Strassen Type Theorems Proseminar Stochastik

Ähnliche Dokumente
Scheinklausur zur Vorlesung Stochastik II

Ferienkurs in Maß- und Integrationstheorie

4 Differenzierbarkeit einer konjugierten Funktion

Beweis. Bauer (4. Auflage, 1991), S , Hoffmann-Jørgensen, Vol. I, S. 457.

Extremalpunkte und der Satz von Krein-Milman. 1 Lokalkonvexe topologische Vektorräume

ist ein n-dimensionaler, reeller Vektorraum (vgl. Lineare Algebra). Wir definieren auf diesem VR ein Skalarprodukt durch i y i i=1

Stochastik I. Vorlesungsmitschrift

8 1. GEOMETRIE DIFFERENZIERBARER MANNIGFALTIGKEITEN

Schwache Konvergenz. Ivan Lecei. 18. Juni Institut für Stochastik

Übungen zu bedingten Erwartungswerten. Tutorium Stochastische Prozesse 13. Dezember 2016

30 Metriken und Normen

Erwartungswert als Integral

22 KAPITEL 1. GRUNDLAGEN. Um zu zeigen, dass diese Folge nicht konvergent ist, betrachten wir den punktweisen Limes und erhalten die Funktion

Kapitel 3 Sätze der offenen Abbildung

Serie 2 Lösungsvorschläge

x, y 2 f(x)g(x) dµ(x). Es ist leicht nachzuprüfen, dass die x 2 setzen. Dann liefert (5.1) n=1 x ny n bzw. f, g = Ω

Schwartz-Raum (Teil 1)

Schwache Konvergenz von Wahrscheinlichkeitsmaßen

Finanzmathematik I Lösungvorschläge für Übungsblatt 1

Musterlösung. Aufgabe 1 a) Die Aussage ist falsch. Ein Gegenbeispiel ist die Funktion f : [0, 1] R, die folgendermaßen definiert ist:

8. Formelsammlung. Pr[ ] = 0. 0 Pr[A] 1. Pr[Ā] = 1 Pr[A] A B = Pr[A] Pr[B] DWT 8.1 Gesetze zum Rechnen mit Ereignissen 203/467 Ernst W.

1.3 Zufallsvariablen

Lösung zu den Übungsaufgaben zur Lebesgueschen Integrationstheorie. Tobias Ried

Meßbare Funktionen. bilden die Grundlage der Integrationstheorie. Definition 24.1 :

α + x x 1 F c y + x 1 F (y) c z + x 1 F (z) für alle y, z M. Dies folgt aus

4 Messbare Funktionen

1 Bedingte Erwartungswerte

Kapitel II Kontinuierliche Wahrscheinlichkeitsräume

Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 4

Zusammenfassung Analysis 2

13 Mehrdimensionale Zufallsvariablen Zufallsvektoren

I Grundbegriffe 1 1 Wahrscheinlichkeitsräume Bedingte Wahrscheinlichkeiten und Unabhängigkeit Reellwertige Zufallsvariablen...

A. Maß- und Integrationstheorie

8 KAPITEL 1. GRUNDLAGEN

Lösungsvorschläge für das 5. Übungsblatt

Darstellungssatz von Riesz in vollständig regulären Räumen. Carina Pöll Wintersemester 2012

Zufallsvariable, Verteilung, Verteilungsfunktion

Lehrstuhl IV Stochastik & Analysis. Stochastik II. Wahrscheinlichkeitstheorie I. Skriptum nach einer Vorlesung von Hans-Peter Scheffler

Meßbare Funktionen. Die angemessenen Abbildungen zwischen Meßräumen sind die meßbaren Funktionen.

2. Integration. {x : f(x) <a+ 1 n }

Einführung und Grundlagen

2 Zufallsvariable, Verteilungen, Erwartungswert

Aufgaben zu Kapitel 0

Kapitel 4. Stochastische Grundlagen. 4.1 Filtrationen und Stoppzeiten

FUNKTIONALANALYSIS. Carsten Schütt WS 2006/7

Zusammenfassung der Lebesgue-Integrationstheorie

7. Übungsblatt zur Mathematik II für Inf, WInf

Analysis I. Guofang Wang Universität Freiburg

Metrische äußere Maße, Borel-Maße

Analyis I -Metrische Räume - eine Einführung in die Topologie

Elemente der mengentheoretischen Topologie

Topologische Grundbegriffe I. 1 Offene und Abgeschlossene Mengen

TECHNISCHE UNIVERSITÄT MÜNCHEN

7 Bedingte Erwartungswerte und Bedingte Verteilungen

Analysis 2. Contents. Torsten Wedhorn. June 12, Notation. Es bezeichne K immer den Körper R der reellen Zahlen oder den Körper C der komplexen

