3 0. π Damit ist die Aussage gezeigt. 5.4 Stetigkeitssatz vo Kolmogorov ud Hölderstetigkeit der Pfade Wir formuliere ud beweise zuächst de Stetigkeitssatz vo Kolmogorov, der i der Wahrscheilichkeitstheorie vielfache Awedug fidet. Mit diesem Satz ka ma icht ur die Existez eier stetige Modifikatio der Browsche Bewegug zeige, soder sogar die Hölderstetigkeit der Pfade. Im folgede sei für x R x := x i ud x := { x i : i =,...,. i= Defiitio 5.. Seie I eie Idexmege, (E, E) ei Messraum ud (Z i ) i I ud (Ẑi) i I E- wertige Prozesse auf eiem Wahrscheilichkeitsraum (Ω, F, P). We für jedes i I gilt, dass P{Z i = Ẑi =, da heisst Ẑ eie Modifikatio vo Z. Sid zusätzlich auf I ud E Metrike gegebe (ud ist E die zugehörige Borel-σ-Algebra auf E) ud ist die Abbildug i Ẑi(ω) stetig für (fast) alle ω Ω, da heisst Ẑ stetige Modifikatio vo Z. 6
7 Satz 5.3. (Stetigkeitssatz vo Kolmogorov) Sei (S, d) ei polischer Raum mit vollstädiger Metrik d ud Z t, t [0, ] ei S-wertiger Prozess. We a, b, c > 0 existiere, so dass für alle x, y [0, ] E ( (d(z x, Z y )) a) c x y +b gilt, da hat Z eie stetige Modifikatio Ẑ. Weiter existiert für jedes κ (0, b/a) eie reelle Zufallsvariable Y mit E(Y a ) caκ b ud aκ b { sup d(ẑx(ω), Ẑy(ω)) : x, y [0, ], x y r für jedes r [0, ]. Isbesodere gilt für alle u > 0 { P sup d(ẑx, Ẑy) u x,y [0,] κ Y (ω)rκ (5.) ( ) a c aκ b κ aκ b u a. (5.3) Beweis. Die Aussage (5.3) folgt mit der Markovugleichug sofort aus (5.) mit r = ud der Mometeabschätzug für Y. Für m N sei D m := {(k,..., k ) m ; k,... k {,..., m ξ m (ω) := {d(z x (ω), Z y (ω)) : x, y D m, x y = m. Die ξ m, m N sid messbar, da (S, d) separabel ist. Weiter gilt Daher gilt für κ (0, b a ), ( ) E ( κm ξ m ) a = m= { {x, y D m : x y = m m. κma E(ξm) a m= ( κma E m= {x,y D m, x y = m κma m c m(+b) = c m= ( d(zx (ω), Z y (ω)) ) a ) m= Daher existiert eie Mege Ω 0 F, P(Ω 0 ) = so dass m(b aκ) = caκ b <. aκ b Y (ω) := sup{ κm ξ m (ω) < für alle ω Ω 0. m Weiter gilt ( ) E(Y a ) E ( κm ξ m ) a m= caκ b aκ b. 7
8 Seie x, y D := D so gewählt dass x y r < k, wobei k N 0. Da gibt es eie Folge = x = x, x..., x l = y i D so dass für alle i =,..., l ei (i) k + existiert, so dass x i, x i+ D (i), x i x i+ = (i) ud {i {,..., l : (i) = M für alle M k +. gilt. Für ω Ω 0 ud 0 < r < mit k r < k gilt mit der Dreiecksugleichug für d sup{d(z x (ω), Z y (ω)); x, y D, x y r ξ m (ω) Y (ω) m=k+ m=k+ κm = κ(k+) Y (ω) κ Y κ (ω)rκ. Also ist für jedes ω Ω 0 die Abbildug x Z x (ω) vo D ach S gleichmäßig stetig. Da D dicht i [0, ] liegt ud (S, d) vollstädig ist, lässt sich für jedes ω Ω 0 die Abbildug eideutig zu eier stetige Abbildug Ẑ auf [0, ] fortsetze. Auf Ω c 0 wähle wir eifach Ẑ als eie beliebige Kostate. Es bleibt zu zeige, dass Ẑ eie Modifikatio vo Z ist. Sei x [0, ]. Da existiert eie Folge x, x,... i D, die gege x kovergiert. Da Ẑx i = Z xi fast sicher ud lim i Ẑ xi = Ẑx gaz sicher (wege Stetigkeit) ud lim i Z xi = Z x i Wahrscheilichkeit (ach Voraussetzug), folgt Ẑx = Z x fast sicher, das heißt, Ẑ ist eie Modifikatio vo Z. Korollar 5.4. Für jedes α (0, ) sid fast alle Pfade des Wieerprozesses Hölderstetig zum Expoet α, das heißt, für jedes T > 0 existiert eie reelle Zufallsgröße V T, so dass W t W s V T t s α für alle 0 s, t T gilt. Beweis. Wege der Skalierugseigeschaft des Wieerprozesses köe wir T = aehme. Wir überprüfe die Voraussetzuge des Kolmogorovsche Stetigkeitssatzes 5.3 mit E = R, = ud Z = W : es gilt für beliebiges a > 0 ud 0 s t E( W t W s a ) = t s a/ E( W a ). Da für eie ormalverteilte Zufallsgröße alle Momete edlich sid, sid für jedes a > die Voraussetzuge des Stetigkeitssatzes mit b := a ud c := E( W a ) erfüllt. Dabei ist b/a =, das heißt, für jedes κ (0, /) fide wir ei hireiched großes a, so dass a κ < b/a ist. Somit folgt die Aussage des Korollars aus (5.). 8
