Rodzinę spełniającą trzeci warunek tylko dla sumy skończonej nazywamy ciałem (algebrą) w zbiorze X.

Podobne dokumenty
Teoria miary i całki

Robert Kowalczyk. Zbiór zadań z teorii miary i całki

Zadania do Rozdziału X

Wykłady ostatnie. Rodzinę P podzbiorów przestrzeni X nazywamy σ - algebrą, jeżeli dla A, B P (2) A B P, (3) A \ B P,

7. Miara, zbiory mierzalne oraz funkcje mierzalne.

G. Plebanek, MIARA I CAŁKA Zadania do rozdziału 1 28

1. Struktury zbiorów 2. Miara 3. Miara zewnętrzna 4. Miara Lebesgue a 5. Funkcje mierzalne 6. Całka Lebesgue a. Analiza Rzeczywista.

Teoria miary. WPPT/Matematyka, rok II. Wykład 5

1 Przestrzenie metryczne

2 Rodziny zbiorów. 2.1 Algebry i σ - algebry zbiorów. M. Beśka, Wstęp do teorii miary, rozdz. 2 11

A i. i=1. i=1. i=1. i=1. W dalszej części skryptu będziemy mieli najczęściej do czynienia z miarami określonymi na rodzinach, które są σ - algebrami.

1 Relacje i odwzorowania

Rachunek prawdopodobieństwa Rozdział 2. Aksjomatyczne ujęcie prawdopodobieństwa

RACHUNEK PRAWDOPODOBIEŃSTWA - POJĘCIA WSTĘPNE MATERIAŁY POMOCNICZE - TEORIA

Podstawy metod probabilistycznych. dr Adam Kiersztyn

n=0 Dla zbioru Cantora prawdziwe są wersje lematu 3.6 oraz lematu 3.8 przy założeniu α = :

RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 1. L. Kowalski, Statystyka, 2005

Teoria miary WPPT IIr. semestr zimowy 2009 Wyk lady 6 i 7. Mierzalność w sensie Carathéodory ego Miara Lebesgue a na prostej

Metody probabilistyczne

Topologia I Wykład 4.

Teoria miary. Matematyka, rok II. Wykład 1

Rodzinę F złożoną z podzbiorów zbioru X będziemy nazywali ciałem zbiorów, gdy spełnione są dwa następujące warunki.

7 Twierdzenie Fubiniego

Wykład 1: Przestrzeń probabilistyczna. Prawdopodobieństwo klasyczne. Prawdopodobieństwo geometryczne.

Zadania z Analizy Funkcjonalnej I Które z poniższych przestrzeni metrycznych są przestrzeniami unormowanymi?

PEWNE FAKTY Z RACHUNKU PRAWDOPODOBIEŃSTWA

F t+ := s>t. F s = F t.

1 Działania na zbiorach

Rachunek prawdopodobieństwa Rozdział 4. Zmienne losowe

Zadania z Analizy Funkcjonalnej I Które z poniższych przestrzeni metrycznych są przestrzeniami unormowanymi?

Statystyka i eksploracja danych

RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 3.

(b) Suma skończonej ilości oraz przekrój przeliczalnej ilości zbiorów typu G α

Korzystając z własności metryki łatwo wykazać, że dla dowolnych x, y, z X zachodzi

Wykład 3. Miara zewnętrzna. Definicja 3.1 (miary zewnętrznej) Funkcję µ przyporządkowującą każdemu podzbiorowi

Przykład 1 W przypadku jednokrotnego rzutu kostką przestrzeń zdarzeń elementarnych

Repetytorium z przedmiotu Miara i prawdopodobieństwo dla kierunku Informatyka 2003/2004. Adam Jakubowski

zbiorów domkniętych i tak otrzymane zbiory domknięte ustawiamy w ciąg. Oznaczamy

f(t) f(x), D f(x) = lim sup t x oraz D f(x) = lim inf

Wykłady... b i a i. i=1. m(d k ) inf

Uwaga 1.2. Niech (G, ) będzie grupą, H 1, H 2 < G. Następujące warunki są równoważne:

Wykład 12: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Mieszanina rozkładów.