Das Lebesgue-Maß im R p

Liste wichtiger Stammfunktionen

Reelle Zufallsvariablen

Von Skalarprodukten induzierte Normen

Erwartungswert und Varianz von Zufallsvariablen

Vollständiger Raum, Banachraum

Übungsblatt 2 - Analysis 2, Prof. G. Hemion

Schwache Konvergenz. Kapitel 8

3 Topologische Gruppen

Maße auf Produkträumen

Projektionen auf abgeschlossene konvexe Mengen

Klausur zur Vorlesung Stochastik II

Vollständigkeit. Andreas Schmitt. Ausarbeitung zum Proseminar zur Topologie im WS 2012/13

12 Gewöhnliche Differentialgleichungen

Analysis II (FS 2015): ZUSAMMENHÄNGENDE METRISCHE RÄUME

Topologische Räume und stetige Abbildungen Teil 2

Einführung in die Stochastik 6. Übungsblatt

Unendliche Gruppen als geometrische Objekte

12 Biholomorphe Abbildungen

Merkblatt zur Funktionalanalysis

Fouriertransformation und Unschärfeprinzip

Musterlösung Analysis 3 - Maßtherorie

Prof. Dr. Elmar Grosse-Klönne Institut für Mathematik

Spektraltheorie. 2. Übungsblatt - Lösungsvorschläge. (Elementare Aussagen über Spektrum & Resolventenfunktion)

Der n-dimensionale Raum

Topologische Grundbegriffe II. 1 Begriffe auf Mengen

Finanzmathematik in diskreter Zeit

5 Stetigkeit und Differenzierbarkeit

6. Übungsblatt zur Einführung in die Stochastik

Übersicht Wahrscheinlichkeitsheorie

Stetige Funktionen. Definition. Seien (X, d) und (Y, D) metrische Räume und f : X Y eine Abbildung. i) f heißt stetig in x 0 (x 0 D(f)), wenn

7 Der Satz von Girsanov

Stochastische Prozesse

Der Fundamentalsatz der Algebra. 1 Motivation

Die Hausdorff-Metrik und Limiten von Mengen

I Grundbegriffe 1 1 Wahrscheinlichkeitsräume Bedingte Wahrscheinlichkeiten und Unabhängigkeit Reellwertige Zufallsvariablen...

Optimale Steuerung, Prof.Dr. L. Blank 1. II Linear-quadratische elliptische Steuerungsprobleme

Kapitel 5 KONVERGENZ

Lineare Algebra und analytische Geometrie II

Mathematik III. Vorlesung 74. Folgerungen aus dem Satz von Fubini. (( 1 3 x3 1 2 x2 y +2y 3 x) 1 2)dy. ( y +2y y +4y3 )dy

Höhere Mathematik für Physiker II

Transkript:

Strassen Type Theorems Proseminar Stochastik Cecelie Hector Universität Hamburg Fachbereich Mathematik SoSe 2004 Vortrag am 25.06.04