9 5.5 Alterative Kostruktio der Browsche Bewegug I diesem Abschitt zeige wir eie adere Möglichkeit der Kostruktio der Browsche Bewegug, die de Satz vo Dosker icht voraussetzt. Wir kostruiere eie reellwertige Prozess W t, t [0, ] mit Verteilug µ (Wieermaß) auf (C, B(C)) (die Erweiterug auf das Itervall [0, ) ka ma da wie am Afag des Kapitels durchführe). Gegebe sei eie Orthoormalbasis (ONB) φ i, i N vo L [0, ] versehe mit dem übliche Skalarprodukt f, g := f(x)g(x) dx. Weiter sei X 0, X,... eie Folge vo uabhägige stadardormalverteilte Zufallsgröße auf (Ω, F, P). Wir defiiere für N W t := t X i φ i (s) ds, t [0, ]. i= 0 Satz 5.5. Für jedes t [0, ] ist die Folge W t, N eie Cauchyfolge i L (Ω, F, P). Sei W t der Grezwert der Folge. Da ist W t, t [0, ] ei Gaußprozess mit EW t = 0 ud cov(w s, W t ) = s t für 0 s, t, das heißt, W erfüllt Eigeschaft (i) vo Defiitio 5. auf dem Itervall [0, ]. Beweis. Für 0 s, t sei Da folgt I t (s) := t Da φ i, i N eie ONB vo L [0, ] ist, folgt 0 {, s < t 0, s t φ i (s) ds = I t, φ i. I t = I t, φ i φ i ud t = I t = i= I t, φ i. i= Für > m folgt u E(W t ( Wt m ) = E = i=m+ i=m+ X i t 0 ) φ i (s) ds I t, φ i 0 mit m,. Also ist Wt, N eie Cauchyfolge i L (Ω, F, P). Da L (Ω, F, P) vollstädig ist, existiert der Grezwert W t = i= X t i φ 0 i(s) ds. Für jedes m N ud 0 t < t <... < t m ist der Vektor (W t,..., W tm ) ormalverteilt ud daher W t, t [0, ] ei Gaußprozess. Weiter gilt EW t = 0 für alle t [0, ]. Schließlich gilt für 0 s, t EW s W t = ( s φ i (u) du t i= 0 0 φ i (v) dv ) = 9 ( Is, φ i I t, φ i ) = I s, I t = s t, i=
10 womit die Aussage gezeigt ist. Damit ist och icht garatiert, dass der im letzte Satz kostruierte Prozess ei Wieerprozess ist. Dazu muss ma zeige, dass die Pfade t W t (ω) fast sicher stetig sid. Das muss aber keieswegs so sei. Mit dem Stetigkeitssatz vo Kolmogorov (Satz 5.3) sehe wir aber, dass der Prozess t W t (ω) eie stetige Modifikatio W t, t [0, ] besitzt ud diese ist ach Kostruktio ei Wieerprozess auf [0, ]. Alterativ gibt es aber auch eie explizite Kostruktio, welche ohe Referez auf de Stetigkeitssatz vo Kolmogorov auskommt. Wir versuche dabei, die Kostruktio im letzte Satz so zu gestalte, dass die Folge Wt icht ur für jedes t i L (Ω, F, P) kovergiert, soder sogar fast sicher gleichmäßig i t [0, ]. Da folgt die fast sichere Stetigkeit vo t W t ud wir sid fertig. Um diese Weg zu gehe, wähle wir eie spezielle ONB vo L ([0, ]), ämlich die sogeate Haarfuktioe {f 0, f,j, j =,...,, N. Diese sid defiiert als f 0 (t) ud, mit k = j, ( )/ k, < t k f,j (t) = ( )/ k, < t k+ 0, sost. Ma überprüft sehr leicht, dass dies ei Orthoormalsystem i L ([0, ]) ist. Nicht gaz so klar ist, dass es sich sogar um eie ONB hadelt. Dies folgt aus der folgede Propositio. Propositio 5.6. Sei f L [0, ] mit der Eigeschaft, dass f, f 0 = 0 ud f, f,j = 0 für alle j,. Da folgt f = 0. Beweis. Für ei solches f gilt, wie ma leicht sieht, für jedes N ud 0 k l l/ k/ f(t) dt = 0. Sei u D = {A B[0, ] : A f(t) dt = 0. Da ist D ei Dykisystem, welches ei durchschittsstabiles Erzeugedesystem vo B[0, ] ethält ud daher gilt D = B[0, ] ach dem Hauptsatz über Dykisysteme. Daraus folgt leicht f = 0 fast sicher (wie beim Beweis der Eideutigkeit der bedigte Erwartug). Nu defiiere wir die Schauderfuktioe {F 0, F,j als Itegrale der Haarfuktioe, also F 0 (t) = t ud ( )/ (t (k )/ k ), t k F,j (t) = ( )/ ((k + )/ k t), t k+ 0, sost. Seie X 0, X,j, N, j =,..., uiv N (0, )-verteilt ud für t [0, ], N N sei W N t (ω) = X 0 F 0 (t) + 0 N V (t, ω), =
11 wobei V (t, ω) := j= Für jedes ω Ω ud N N ist t Wt N (ω) stetig. X,j (ω)f,j (t). Satz 5.7. Die Folge W N kovergiert für N fast sicher gleichmäßig gege eie C-wertige Zufallsvariable W. W t, t [0, ] ist ei (auf [0, ] eigeschräkter) Wieerprozess. Beweis. Die letzte Aussage folgt aus der erste ud Satz 5.5. Um die erste Aussage zu zeige, defiiere wir H (ω) := t [0,] V (t, ω)). Da für jedes die Fuktioe F,,..., F, disjukte Träger habe, gilt H (ω) = (+)/ j X,j. We eie Folge positiver Zahle b, N mit b < existiert mit P(H b ) <, (5.4) = da folgt aus dem erste Borel-Catelli Lemma die fast sichere Kovergez vo H (ω) ud damit die erste Behauptug. Wir versuche de Asatz b = exp{ γ mit eiem geeigete γ > 0. Es gilt P(H exp{ γ) = P ( X,j (+)/ e γ) j P ( X, (+)/ e γ) π π exp { + e γ = exp{( ) log e γ, wobei die letzte Ugleichug aus Lemma 5.8c) folgt. Daher gilt (5.4), we γ < log ud die Behauptug ist bewiese. 5.6 Stetigkeitsmodul der Browsche Bewegug Wir sahe bereits, dass die Pfade der Browsche Bewegug Hölderstetig mit Expoet α für jedes α (0, /) sid. Die folgede Sätze verschärfe diese Aussage och. Zuerst formuliere wir aber das lokale Gesetz vom iterierte Logarithmus für de Wieerprozess. Satz 5.8. Für de Wieerprozess W t, t 0 gilt h 0 W h h log log /h = f.s.