Informacja o przestrzeniach Sobolewa

Prawdopodobieństwo i statystyka

O pewnych związkach teorii modeli z teorią reprezentacji

2. Wykaż, że moment pierwszego skoku w procesie Poissona. S 1 := inf{t : N t > 0} jest zmienną losową o rozkładzie wykładniczym z parametrem λ.

Wykład 10. Stwierdzenie 1. X spełnia warunek Borela wtedy i tylko wtedy, gdy każda scentrowana rodzina zbiorów domkniętych ma niepusty przekrój.

Prawdopodobieństwo. Prawdopodobieństwo. Jacek Kłopotowski. Katedra Matematyki i Ekonomii Matematycznej SGH. 16 października 2018

1 Zbiory. 1.1 Kiedy {a} = {b, c}? (tzn. podać warunki na a, b i c) 1.2 Udowodnić, że A {A} A =.

Procesy stochastyczne

jest ciągiem elementów z przestrzeni B(R, R)

W2 Podstawy rachunku prawdopodobieństwa (przypomnienie)

Procesy stochastyczne

ALGEBRA Z GEOMETRIĄ BAZY PRZESTRZENI WEKTOROWYCH

Informacja o przestrzeniach Hilberta

Funkcje mierzalne, całka z funkcji nieujemnej, twierdzenia o przechodzeniu do granicy pod znakiem całki

Grzegorz Plebanek Miara i całka skrypt do wykładu Funkcje rzeczywiste

MNRP r. 1 Aksjomatyczna definicja prawdopodobieństwa (wykład) Grzegorz Kowalczyk

2. Wykaż, że moment pierwszego skoku w procesie Poissona. S 1 := inf{t : N t > 0} jest zmienną losową o rozkładzie wykładniczym z parametrem λ.

Rachunek prawdopodobieństwa Rozdział 4. Zmienne losowe

Rachunek prawdopodobieństwa (Elektronika, studia niestacjonarne) Wykład 3

ciałem F i oznaczamy [L : F ].

Zadania z Analizy Funkcjonalnej I* - 1

Repetytorium z przedmiotu MIARA I PRAWDOPODOBIEŃSTWO dla kierunku Informatyka 2001/2002. Adam Jakubowski

5. Algebra działania, grupy, grupy permutacji, pierścienie, ciała, pierścień wielomianów.

Pojęcie przestrzeni probabilistycznej

Chcąc wyróżnić jedno z działań, piszemy np. (, ) i mówimy, że działanie wprowadza w STRUKTURĘ ALGEBRAICZNĄ lub, że (, ) jest SYSTEMEM ALGEBRAICZNYM.

1.1 Definicja. 1.2 Przykład. 1.3 Definicja. Niech G oznacza dowolny, niepusty zbiór.

Analiza matematyczna 2, cze ść dziesia ta

1 Określenie pierścienia

02DRAP - Aksjomatyczna definicja prawdopodobieństwa, zasada w-w

O pewnych klasach funkcji prawie okresowych (niekoniecznie ograniczonych)

σ-ciało zdarzeń Niech Ω będzie niepustym zbiorem zdarzeń elementarnych, a zbiór F rodziną podzbiorów zbioru Ω spełniającą warunki: jeśli A F, to A F;

Pierścień wielomianów jednej zmiennej

1 Elementy analizy funkcjonalnej

Ośrodkowość procesów, proces Wienera. Ośrodkowość procesów, proces Wienera Procesy Stochastyczne, wykład, T. Byczkowski,

Prawdopodobieństwo i statystyka

Podstawowe struktury algebraiczne

WYKŁAD 3. Witold Bednorz, Paweł Wolff. Rachunek Prawdopodobieństwa, WNE, Uniwersytet Warszawski. 1 Instytut Matematyki