Definition (a). Ein topologischer Raum E heißt polnisch, wenn es eine seine Topologie definierende, vollständige Metrik gibt und wenn E eine abzählbare Basis besitzt. Für eine Übergangswahrscheinlichkeit Q von S nach S und zwei Wahrscheinlichkeitsmaße P und P auf S schreibe ich P P Q, falls P (A) Q(x, A)P (dx) A S. Theorem 2.6.1. Sei S ein polnischer Raum und der maximale Erzeuger R F abgeschlossen bezüglich der Maximumfunktion, mit f, g R F folgt also max{f, g} R F. Dann sind folgende Aussagen äquivalent: (i) P F P (ii) es gibt eine Übergangswahrscheinlichkeit Q von S nach S, so dass P P Q. Außerdem erfüllt das Wahrscheinlichkeitsmaß Q(x, ) x S die Ungleichung f(s)q(x, ds) f(x) f R F. Beweis. (ii) (i): f(x)p (dx) x S f(x) y S Q(y, dx)p (dy) f(x)q(y, dx)p (dy) f(s)q(x, ds) P (dx) }{{} f(x) f(x)p (dx) P F P (i) (ii) siehe Meyer (1966), Strassen (1965) Theorem 2.6.1 kann auch angewendet werden, wenn der Erzeuger abgeschlossen ist bezüglich der Minimumfunktion. Man definiert P F P P F P. Es wird dann F erzeugt von den Funktionen f mit f R F. Dieser Erzeuger ist abgeschlossem bezüglich der Maximumfunktion, falls R F bezüglich der Minimumfunktion abgeschlossen ist. Die beiden wichtigsten Fälle, in denen Theorem 2.6.1 angewendet werden kann, sind die, in denen R F aus allen monoton steigenden oder allen konvexen Funktionen besteht. Definition (b). Eine Ordnung auf S heißt abgeschlossen, wenn die Menge {(x, y) S S : x y} eine abgeschlossene Teilmenge des Produktraums S S ist. 1

Definition 2.6.2. Sei (S, S) ein polnischer Raum mit einer abgeschlossenen partiellen Ordnung, ausgestattet mit der Borel σ-algebra. Für Wahrscheinlichkeitsmaße auf (S, S) ist st die Integral induzierte Ordnung, die erzeugt wird von der Menge F st aller beschränkten, messbaren, monoton steigenden Funktionen f : S R. Für S R ist das die gewöhnliche stochastische Ordnung. Weiter ist P st P f dp f dp für alle messbaren Funktionen f, f : S R mit f (x) f (y) wenn x y. Dies kann man wie folgt einsehen: Definiere f(x) inf y x f (y). Dann ist f f f, und f ist monoton steigend, da f monoton steigend ist. Damit erhält man f dp fdp fdp f dp. Aus Theorem 2.6.1 folgt P st P, da für alle monoton steigenden Funktionen f f f die Ungleichung f (x) f (y) erfüllt ist für x y. Theorem 2.6.3. Sei S ein polnischer Raum mit einer abgeschlossenen partiellen Ordnung. Dann sind folgende Aussagen äquivalent: (i) P st P (ii) Es existieren Zufallsvariablen X P und X P, sodass X X fast sicher ist. Beweis. (i) (ii): F st ist ein konvexer Kegel, der die konstanten Funktionen beeinhaltet, was aus Definition 2.6.2 folgt. Da F st auch abgeschlossen bezüglich punktweiser Konvergenz ist, folgt somit aus Korollar 2.3.9, das F st der maximale Erzeuger von st ist. Aus den Eigenschaften von F st folgt, dass die Voraussetzungen von Theorem 2.6.1 erfüllt sind. Es ist f(s)q(x, ds) f(x) f R st Q(x, {y : y x}) 1, wobei die Rückrichtung für monoton steigende Funktionen f offensichtlich gilt, die Hinrichtung ergibt sich mit f(s) 1 [s x] wie folgt: f(s)q(x, ds) Q(x, ds) f(x) 1. Mit der obigen Äquivalenz folgt weiter, dass es eine Übergangswahrscheinlichkeit Q gibt mit Q(x, {y : y x}) 1, für die P P Q gilt. Gesucht sind Zufallsvariablen X, X für die gilt: P (X X ) 1. Ich wähle pr 1 X : (S 2, S 2 ) (S, S) pr 2 X : (S 2, S 2 ) (S, S) (x, y) pr 1 (x, y) x x (x, y) pr 2 (x, y) y Es muß also folgendes erfüllt sein: (P Q)({pr 1 pr 2 }) 1 (siehe Bild). Man 2