12 Beweis. Sei Wt := tw /t, t > 0 ud W 0 := 0. Da ist W ach Propositio 5.7(iii) ei Wieerprozess. Aus Satz 5.9 folgt daher mit t = /h h 0 W h h log log /h = t = t W t t log log t t W t t log log t = f.s. Aus dieser Aussage folgt zusamme mit Propositio 5.7(iv) sofort die folgede Aussage. Korollar 5.9. Für jedes s 0 gilt h 0 W s+h W s h log log /h = f.s. (5.5) Wir betoe, dass dies icht bedeutet, dass fast sicher (5.5) für jedes s [0, ] gilt. Es ist sogar so, dass dies icht ur icht aus dem letzte Korollar folgt, soder sogar falsch ist. Ist zum Beispiel s (0, ) eie lokale Maximalstelle vo t W t (ω), da ist s zufällig ud es gilt für dieses s h 0 W s+h W s h log log /h 0. Wir utersuche u de Stetigkeitsmodul der Browsche Bewegug auf [0, ]. Defiitio 5.0. Sei f C. Da heißt die Fuktio Stetigkeitsmodul vo f. w δ (f) := 0<h δ 0 t h f(t + h) f(t), δ (0, ] Die Fuktio δ w δ (f) ist offesichtlich icht-falled ud es gilt lim δ 0 w δ (f) = 0, da jede stetige Fuktio auf eiem kompakte Itervall gleichmäßig stetig ist. Weiter gilt offesichtlich w δ+ε (f) w δ (f) + w ε (f), δ, ε > 0, δ + ε. (5.6) Setzt ma für f die Browsche Bewegug W auf dem Itervall [0, ] ei, so ist w δ (W ) zufällig, aber ma ka immerhi darauf hoffe, dass die Asymptotik vo w δ (W ) für δ 0 determiistisch ist, das heißt, dass es eie determiistische Fuktio ϕ : (0, ] (0, ) gibt, so dass lim δ 0 w δ (W )/ϕ(δ) = fast sicher gilt. We dies so ist, da muss wege Satz 5.8 δ 0 ϕ(δ)/ δ log log gelte. δ Wir werde weiter ute sehe, dass dieser sogar uedlich ist, die Fuktio ϕ(t) also mit t 0 (viel) lagsamer gege Null geht als t t log log. t
13 Wir werde gleich eie Fuktio ϕ ud Zahle 0 < c c < agebe, für die gilt: c lim if δ 0 Wir zeige die Ugleichuge für ϕ(δ) := mit c = zeige. Propositio 5.. Es gilt fast sicher w δ (W )/ϕ(δ) w δ (W )/ϕ(δ) c, f.s. δ 0 δ log, wobei wir zuerst die like Ugleichug δ lim if δ 0 w δ (W ) δ log δ. Beweis. Sei Y eie N (0, )-verteilte Zufallsgröße, N ud c > 0. Da gilt P ( W ( k + k {0,..., ) (k ) ) ( ( )) W c = P Y c ( α exp { ), π c c wobei wir beim letzte Ugleichheitszeiche Lemma 5.8 b) mit eier geeigete Kostate α (0, ) verwedete ud die Ugleichug da ur für hireiched große c gilt. Wir wolle u c so wähle, dass der letzte Ausdruck (hireiched schell) mit gege Null geht. Dazu bietet sich die Wahl c = β log mit β (0, ) a. Wir setze diese Wert i die letzte Formel ei, verwede die Ugleichug x exp{ x ud erhalte = ( α π c β) exp{ α π c β. Dieser Ausdruck kovergiert mit so schell gege Null, dass sogar die etsprechede Reihe über kovergiert. Nach dem erste Borel-Catelli Lemma folgt daher, dass fast sicher ei 0 = 0 (ω) N existiert, so dass k {0,..., W ( k + für alle 0 gilt, woraus sofort die Behauptug folgt. ) (k ) W > β log Bemerkug 5.. Ma beachte, dass die letzte Propositio isbesodere besagt, dass die Pfade des Wieerprozesses auf [0, ] fast sicher icht Hölderstetig mit Expoet / (ud damit erst recht icht Hölderstetig mit Expoet α für irgedei α > / sid). Nu zeige wir eie umgekehrte Ugleichug. Propositio 5.3. Es gilt fast sicher δ 0 w δ (W ) δ log δ 6. 3
14 Beweis. Sei N ud c > 0. Da gilt P ( k {0,..., t [k/,(k+)/] (k W (t) W ) ) ( c P W (t) c ) 0 t P ( W (t) c ) π 4 0 t π exp { c. Hier bietet sich der Asatz c := γ log mit γ > a. Setzt ma diese i de letzte Ausdruck ei, so ergibt sich exp{ γ log = γ, was gege Null geht, allerdigs kovergiert die zugehörige Reihe ur da, we γ > ist. Da wir bei dieser Beweisrichtug icht de Ehrgeiz habe, die optimale Kostate herauszufide, gebe wir us mit γ > zufriede ud erhalte für jedes feste γ > mit dem erste Borel- Catelli Lemma die fast sichere Existez eies 0 = 0 (ω, γ) N mit k {0,..., t [k/,(k+)/] W (t) W ( k ) < γ log für alle 0. Hieraus sieht ma sofort (am beste mit eiem Bild), dass für jedes solche gilt w / (W ) 3 γ log, woraus sofort die Behauptug folgt. Bemerkug 5.4. Die bisherige Aussage lasse sich zu folgeder verschärfe (siehe Mörters ud Peres: Browia Motio, Cambridge Uiv. Press, 00). Es gilt fast sicher lim h 0 sup 0 t h W (t + h) W (t) h log(/h) =. Dies bedeutet, dass usere utere Abschätzug i Propositio 5. optimal war, die i Propositio 5.3 aber (wie zu erwarte war) icht. Ma ka die Kostate 6 auf der rechte Seite der Ugleichug i Propositio 5.3 zum Beispiel dadurch verbesser, dass ma zu geeigete Teilfolge vo übergeht ud damit auch γ < wähle darf. 4
7 Brownsche Bewegung (Version Januar 2012)
7 Browsche Bewegug (Versio Jauar 0) Wir führe zuerst die Defiitio eier Browsche Bewegug ei ud zeige da, dass ei solcher Prozess eistiert. Daach beweise wir eie Reihe vo Eigeschafte der Browsche Bewegug,
Empirische Verteilungsfunktion
KAPITEL 3 Empirische Verteilugsfuktio 3.1. Empirische Verteilugsfuktio Seie X 1,..., X uabhägige ud idetisch verteilte Zufallsvariable mit theoretischer Verteilugsfuktio F (t) = P[X i t]. Es sei (x 1,...,
KAPITEL 11. Ungleichungen. g(x) g(x 0 ) + K 0 (x x 0 ).
KAPITEL 11 Ugleichuge 111 Jese-Ugleichug Defiitio 1111 Eie Fuktio g : R R heißt kovex, we ma für jedes x R ei K = K (x ) R fide ka, so dass für alle x R gilt: g(x) g(x ) + K (x x ) Bemerkug 111 Eie Fuktio
5 Stationäre Prozesse (Version Januar 2012)
5 Statioäre Prozesse (Versio Jauar 2012) 5.1 Maßerhaltede Trasformatioe I diesem Kapitel führe wir zuächst de Begriff der maßerhaltede Trasformatio auf eiem Wahrscheilichkeitsraum ei ud defiiere, wa eie
4 Konvergenz von Folgen
4 Kovergez vo Folge Defiitio 4.. Sei M eie Mege. Ist 0 Z ud für jedes Z mit 0 ei a M gegebe, so et ma die Abbildug { Z; 0 } M, a eie Folge i M. Abkürzed schreibt ma für eie solche Abbildug auch a ) 0 oder
Kapitel 4: Stationäre Prozesse
Kapitel 4: Statioäre Prozesse M. Scheutzow Jauary 6, 2010 4.1 Maßerhaltede Trasformatioe I diesem Kapitel führe wir zuächst de Begriff der maßerhaltede Trasformatio auf eiem Wahrscheilichkeitsraum ei ud
2 Konvergenz von Folgen
Kovergez vo Folge. Eifache Eigeschafte Defiitio.. Eie Abbildug A : N C heißt Folge. Ma schreibt a statt A) für N ud a ) oder a ) statt A. We a R N, so heißt a ) reelle Folge. Defiitio.. Seie a ) eie Folge
Nennenswertes zur Stetigkeit
Neeswertes zur Stetigkeit.) Puktweise Stetigkeit: Vo Floria Modler Defiitio der pukteweise Stetigkeit: Eie Fuktio f : D R ist geau da i x D stetig, we gilt: ε > δ >, so dass f ( x) f ( x ) < ε x D mit
Seminarausarbeitung: Gegenbeispiele in der Wahrscheinlichkeitstheorie. Unterschiedliche Konvergenzarten von Folgen von Zufallsvariablen
Semiarausarbeitug: Gegebeispiele i der Wahrscheilichkeitstheorie - Uterschiedliche Kovergezarte vo Folge vo Zufallsvariable Volker Michael Eberle 4. März 203 Eileitug Die vorliegede Arbeit thematisiert
Stochastisches Integral
Kapitel 11 Stochastisches Itegral Josef Leydold c 26 Mathematische Methode XI Stochastisches Itegral 1 / 2 Lerziele Wieer Prozess ud Browsche Bewegug Stochastisches Itegral Stochastische Differetialgleichug
Klausur zu,,einführung in die Wahrscheinlichkeitstheorie. Musterlösungen
Istitut für agewadte Mathematik Witersemester 9/ Adreas Eberle, Matthias Erbar, Berhard Hader. (Reelle Zufallsvariable) Klausur zu,,eiführug i die Wahrscheilichkeitstheorie Musterlösuge a) Die Verteilugsfuktio
KAPITEL 7. Zahlenfolgen. 7.1 Konvergente Zahlenfolgen Grenzwertbestimmung Grenzwertbestimmung durch Abschätzung...