Elementy Teorii Miary i Całki

1. Funkcje monotoniczne, wahanie funkcji.

Elementy analizy funkcjonalnej PRZESTRZENIE LINIOWE

1 Zbiory i działania na zbiorach.

. : a 1,..., a n F. . a n Wówczas (F n, F, +, ) jest przestrzenią liniową, gdzie + oraz są działaniami zdefiniowanymi wzorami:

Jednowymiarowa zmienna losowa

PROCESY STOCHASTYCZNE. PEWNE KLASY PROCESÓW STOCHASTYCZNYCH Definicja. Procesem stochastycznym nazywamy rodzinę zmiennych losowych X(t) = X(t, ω)

Prawdopodobieństwo i statystyka

Grupy. Permutacje 1. (G2) istnieje element jednostkowy (lub neutralny), tzn. taki element e G, że dla dowolnego a G zachodzi.

Wstęp do przestrzeni metrycznych i topologicznych oraz ich zastosowań w ekonomii

Dystrybucje. Marcin Orchel. 1 Wstęp Dystrybucje Pochodna dystrybucyjna Przestrzenie... 5

PODSTAWOWE ROZKŁADY PRAWDOPODOBIEŃSTWA. Piotr Wiącek

1. R jest grupą abelową względem działania + (tzn. działanie jest łączne, przemienne, istnieje element neutralny oraz element odwrotny)

Układy współrzędnych

Całki podwójne. Definicja całki podwójnej. Jacek Kłopotowski. 25 maja Katedra Matematyki i Ekonomii Matematycznej

Rachunek prawdopodobieństwa (Elektronika, studia niestacjonarne) Wykład 2

14. Przestrzenie liniowe

Rozdział 6. Ciągłość. 6.1 Granica funkcji

28 maja, Problem Dirichleta, proces Wienera. Procesy Stochastyczne, wykład 14, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1126

Uwaga 1. Zbiory skończone są równoliczne wtedy i tylko wtedy, gdy mają tyle samo elementów.

Transkrypt:

1 σ-ciała Definicja 1.1 (σ - ciało) σ - ciałem (σ - algebrą) w danym zbiorze X (zwanym przestrzenią) nazywamy rodzinę M pewnych podzbiorów zbioru X, spełniającą trzy warunki: 1 o M; 2 o jeśli A M, to X \ A M; 3 o jeśli A n M dla każdego n N, to n N A n M. Rodzinę spełniającą trzeci warunek tylko dla sumy skończonej nazywamy ciałem (algebrą) w zbiorze X. Z powyższych warunków wynikają łatwo następujące własności σ - ciała M: X M jeśli J jest co najwyżej przeliczalnym zbiorem, oraz A j M dla każdego j J, to: a) A j M; b) A j M tzn. suma i przecięcie co najwyżej przeliczalnej rodziny zbiorów należących do σ-ciała M, należą do M; jeśli A, B M, to A \ B M. Definicja 1.2 Jeśli M jest σ- ciałem w zbiorze X, to parę (X, M) nazywamy przestrzenią mierzalną. Przykłady: 1. Rodzina wszystkich podzbiorów zbioru X jest σ-ciałem w X. 2. Rodzina M = {, X} jest σ-ciałem w zbiorze X. 3. Jeśli E jest ustalonym podzbiorem zbioru X, to rodzina M = {, X, E, X \ E} jest σ- ciałem w zbiorze X. 4. Niech (X, ) będzie przestrzenią mierzalną oraz niech dane będzie odwzorowanie f : X Y, gdzie Y - dowolny zbiór. Wówczas rodzina N = {B Y : f 1 (B) M} jest σ-ciałem w Y. Stwierdzenie 1.1 Część wspólna rodziny σ-ciał w X jest σ- ciałem w X. Powyższe stwierdzenie uprawnia nas do wprowadzenia następującego pojęcia: Definicja 1.3 Niech R - pewna rodzina podzbiorów przestrzeni X. σ-ciałem generowanym przez R w X nazywamy część wspólną wszystkich σ-ciał w X zawierających R i oznaczamy σ(r). σ(r) bywa nazywane również najmniejszym σ-ciałem w X zawierającym rodzinę R. 1