erhält mit D x {y : y x} {pr 1 pr 2 } und D {y : y x}: S x0 (P Q)({pr 1 pr 2 }) P (dx)q(x, D x ) P (dx)q(x, y : y x) P (dx) 1 1. S S y D x pr 2 (x 0, y 0 ) y 0 (x 0, y 0 ) D pr 1 (x 0, y 0 ) x 0 x x (ii) (i): Zufallsvariablen X, X mit P (X X ) 1 und X P, X P. Es ist zu zeigen für alle monoton steigenden unbestimmten beschränkten f: P (dx)f(x)! P (dx)f(x) P X (dx)f(x) P X (dx)f(x) P (dω)f(x (ω)) P (dω)f(x (ω)) Von der zweiten zur dritten Zeile benutze ich die Transformationsformel. Die letzte Zeile ist wahr, da X (ω) X (ω) und f monoton steigend, sowie wegen der Isotonie des Integrals (f g f dµ g dµ). Definition (c). Eine Teilmenge U S heißt aufsteigend, falls die Indikatorfunktion 1 U monoton steigend ist. Theorem 2.6.4. Für Wahrscheinlichkeitsmaße P und P über einem polnischen Raum mit partieller Ordnung sind die folgenden Aussagen äquivalent: 3

(i) P st P (ii) fdp fdp für alle beschränkten, stetigen, monoton steigenden Funktionen f (iii) P (U) P (U) für alle aufsteigenden Mengen U (iv) P (U) P (U) für alle abgeschlossenen aufsteigenden Mengen U Beweis. (i) (ii) : P st P fdp fdp, für f stetig, beschränkt, monoton steigend ist klar, da Stetigkeit die Meßbarkeit impliziert. (i) (iii) : P (U) 1 U dp 1 U dp P (U), da 1 U (iii) (iv) : trivial (ii) (i) : Die messbaren, monoton steigenden Funktionen können durch die stetigen Funktionen von (ii) angenähert werden. Vollständiger Beweis siehe Kamae et al. (1977) Definition (d). Ein Banachraum ist ein vollständiger normierter Vektorraum. Definition (e). Eine Funktion f : S R heißt konvex, falls f(αx+(1 α)y) αf(x) + (1 α)f(y) x,y S und 0 < α < 1. Definition (f). Ein topologischer Raum heißt separabel, wenn er eine abzählbare Basis hat. Definition 2.6.5. Sei S ein separabler Banachraum und b(s) 1 + s die beschränkende Funktion. Die konvexe Ordnung cx ist auf P b als Integral induzierte Ordnung definiert, die von der Menge F cx aller konvexen Funktionen in B b erzeugt wird. Im Folgenden wird die Banachraumstruktur benötigt, um mit bedingten Erwartungswerten zu rechnen. Theorem 2.6.6. Angenommen, S sei ein separabler Banachraum mit einer abgeschlossenen partiellen Ordnung. Dann sind folgende Aussagen äquivalent: (i) P cx P (ii) es existieren Zufallsvariablen X P und X P, sodass X E[X X ] fast sicher ist. Beweis. (i) (ii) (Skizze auf der nächsten Seite) F cx ist der maximale Erzeuger und die Voraussetzungen von Theorem 2.6.1 sind erfüllt. Somit gibt es eine Übergangswahrscheinlichkeit Q mit P P Q und f(y)q(x, dy) f(x) für alle konvexen f, sowie l(y)q(x, dy) l(x) für alle linearen l. 4

Es ist E[X X ]: h X für eine geeignete unbestimmte Funktion h : S R und es muß nur noch gezeigt werden, dass h id ist. Es gilt allgemein h(x ): E[X X x ]: x P X X x (dx ). Mit P X X (x, ) Q(x, ) und l(y)q(x, dy) l(x) ergibt sich h(x ) x Q(x, dx ) x und damit h id. Es gibt somit ein Paar (X, X ) von Zufallsvariablen mit X P und X P, sodass E[X X ] X fast sicher ist. (ii) (i) siehe Perlman (1974). Die Beweise für Theorem 2.6.7 und Theorem 2.6.8 funktionieren ganz ähnlich. Theorem 2.6.7. Angenommen, S sei ein separabler Banachraum mit einer abgeschlossenen partiellen Ordnung. Dann sind folgende Aussagen äquivalent: (i) P icx P (ii) Es existieren Zufallsvariablen X P und X P, sodass X E[X X ] fast sicher ist. Theorem 2.6.8. Angenommen, S sei ein separabler Banachraum mit einer abgeschlossenen partiellen Ordnung. Dann sind folgende Aussagen äquivalent: (i) P icv P (ii) Es existieren Zufallsvariablen X P und X P, sodass X E[X X ] fast sicher ist. Literatur [1] Müller, A. und Stoyan, D. (2002). Comparison Methods for Stochastic Models and Risk. JohnWiley & Sons, Ltd, Chicester. 5