KAPITEL 7 Zahlefolge 7. Kovergete Zahlefolge.............................. 30 7.2 Grezwertbestimmug............................... 32 7.3 Grezwertbestimmug durch Abschätzug..................... 35 7.4
Analysis I Lösungsvorschläge zum 3. Übungsblatt Abgabe: Bis Donnerstag, den , um 11:30 Uhr
Karlsruher Istitut für Techologie Istitut für Aalysis Dr. Christoph Schmoeger Dipl.-Math. Lars Machiek Dipl.-Math. Sebastia Schwarz WS 206/207 03..206 Aalysis I Lösugsvorschläge zum 3. Übugsblatt Abgabe:
Lösungen ausgewählter Übungsaufgaben zum Buch. Elementare Stochastik (Springer Spektrum, 2012) Teil 4: Aufgaben zu den Kapiteln 7 und 8
1 Lösuge ausgewählter Übugsaufgabe zum Buch Elemetare Stochastik (Spriger Spektrum, 2012) Teil 4: Aufgabe zu de Kapitel 7 ud 8 Aufgabe zu Kapitel 7 Zu Abschitt 7.1 Ü7.1.1 Ω sei höchstes abzählbar, ud X,
D-MATH Topologie FS 15 Theo Bühler. Musterlösung 2
D-MATH Topologie FS 15 Theo Bühler Musterlösug 2 1. a) Per Defiitio ist A = {x : x berührt A}. I der Vorlesug wurde die Formel (X A) = ( A ) c gezeigt, also A = ( X A ) c. Daher ist A = A A = A (A ) c
Normierte Vektorräume
Normierte Vektorräume Wir betrachte im Folgede ur Vektorräume über R 1. Sei also V ei Vektorraum. Wir möchte Metrike auf V betrachte, die im folgede Sie mit der Vektorraumstruktur verträglich sid:, y,
Konvergenz von Folgen von Zufallsvariablen
Kapitel 5 Kovergez vo Folge vo Zufallsvariable 5.1 Fa-sichere ud ochaische Kovergez Seie Ω, A, P ei W-Raum, X N eie Folge R k -wertiger Zufallsvariable auf Ω ud X eie R k -wertige Zufallsvariable auf Ω
Höhere Mathematik für die Fachrichtung Physik
Karlsruher Istitut für Techologie Istitut für Aalysis Dr. Christoph Schmoeger Michael Hott, M. Sc. WS 05/06 04..05 Höhere Mathematik für die Fachrichtug Physik Lösugsvorschläge zum 6. Übugsblatt Aufgabe
Tests statistischer Hypothesen
KAPITEL 0 Tests statistischer Hypothese I der Statistik muss ma oft Hypothese teste, z.b. muss ma ahad eier Stichprobe etscheide, ob ei ubekater Parameter eie vorgegebee Wert aimmt. Zuerst betrachte wir
KAPITEL 2. Zahlenfolgen
KAPITEL Zahlefolge. Kovergete Zahlefolge...................... 35. Grezwertbestimmug....................... 38.3 Grezwertbestimmug durch Abschätzug............. 4.4 Mootoe Folge..........................
Zahlenfolgen und Konvergenzkriterien
www.mathematik-etz.de Copyright, Page of 7 Zahlefolge ud Kovergezkriterie Defiitio: (Zahle-Folge, Grezwert) Eie Folge ist eie Abbildug der atürliche Zahle i die Mege A. Es ist also im Fall A: ; f: mit
Konvergenz von Folgen reeller Zufallsvariablen
Kapitel 4 Kovergez vo Folge reeller Zufallsvariable 4. Fa-sichere ud ochaische Kovergez Seie (Ω, C, ) ei W-Raum, X ( N) eie Folge reeller Zufallsvariable auf Ω ud X eie reelle Zufallsvariable auf Ω. Defiitio
n gerade 0 n ungerade (c) x n = a 1 n, a R + (d) x 1 := 2, x n+1 = 2 + x n (e) x n = (f) x n = exp(exp(n)) (g) x n = sin(n)
Übugsaufgabe Aalysis I Aufgabe. Beweise oder widerlege Sie: a Jede i R kovergete Folge ist beschräkt. b Es gibt Cauchy-Folge im R, die icht kovergiere. c Beschräkte Folge sid koverget. d Folge mit eiem
1 Lösungen zu Analysis 1/ 12.Übung
Lösuge ausgewählter Beispiele zu Aalysis I, G. Bergauer, Seite Lösuge zu Aalysis / 2.Übug. Eileitug Gleichmäßige Kovergez ist eie starke Eigeschaft eier Fuktioefolge. Formuliert ma sie für Netze, statt
von solchen Abbildungen. Eine solche Folge bestimmt für jedes x M die Folge der Werte f n. Schreibt man dies noch einmal formal hin, so erhält man:
Gleichmäßige Kovergez Wir betrachte im Folgede Abbilduge f : M N, wobei M eie Mege ud N ei metrischer Raum ist. Isbesodere iteressiere ud Folge f vo solche Abbilduge. Eie solche Folge bestimmt für jedes
4. Der Weierstraßsche Approximationssatz
H.J. Oberle Approximatio WS 213/14 4. Der Weierstraßsche Approximatiossatz Wir gebe i diesem Abschitt eie ostrutive Beweis des Weierstraßsche Approximatiossatzes, der mit de so geate Berstei-Polyome (Felix
74 3. GRENZWERTSÄTZE. k=1 IIE[X k] = µ, und, wegen der Unkorreliertheit,
74 3. GRENZWERTSÄTZE 3. Grezwertsätze Sei u {X 1, X 2,...} eie Folge vo Zufallsvariable auf eiem Wahrscheilichkeitsraum (Ω, F, IIP). Wir iteressiere us u für die Summe S = X 1 + + X, ud vor allem für die
Übungen zur Infinitesimalrechnung 2, H.-C. Im Hof 19. März Blatt 4. Abgabe: 26. März 2010, Nachmittag. e x2 dx + e x2 dx = 2 e x2 dx
Übuge zur Ifiitesimalrechug, H.-C. Im Hof 9. März Blatt 4 Abgabe: 6. März, Nachmittag Aufgabe. Zeige e x dx π. Beweis. Wir bemerke als erstes, dass e x dx e x dx + e x dx e x dx formal sieht ma dies per
Aufgaben zur Analysis I
Aufgabe zur Aalysis I Es werde folgede Theme behadelt:. Logik, Iduktio, Mege, Abbilduge 2. Supremum, Ifimum 3. Folge, Fuktioefolge 4. Reihe, Potezreihe 5. Mootoie ud Stetigkeit 6. Differetialrechug 7.