Uwaga: istnienie σ(r) wynika z Przykładu 1. Definicja 1.4 (zbiory borelowskie) Zbiorami borelowskimi względem danej przestrzeni metrycznej X nazywamy zbiory należące do σ-ciała w X generowanego przez rodzinę G(X) - wszystkich zbiorów otwartych w X. Rodzinę wszystkich zbiorów borelowskich względem X oznaczamy B(X). 2 Miara Definicja 2.1 Niech (X, M) - przestrzeń mierzalna. Miarą na σ-ciele M nazywamy funkcję µ: M R + (czyli funkcję, która każdemu zbiorowi A z σ-ciała M przyporządkowuje liczbę nieujemną µ(a) skończoną, lub równą + ) spełniającą dwa warunki: 1 o µ( ) = 0 (miara zbioru pustego równa się 0); 2 o µ ( n N A n ) = n N µ(a n ) dla każdego ciągu zbiorów A n M parami rozłącznych (miara sumy ciągu zbiorów parami rozłącznych równa się sumie ich miar). Własność 2 o nazywamy przeliczalną addytywnością funkcji zbioru µ. Jeśli µ jest miarą na σ-ciele M w X, to trójkę (X, M, µ) nazywamy przestrzenią z miarą. Jeśli A M i µ(a) = 0 to mówimy, że zbiór A jest miary µ zero. Jeśli A M i µ(a) < + to mówimy, że zbiór A jest miary µ skończonej. Miara µ na σ-ciele M w X nazywa się: - skończona, jeśli µ(x) < + ; - unormowana lub probabilistyczna, jeśli µ(x) = 1; - półskończona lub σ-skończona, jeśli przestrzeń X daje się przedstawić w postaci sumy przeliczalnej rodziny zbiorów miary µ skończonej; - zupełna, jeśli z warunku A B, B M, µ(b) = 0 wynika, że A M (tzn. każdy podzbiór zbioru miary zero należy do M). Stwierdzenie 2.1 Niech µ będzie miarą na σ-ciele M. Wówczas: (i) jeśli J jest zbiorem co najwyżej przeliczalnym, oraz {A j : j J} - rodziną zbiorów parami rozłącznych należących do M, to µ A j = µ(a j ); (ii) jeśli zbiór A jest miary µ skończonej, A B, B M, to µ(b \ A) = µ(b) µ(a); (iii) jeśli A B (A, B M), to µ(a) µ(b) (tzw. monotoniczność funkcji zbioru µ.) 2

(iv) jeśli J jest zbiorem co najwyżej przeliczalnym, oraz {A j : j J} - rodziną zbiorów należących do M, to µ µ(a j ); A j (v) suma przeliczalnej rodziny zbiorów miary µ zero jest zbiorem miary µ zero; (vi) jeśli A n A, (A n M), to µ(a n ) µ(a); (vii) jeśli A n A, (A n M), to µ(a n ) µ(a), przy dodatkowym założeniu, że zbiór A 1 jest miary µ skończonej; Definicja 2.2 (miara zewnętrzna) Miarą zewnętrzną w zbiorze X nazywamy funkcję zbioru µ o wartościach w R +, określoną na klasie wszystkich podzbiorów zbioru X, spełniającą trzy warunki: 1 o µ ( ) = 0; 2 o jeśli A B X, to µ (A) µ (B) (monotoniczność) ; 3 o µ ( n N A n ) n N µ (A n ) dla każdego ciągu A n podzbiorów zbioru X (przeliczalna podaddytywność). Z własności tych wynika, że µ ( A j ) µ (A j ) dla każdej rodziny {A j : j J} podzbiorów zbioru X, gdzie J - co najwyżej przeliczalny zbiór indeksów. W szczególności jeśli µ (A j ) = 0 dla j J, to µ ( A j ) = 0. Uwaga: Każda miara jest miarą zewnętrzną. Jeśli miara zewnętrzna jest skończenie addytywna to jest miarą. Definicja 2.3 Niech µ będzie miarą zewnętrzną w X. Mówimy, że zbiór A X spełnia warunek Caratheodory ego względem µ, jeśli: (Car) µ (W Z) = µ (W ) + µ (Z) dla dowolnych zbiorów W, Z takich, że W A, Z X \ A (zbiór W jest wewnętrzny a Z zewnętrzny w stosunku do A). Uwaga: wystarczy żądać by zachodziło. Twierdzenie 2.1 (Caratheodory ego) Jeśli µ jest miara zewnętrzną w zbiorze X oraz M oznacza rodzinę wszystkich podzbiorów zbioru X spełniających warunek (Car), to: a) M jest σ-ciałem w X; b) jeśli µ (A) = 0, to A M; c) miara zewnętrzna µ zawężona do M jest miarą, miara ta jest zupełna. Dowód: 3

