Задание вероятностных мер на измеримых пространствах
§ 3. Задание вероятностных мер на измеримых пространствах.
3.1. Измеримое пространство (R1,B(R1)).
Пусть F: R1[0,1] - измеримая функция, обладающая свойствами:
1) неубывающая;
2) F(-)=0 F()=1, где F(-)= и F()=;
3) непрерывна справа и имеет предел слева в каждой точке R1.
Определение. Всякая функция F(x), удовлетворяющая свойствам 1)- 3) называется функцией распределения на R1 .
Теорема 3. Пусть - функция распределения на R1, тогда на (R1, B(R1)) существует и притом единственная вероятностная мера Р такая, что для любых , причем , Р
Пример: пусть функция распределения имеет вид:
Рекомендуемые материалы
=
Соответствующую ей меру называют мерой Лебега отрезка и обозначают Λ, причем Λ
Приведем классификацию мер на (R1, B (R1)).
3.1.1. Дискретные меры.
Пусть - функция распределения кусочно-постоянна и меняет свои значения в точках х1,х2, …, причем где Ясно, что соответствующая этой функции распределения вероятностная мера Р сосредоточена в точках х1,х2, …, причем Р.
Набор чисел где - называется дискретным распределением.
Примеры дискретных распределений содержатся в приведенной ниже таблице.
Распределение | Параметры | |
1. Дискретное равномерное |
| |
2. Бернулли | - вероятность успеха, | |
3. Биноминальное | , | |
4. Пуассоновское Пк | Пk | |
5. Геометрическое = |
| |
6. Отрицательное биноминальное |
|
3.1.2. Абсолютно непрерывные меры.
Пусть существует неотрицательная функция такая, что функция распределения допускает представление:
Функцию () называют плотностью функции распределения .
Пример: Функцию , называют гауссовской плотностью. Легко убедиться в том, что
3.1.3. Сингулярные распределения.
Определение. Точка называется точкой роста функции распределения, если для любого .
Определение. Сингулярными мерами называются меры, функции распределения которых непрерывны, причем точки роста, которые образуют множество нулевой меры Лебега.
Пример. Возьмем отрезок и построим на нем сингулярную функцию распределения с помощью приема, принадлежащего Кантору Г. Пусть Fo – функция распределения, соответствующая мере Лебега на отрезке [0,1].Разделим на 3 равные части и определим - функцию распределения следующим образом:
= 0, при x < 0; = x, при x [0,); = , при x [,); = x – , при x [,1); = 1, при x > 1. Затем, каждый из интервалов и опять поделим на 3 равные части и определим функцию распределения следующим образом:
= 0, при x < 0; = x, при x [0,); = при x[,];= x - , при x [,];= при x[,);= x – 1, при x [,);= при x[,);= x - , при x[,1].
Продолжая этот процесс далее мы построим последовательность функции распределения , которая, очевидно, сходится при к некоторой неубывающей непрерывной функции распределения . Очевидно, что точки роста функции распределения имеет нулевую меру Лебега, так как общая длина интервалов, на которых принимает постоянные значения равна 1. Действительно, общая длина интервалов постоянства функции равна
Пусть - множество точек роста функции распределения, тогда из последнего рассуждения следует, что (в этих случаях говорят, что мера, соответствующая этой функции распределения сингулярна по отношению к мере Лебега ).
Теорема 4.(Лебега) Любая функции распределения на прямой R1 представима в виде:
,
где и , а - дискретная, - абсолютно непрерывная, - сингулярная функции распределения.
3.2. Измеримое пространство (Rn ,B(Rn)).
Пусть - измеримая функция, непрерывная справа (по совокупности измененных), имеющая левый предел. Введем оператор , действующей по правилу
.
Определение. Всякая непрерывная справа функция удовлетворяющая условиям:
1) для любых , i = ;
2) ;
3) , если хотя бы одна из координат n-мерного вектора принимает значение ,
называется -мерной функцией распределения.
Очевидно следующее утверждение.
Теорема 5. Пусть - -мерная функция распределения. Тогда на (Rn,B(Rn)) существует единственная вероятностная мера Р такая, что , где , .
Примеры. 1) Пусть
=
мерная функция распределения вероятностей, которой соответствует мера Лебега на .
2) ,где
.
3.3. Измеримое пространство (R,B(R))
Обозначим через R:(), где Rn – цилиндрическое множество в с основанием B(Rn). Пусть последовательность вероятностных мер определенных, соответственно, на (R1 , B(R1)), (R2 , B(R2)), обладает следующим свойством:
(1)
где , .
Условие (1) называют условием (свойством) согласованности.
Теорема 5. (Колмогорова о продолжении вероятностной меры на (R, B(R)). Пусть - последовательность вероятностных мер, соответственно, на (R1, B(R1)), (R2, B(R2)), обладающая свойством согласованности. Тогда существует единственная мера Р на (R, B(R)) такая, что для каждого PPдля .
3.4. Измеримое пространство (RТ , B(RТ))
Обратите внимание на лекцию "Движение ледников".
Пусть Т=[0,T] – произвольное множество индексов Rt - числовая прямая, соответствующая индексу . Рассмотрим произвольный конечный неупорядоченный набор различных индексов , и пусть Pt - вероятностная мера на (R,B(R)), где R= RR.
Определение. Будем говорить, что семейство вероятностных мер (- пробегает множество всех конечных неупорядоченных наборов), является согласованным, если а) для любых двух наборов и причем , выполняется равенство
,
где , б) выполнено (1).
Теорема 6. (Колмогорова о продолжении вероятностной меры на
(RТ ,B(RТ))). Пусть - согласованное семейство вероятностных мер на (R,B(R)). Тогда существует единственная вероятностная мера Р на (RТ ,B(RТ)) такая, что для всех неупорядоченных наборов различных индексов и B(R).