Nachklausur - Analysis 1 - Lösungen
Prof. Dr. László Székelyhidi Aalysis I, WS 212 Nachklausur - Aalysis 1 - Lösuge Aufgabe 1 (Folge ud Grezwerte). (i) (1 Pukt) Gebe Sie die Defiitio des Häufugspuktes eier reelle Zahlefolge (a ) N. Lösug:
1. Man zeige, daß (IR n, d i ), i = 1, 2, metrische Räume sind, wenn für x = (x 1,..., x n ), y = (y 1,..., y n ) IR n die Abstandsfunktionen durch
Ma zeige, daß IR, d i ), i,, metrische Räume sid, we für x x,, x ), y y,, y ) IR die Abstadsfuktioe durch d x, y) x y, d x, y) x y ), d x, y) max x y gegebe sid Lösug: Ma muß für alle drei Fuktio d i x,
ÜBUNGSBLATT 4 LÖSUNGEN MAT121/MAT131 ANALYSIS I HERBSTSEMESTER 2010 PROF. DR. CAMILLO DE LELLIS
ÜBUNGSBLATT 4 LÖSUNGEN MAT/MAT3 ANALYSIS I HERBSTSEMESTER 00 PROF. DR. AMILLO DE LELLIS Aufgabe. Etscheide Sie für folgede Folge (wobei N \ {0}), ob diese koverget sid, ud bereche sie gegebeefalls ihre
Reelle Folgen. Definition. Eine reelle Folge ist eine Abbildung f : N R. liefert ( 7 9, 37
Reelle Folge Der Begriff der Folge ist ei grudlegeder Baustei der Aalysis, weil damit u.a. Grezprozesse defiiert werde köe. Er beschreibt de Sachverhalt eier Abfolge vo Elemete, wobei die Reihefolge bzw.
4.1 Dezimalzahlen und Intervallschachtelungen. a) Reelle Zahlen werden meist als Dezimalzahlen dargestellt, etwa
20 I. Zahle, Kovergez ud Stetigkeit 4 Kovergete Folge 4. Dezimalzahle ud Itervallschachteluge. a) Reelle Zahle werde meist als Dezimalzahle dargestellt, etwa 7,304 = 0+7 +3 0 +0 00 +4 000. Edliche Dezimalzahle
D-MATH, D-PHYS, D-CHAB Analysis I HS 2017 Prof. Manfred Einsiedler. Übungsblatt 8. b n := 1 n. a k. k=1
D-MATH, D-PHYS, D-CHAB Aalysis I HS 2017 Prof. Mafred Eisiedler Übugsblatt 8 1. Bereche Sie de Grezwert lim a für die Folge (a ) gegebe durch a) a = (2 1/ ) 10 (1 + 1/ 2 ) 10 1 1/ 2 1/, b) a = + 1, c)
n (n + 1) = 1(1 + 1)(1 + 2) 3 Induktionsschritt: Angenommen die Gleichung gilt für n N. Dann folgt: 1 2 = 2 =
Aufgabe 1: (6 Pukte) Zeige Sie für alle N die Formel: 1 2 + 2 3 + 3 4 +... + ( + 1) = ( + 1)( + 2). 3 Lösug: Beweis durch vollstädige Iduktio. Iduktiosafag: Für = 1 gilt: 1 2 = 2 = 1(1 + 1)(1 + 2) 3 Iduktiosschritt:
TECHNISCHE UNIVERSITÄT MÜNCHEN
TECHNISCHE UNIVERSITÄT MÜNCHEN Zetrum Mathematik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mathematik für Iformatiker II (Sommersemester 004) Aufgabe 7. Ubeschräktes
3. Taylorformel und Taylorreihen
Prof Dr Siegfried Echterhoff Aalysis Vorlesug SS 9 3 Taylorformel ud Taylorreihe Sei I R ei Itervall ud sei f : I R eie Fuktio Ziel: Wolle utersuche, wa sich die Fuktio f i eier Umgebug vo eiem Pukt I
Höhere Mathematik I für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie Lösungsvorschläge zum 12. Übungsblatt
UNIVERSITÄT KARLSRUHE Istitut für Aalysis HDoz. Dr. P. C. Kustma Dipl.-Math. M. Uhl WS 8/9 Höhere Mathematik I für die Fachrichtuge Elektroigeieurwese, Physik ud Geodäsie Lösugsvorschläge zum. Übugsblatt
6 Folgen. 6.4 Folgen reeller Zahlen. Mathematik für Informatiker B, SS 2012 Dienstag 5.6. $Id: folgen.tex,v /06/05 11:12:18 hk Exp $
Mathematik für Iformatiker B, SS 0 Diestag 5.6 $Id: folge.tex,v. 0/06/05 ::8 hk Exp $ 6 Folge 6.4 Folge reeller Zahle I der letzte Sitzug habe wir de Begriff des Grezwerts eier Folge i eiem metrische Raum
Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 5
TUM, Zetrum Mathematik Lehrstuhl für Mathematische Physik WS 13/14 Prof. Dr. Silke Rolles Thomas Höfelsauer Felizitas Weider Tutoraufgabe: Eiführug i die Wahrscheilichkeitstheorie Lösugsvorschläge zu Übugsblatt
Höhere Mathematik I für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie Lösungsvorschläge zum 7. Übungsblatt
KARLSRUHER INSTITUT FÜR TECHNOLOGIE KIT Istitut für Aalysis Dr. A. Müller-Rettkowski Dr. T. Gauss WS 00/ Höhere Mathematik I für die Fachrichtuge Elektroigeieurwese, Physik ud Geodäsie Lösugsvorschläge
3 Folgen, Reihen, Grenzwerte 3.1 Zahlenfolgen. Beispiele: 1, 2, 3, 4, 5,. 1, 3, 5, 7, 9, 3, 6, 9, 12, 15, 2, 4, 8, 16, 32, 64, 10, 100, 1.000, 10.