Definicja 2.4 Przedziałem w R k nazywamy zbiór P R k postaci: P = P 1... P k gdzie P i są przedziałami jednowymiarowymi. Objętością przedziału k- wymiarowego nazywamy iloczyn długości przedziałów jednowymiarowych określających ten przedział: P = P 1... P k. Definicja 2.5 Powiemy, że rodzina przedziałów P j jest pokryciem zbioru A jeśli A i J P j. Definicja 2.6 (k - wymiarowa miara zewnętrzna Lebesgue a) K wymiarową miarą zewnętrzną Lebesgue a zbioru A R k określamy: lk(a) = inf P n : P n przedziały w R k, A n N P n. n N Twierdzenie 2.2 Powyżej określona k-wymiarowa miara zewnętrzna Lebesgue a jest miarą zewnętrzną. Twierdzenie 2.3 Miara zewnętrzna Lebesgue a dowolnego przedziału k-wymiarowego równa się jego objętości. Zbiory o mierze zewnętrznej Lebesgue a równej zero nazywamy zbiorami miary zero. Przykłady: 1. Zbiór pusty jest miary zero. 2. Każdy zbiór przeliczalny jest miary zero (bo zbiory jednopunktowe są miary zero). 3. Każdy przedział zdegenerowany w R k jest zbiorem miary zero, co wynika z definicji objętości przedziału zdegenerowanego i definicji miary Lebesgue a. 4. Jeśli jeden ze zbiorów A, B R jest miary zero to A B R 2 jest miary 0. Przez L(R k ) oznaczamy σ-ciało w przestrzeni R k generowane przez rodzinę wszystkich k-wymiarowych przedziałów i rodzinę wszystkich podzbiorów R k miary zero. σ -ciało L(R k ) nazywamy klasą podzbiorów przestrzeni R k mierzalnych w sensie Lebesgue a. Zbiory należące do L(R k ) nazywamy zbiorami mierzalnymi (w sensie Lebesgue a). Przez l k oznaczamy zawężenie miary zewnętrznej Lebesgue a l k do σ-ciała L(R k ) zbiorów mierzalnych. Twierdzenie 2.4 a) Wszystkie podzbiory miary zero przestrzeni R k oraz wszystkie jej podzbiory borelowskie są mierzalne (tzn. należą do L(R k )); b) l k jest miarą na σ-ciele L(R k ); c) miara l k jest zupełna i σ-skończona. Twierdzenie 2.5 Iloczyn kartezjański zbiorów mierzalnych jest zbiorem mierzalnym. 4

Zadania rozważane na wykładzie: 1. Podaj postać σ-ciała w zbiorze X = {a, b, c, d} generowanego przez rodzinę zbiorów R = {{a}, {b}}. 2. Twierdzenie 2.6 Niech G R k. Dane jest odwzorowanie f : G R n, k < n, f jest klasy C 1. Wówczas l n (f(g)) = 0. Korzystając z tego twierdzenia pokazaliśmy, że l 2 (S 1 ) = 0, gdzie S 1 = {(x 1, x 2 ) R 2 : x 2 1 + x 2 2 = 1} - okrąg jednostkowy. Zastosowaliśmy powyższe twierdzenie do odwzorowania f(ϕ) = (cos ϕ, sin ϕ). 5