3 Folge, Reihe, Grezwerte 3.1 Zahlefolge Beispiele: 1, 2, 3, 4, 5,. 1, 3, 5, 7, 9, 3, 6, 9, 12, 15, 2, 4, 8, 16, 32, 64, 10, 100, 1.000, 10.000, 1 3 Folge, Reihe, Grezwerte 3.1 Zahlefolge Defiitio: Eie
Übungen zur Analysis 1 für Informatiker und Statistiker. Lösung zu Blatt 8
Mathematisches Istitut der Uiversität Müche Prof Dr Peter Otte WiSe 203/4 Lösug 8 032203 Übuge zur Aalysis für Iformatiker ud Statistiker Lösug zu Blatt 8 Aufgabe 8 [8 Pukte] (a) Für alle N sei = (+) Wir
1.1 Mengensysteme. Ω Grundmenge, 2 Ω Potenzmenge, A 2 Ω Mengensystem. Definition 1.1: a) A stabil ( stabil, \-stabil), wenn für A, B A auch A B A
1.1 Megesysteme Grudmege, 2 Potezmege, A 2 Megesystem Defiitio 1.1: a) A stabil ( stabil, \-stabil), we für A, B A auch A B A (A B A, A\B A). b) A heißt Halbrig, we i) A ii) A ist stabil iii) A, B A es
Resultate: Vertauschbarkeit von Grenzprozessen, Konvergenzverhalten von Potenzreihen
26 Gleichmäßige Kovergez ud Potezreihe 129 26 Gleichmäßige Kovergez ud Potezreihe Lerziele: Kozepte: Puktweise ud gleichmäßige Kovergez Resultate: Vertauschbarkeit vo Grezprozesse, Kovergezverhalte vo
$Id: reihen.tex,v /06/14 13:59:06 hk Exp $
Mathematik für Iformatiker B, SS 202 Doerstag 4.6 $Id: reihe.tex,v.9 202/06/4 3:59:06 hk Exp $ 7 Reihe 7.4 Kovergezkriterie für Reihe 7.4. Alterierede Reihe Wir hatte gesehe das die harmoische Reihe divergiert,
Gesetz der großen Zahlen
KAPITEL 0 Gesetz der große Zahle 0.. Zwei Beispiele Beispiel 0... Wir betrachte ei Beroulli-Experimet, das uedlich oft wiederholt wird. Die Wahrscheilichkeit für eie Erfolg sei p. Die Zufallsvariable,
Konvergenz von Fourier-Reihen
Kovergez vo Fourier-Reihe Ausarbeitug zum Semiar zur Fourieraalysis, 3..27 obias Reimes Diese Ausarbeitug beschäftigt sich mit der Kovergez vo Fourier-Reihe. Hierzu werde im erste Abschitt eiige Vorbemerkuge
Höhere Mathematik für die Fachrichtung Physik
Karlsruher Istitut für Techologie Istitut für Aalysis Dr. Christoph Schmoeger Michael Hott, M. Sc. WS 05/06 3..05 Höhere Mathemati für die Fachrichtug Physi Lösugsvorschläge zum 3. Übugsblatt Vorbemerug
Der Durchschnitt einer Familie von σ-algebren auf M ist ebenfalls eine σ-algebra auf M. Ist also E M, so ist
Maßtheorie (Versio 0.3) 1. σ-algebra Ist M eie Mege, so et ma ei System vo Teilmege A M eie σ-algebra (auf M ), we gilt: A A A A c A Ist A N eie Familie vo Mege i A, so ist N A A A ist damit stabil uter
6 Grenzwerte von Zahlenfolgen
6 Grezwerte vo Zahlefolge Ei zetraler Begriff der Aalysis ist der des Grezwertes. Wir begie mit der Betrachtug vo Grezwerte vo Zahlefolge. 6. Zahlefolge 6.. Grudbegriffe Defiitio 6... Eie Fuktio f : Z
Analysis I für M, LaG/M, Ph 8.Übungsblatt
Aalysis I für M, LaG/M, Ph 8Übugsblatt Fachbereich Mathematik Sommersemester 200 Dr Robert Haller-Ditelma 0206200 David Bücher Christia Bradeburg Gruppeübug Aufgabe G (Kovergezkriterie/Kovergezradie) (a)
TECHNISCHE UNIVERSITÄT MÜNCHEN
TECHNISCHE UNIVERSITÄT MÜNCHEN Zetrum Mathematik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mathematik für Iformatiker II (Sommersemester 004 Lösuge zu Aufgabeblatt 7
5-1 Elementare Zahlentheorie
5- Elemetare Zahletheorie 5 Noch eimal: Zahletheoretische Fuktioe 5 Der Rig Φ als Rig der formale Dirichlet-Reihe! Erierug: Ei Polyom mit Koeffiziete i eiem Körper K ist ach Defiitio ichts aderes als eie
Kapitel 6 : Punkt und Intervallschätzer
7 Kapitel 6 : Pukt ud Itervallschätzer Puktschätzuge. I der Statistik wolle wir Rückschlüsse auf das Wahrscheilichkeitsgesetz ziehe, ach dem ei vo us beobachtetes Zufallsexperimet abläuft. Hierzu beobachte
Dirichlet-Reihen II. 1 Konvergenzeigenschaften von Dirichlet-Reihen
Vortrag zum Semiar zur Fuktioetheorie, 7.2.2007 Holger Witermayr I diesem Vortrag werde wir Kovergezeigeschafte vo Dirichlet-Reihe erarbeite ud eie Vergleich zu Potezreihe ziehe. Ei weiteres Ziel dieses
Gesetze der großen Zahlen
Gesetze der große Zahle Ato Klimovsky Grezwertsätze für die Summe der ZV. Schwaches Gesetz der große Zahle. Kovergez i Wahrscheilichkeit (Stochastische Kovergez). Starkes Gesetz der große Zahle. Fast sichere
5. Übungsblatt Aufgaben mit Lösungen
5. Übugsblatt Aufgabe mit Lösuge Aufgabe 2: Bestimme Sie alle Häufugspukte der komplexe) Folge mit de Glieder a) a = ) 5 + 7 + 2 ) b) b = i Lösug 2: a) Die Folge a ) zerfällt vollstädig i die beide Teilfolge
KAPITEL 8. Zahlenreihen. 8.1 Geometrische Reihe Konvergenzkriterien Absolut konvergente Reihen
KAPITEL 8 Zahlereihe 8. Geometrische Reihe................................. 53 8.2 Kovergezkriterie................................. 54 8.3 Absolut kovergete Reihe............................ 64 Lerziele
24 Konvergente Teilfolgen und Cauchy-Kriterium
120 IV. Uedliche Reihe ud Taylor-Formel 24 Kovergete Teilfolge ud Cauchy-Kriterium Lerziele: Kozepte: Teilfolge, Häufugswerte, Limes superior ud iferior, Cauchy-Folge Resultate: Satz vo Bolzao-Weierstraß,
Die erste Zeile ("Nummerierung") denkt man sich also dazu. Häufig wird eine Indexschreibweise benutzt um ein Folgenglied zu kennzeichnen.
Folge ud Reihe (Izwische Stoff der Hochschule. ) Stad: 30.03.205. Folge Was sid Zahlefolge? Z.B. oder Das ist die vereifachte Wertetabelle eier Fuktio geschriebe wie üblich bei Fuktioe i eier Wertetabelle.
Analysis I für M, LaG/M, Ph 4.Übungsblatt
Aalysis I für M, LaG/M, Ph 4.Übugsblatt Fachbereich Mathematik Sommersemester 200 Dr. Robert Haller-Ditelma 05.05.200 David Bücher Christia Bradeburg Gruppeübug Aufgabe G (Kovergez vo Folge) Beweise Sie:
Kreisabbildungen. S 1 f S 1. Beispiele: (1) f = id, F = id,
Kreisabbilduge Im Folgede sehe wir us eie gaz spezielle Klasse vo dyamische Systeme a: Abbilduge auf dem Kreis. Diese sid eifach geug, so dass wir sie och recht leicht aalysiere köe, habe aber adererseits
Der Satz von Stone-Weierstraß. 1 Approximationssatz von Weierstraß
Der Satz vo Stoe-Weierstraß Vortrag zum Prosemiar Aalysis, 28.06.2010 Valetia Gerber, Sabria Kielma Aus der Vorlesug Aalysis I ud II kee wir das Kozept des Approximieres. Us wurde die Begriffe Taylor-
Übungen zur Vorlesung Funktionentheorie Sommersemester 2012. Musterlösung zu Blatt 11. c n (z a) n,
f : a P UNIVERSIÄ DES SAARLANDES FACHRICHUNG 6. MAHEMAIK Prof. Dr. Rolad Speicher M.Sc. obias Mai Übuge zur Vorlesug Fuktioetheorie Sommersemester 202 Musterlösug zu Blatt Aufgabe. Zeige Sie durch Abwadlug
Zusammenfassung: Folgen und Konvergenz
LGÖ Ks VMa Schuljahr 6/7 Zusammefassug Folge ud Kovergez Ihaltsverzeichis Defiitioe ud Beispiele für Folge Beschräkte Folge Kovergez vo Folge Grezwertsätze für Folge 5 Für Experte 7 Defiitioe ud Beispiele
Inhaltsverzeichnis. 2 Grenzwerte, Folgen und Reihen. 2.1 Intervalle in R. 2.2 Umgebungen (in R und C)
Ihaltsverzeichis 2 Grezwerte, Folge ud Reihe I diesem Kapitel führe wir de zetrale Begriff der Kovergez eier Folge vo Zahle (x ) N gege eie Grezwert x ei. Aschaulich bedeutet dies, dass i jeder och so
α : { n Z n l } n a n IR
1 KAPITEL VI. ZAHLENFOLGEN UND REIHEN 1) REELLE ZAHLENFOLGEN: i) Jede Abbildug α : IN a IR heiÿt 'reelle Zahlefolge' bzw. 'Folge i IR'. Ma otiert diese i der Form α = a ) IN = a ) =0 = a 0, a 1, a 2,...)
26 Der Raum C([0, 1]) und Donskers Theorem
26 Der Raum C[0, ] ud Doskers Theorem Ausarbeitug ud Formulieruge: Heig Sulzbach. 26. Motivatio Sei X, X 2,... eie Folge u.i.v. Zufallsvariable mit E[X ] 0 ud σ 2 : V[X ] < sowie S : X i die zugehörige
Grundbegriffe der Differentialrechnung
Wirtschaftswisseschaftliches Zetrum Uiversität Basel Mathematik für Ökoome 1 Dr. Thomas Zehrt Grudbegriffe der Differetialrechug Referez: Gauglhofer, M. ud Müller, H.: Mathematik für Ökoome, Bad 1, 17.
Gaußsches Integral und Stirling-Formel
Gaußsches Itegral ud Stirlig-Formel Lemma. Gaußsches Itegral Es gilt für alle a > : e ax dx π a Beweis: Wir reche: e dx ax e ax dx e ay dy e ax e ay dx dy mit dem Satz vo Fubii e ax +y dx dy. Nu verwede
Lösungen zur Klausur Maß- und Integrationstheorie WS 2012/13
Lösuge zur Klausur 45 Maß- ud Itegratiostheorie S 22/3 Lösug zu Aufgabe I der Aufgabestellug ist kei Tippfehler. Es steht dort fx, y, x dλ 3 x, y, z. z fx, y, x ist kostat i z. Falls jemad fx, y, z dλ
Reihen. Folgen besonderer Art sind unendliche Summen. a k = a 1 + a
6 Reihe Folge besoderer Art sid uedliche Summe a k = a + a 2 +... reeller oder komplexer Zahle, dee wir bereits i eiige Beispiele des Abschitts 5-d begeget sid. Da ma icht sämtliche Glieder eier Folge
6. Übungsblatt Aufgaben mit Lösungen + Selbsttest-Auflösung
6. Übugsblatt Aufgabe mit Lösuge + Selbsttest-Auflösug Aufgabe 6: Utersuche Sie die Folge, dere Glieder ute für N agegebe sid, auf Beschräktheit, Mootoie ud Kovergez bzw. Beschräktheit, Mootoie ud Kovergez
ELEMENTE DER ZAHLENTHEORIE UND AUFBAU DES ZAHLENSYSTEMS
ELEMENTE DER ZAHLENTHEORIE UND AUFBAU DES ZAHLENSYSTEMS vo Rolf Waldi 1 Kapitel I. Elemetare Zahletheorie 1 Grudlegede Regel ud Prizipie Es wird vorausgesetzt, daß der Leser mit gaze Zahle reche ka ud
10 Aussagen mit Quantoren und
0 Aussage mit Quatore ud 0.6. Eisatz vo (bereits bekater) Eistezaussage Bisher hatte wir Eistezbeweise geführt, idem wir ei passedes Objekt agegebe habe ( Setze... ). Stattdesse ka ma auch auf bereits
Grenzwert. 1. Der Grenzwert von monotonen, beschränkten Folgen
. Der Grezwert vo mootoe, beschräkte Folge Der Grezwert vo mootoe, beschräkte Folge ist eifacher verstädlich als der allgemeie Fall. Deshalb utersuche wir zuerst diese Spezialfall ud verallgemeier aschliessed.
4-1 Elementare Zahlentheorie
4-1 Elemetare Zahletheorie 4. Dirichlet s Satz über Primzahle i arithmetische Progressioe. Satz (Dirichlet 1837). Seie a, k atürliche Zahle. Sid die Zahle a, k teilerfremd, so gibt es uedlich viele Primzahle
Mathematik III. Vorlesung 81. Eigenschaften des Dachprodukts. Die folgende Aussage beschreibt die universelle Eigenschaft des Dachproduktes.
Prof. Dr. H. Breer Osabrück S 2010/2011 Mathematik III Vorlesug 81 Eigeschafte des Dachprodukts Die folgede Aussage beschreibt die uiverselle Eigeschaft des Dachproduktes. Satz 81.1. Es sei K ei Körper,
Höhere Mathematik I (Analysis) für die Fachrichtung Informatik
Karlsruher Istitut für Techologie (KIT) Istitut für Aalysis Priv.-Doz. Dr. Gerd Herzog M. Sc. Adreas Hirsch WS 204/5 24.0.204 Höhere Mathematik I (Aalysis) für die Fachrichtug Iformatik Lösugsvorschlag
Übungsaufgaben zu Analysis 1 Lösungen von Blatt XII vom sin(nx) n sin(x). sin(ax) a sin(x) z = re iϕ = r(cos(ϕ) + i sin(ϕ)) z n = w
Prof. Dr. Moritz Kaßma Fakultät für Mathematik Witersemester 04/05 Uiversität Bielefeld Übugsaufgabe zu Aalysis Lösuge vo Blatt XII vom 5.0.5 Aufgabe XII. 3 Pukte) Beweise Sie, dass für alle R ud N die
Bernsteinpolynome Vortrag zum Proseminar zur Analysis, Malte Milatz
Bersteipolyome Vortrag zum Prosemiar zur Aalysis, 6. 10. 2010 Malte Milatz I diesem Vortrag wird der bereits im Sript zur Aalysis ii zitierte Approximatiossatz vo Weierstraß mithilfe der Bersteipolyome
Methoden: Heron-Verfahren, Erweiterung von Differenzen von Quadratwurzeln
6 Kovergete Folge Lerziele: Kozepte: Grezwertbegriff bei Folge, Wachstumsgeschwidigkeit vo Folge Resultat: Mootoe beschräkte Folge sid koverget. Methode: Hero-Verfahre, Erweiterug vo Differeze vo Quadratwurzel
Das kollektive Risikomodell. 12. Mai 2009
Kirill Rudik Das kollektive Risikomodell 12. Mai 2009 4.1 Eileitug Wir betrachte i diesem Kapitel die Gesamtforderuge im Laufe eies Jahres. Beim Abschluss eies Versicherugsvertrages weiß der Versicherer
Kapitel 2 Differentialrechnung in einer Variablen. 2.1 Folgen und Grenzwerte
Kapitel 2 Differetialrechug i eier Variable 2. Folge ud Grezwerte 2.. Defiitio Eie Folge ist eie Zuordug N R, a, geschriebe als Liste (a,a 2,...) oder i der Form (a ) N. Hier sid ei paar Beispiele: 2,4,6,8,...
Übungsblatt 1 zur Vorlesung Angewandte Stochastik
Dr Christoph Luchsiger Übugsblatt 1 zur Vorlesug Agewadte Stochastik Repetitio WT Herausgabe des Übugsblattes: Woche 9, Abgabe der Lösuge: Woche 1 (bis Freitag, 1615 Uhr), Rückgabe ud Besprechug: Woche
Tutorial zum Grenzwert reeller Zahlenfolgen
MAE Mathematik: Aalysis für Igeieure Herbstsemester 206 Dr. Christoph Kirsch ZHAW Witerthur Tutorial zum Grezwert reeller Zahlefolge I diesem Tutorial lere Sie, die logische Aussage i der Defiitio des
Musterlösung zu Blatt 8 der Vorlesung Analysis I WS08/09
Musterlösug zu Blatt 8 der Vorlesug Aalysis I WS08/09 Schriftliche Aufgabe Aufgabe. Voraussetzuge: Für alle N setze a : +2 ud b : ( 2. [Amerkug: I der Aufgabestellug heiÿe die Reihe beide gleich. Es steht
Höhere Mathematik I für die Fachrichtung Physik
Karlsruher Istitut für Techologie Istitut für Aalysis Dr. Christoph Schmoeger Dipl.-Math. Sebastia Schwarz SS 5 7.9.5 Höhere Mathematik I für die Fachrichtug Physik Lösugsvorschläge zur Bachelor-Modulprüfug
GESETZE DER GROSSEN ZAHLEN
KAPITEL 17 GESETZE DER GROSSEN ZAHLEN Am Afag der Wahrscheilichkeitsrechug stad der Wusch, gewisse experimetelle Fakte zu modelliere, die ma vage als empirische Gesetze des Zufalls bezeichete ud die sich
GESETZE DER GROSSEN ZAHLEN
KAPITEL 17 GESETZE DER GROSSEN ZAHLEN Am Afag der Wahrscheilichkeitsrechug stad der Wusch, gewisse experimetelle Fakte zu modelliere, die ma vage als empirische Gesetze des Zufalls bezeichete ud die sich
III. Die Brownsche Bewegung
9. Defiitio ud erste Eigeschafte Es sei (Ω, F, P ) ei Wahrscheilichkeitsraum ud T R, T eie Zeitidexmege. Wir betrachte jetzt eie stochastische Prozess X = (X t ) t T mit Zustadsraum R, das heißt dass (X
Über die Verteilung der Primzahlen
Über die Verteilug der Primzahle Scho dem juge Carl Friedrich Gauss drägte sich die Vermutug auf, dass die Azahl π( aller Primzahle p uterhalb der positive Schrae dem Gesetz π( log lim = 1 gehorcht. (Mit
Zahlenfolgen, Grenzwerte und Zahlenreihen
KAPITEL 5 Zahlefolge, Grezwerte ud Zahlereihe. Folge Defiitio 5.. Uter eier Folge reeller Zahle (oder eier reelle Zahlefolge) versteht ma eie auf N 0 erlarte reellwertige Futio, die jedem N 0 ei a R zuordet:
Stochastik I. Vorlesungsskript. Universität Mainz. Andrej Depperschmidt. Sommersemester 2014
Stochastik I Adrej Depperschmidt Vorlesugsskript Uiversität Maiz Sommersemester 2014 Versio: 12. Mai 2016 Vorwort Bei diesem Skript hadelt es sich um Vorlesugsotize, die parallel zur Vorlesug Stochastik
Ein Steilkurs über Martingale in diskreter Zeit
Ei Steilkurs über Martigale i diskreter Zeit Matthias Birker WS 211/212 Dieser Text ist eie Eiladug, sich (i sehr kapper Form) mit der Theorie der (zeitdiskrete) Martigale zu beschäftige. Eie wesetlich
1 Randomisierte Bestimmung des Medians
Praktikum Diskrete Optimierug (Teil 0) 0.07.006 Radomisierte Bestimmug des Medias. Problemstellug ud Ziel I diesem Abschitt stelle wir eie radomisierte Algorithmus zur Bestimmug des Medias vor, der besser
5.3 Wachstum von Folgen
53 Wachstum vo Folge I diesem Abschitt betrachte wir (rekursiv oder aders defiierte) Folge {a } = ud wolle vergleiche, wie schell sie awachse, we wächst Wir orietiere us dabei a W Hochstättler: Algorithmische
Ganze Funktionen endlicher Ordnung und Anwendungen auf die Riemannsche Zeta-Funktion
edlicher Ordug ud Aweduge auf die Riemasche Zeta-Fuktio Vortrag zum Semiar zur Fuktioetheorie 8.06.0 Floria Goy Gaze Fuktioe edlicher Ordug Wir utersuche zuächst gaze Fuktioe edlicher Ordug, um damit die