• Keine Ergebnisse gefunden

Dr. Christoph Luchsinger Frühjahrsemester 2012 Olivier Warin Seite 1 von 4

N/A
N/A
Protected

Academic year: 2021

Aktie "Dr. Christoph Luchsinger Frühjahrsemester 2012 Olivier Warin Seite 1 von 4"

Copied!
4
0
0

Wird geladen.... (Jetzt Volltext ansehen)

Volltext

(1)

Ubungsblatt 8 zur Vorlesung Wahrscheinlichkeitstheorie ¨

Zufallsgr¨ossen

Herausgabe des ¨Ubungsblattes: Woche 16, Abgabe der L¨osungen: Woche 17 (bis Freitag, 16.15 Uhr), Be- sprechung: Woche 19

Must

Aufgabe 42 [monotone Abbildung und Borel-Messbarkeit]

Seif :R→Reine Abbildung. Zeigen Sie: wennf monoton ist, dann ist f auchB(R)− B(R)-mb.

Standard

Aufgabe 43 [Verteilungsfunktion von X+ undX][4 Punkte]

X habe VerteilungsfunktionF. Berechnen Sie die Verteilungsfunktion vonX+ undX. Aufgabe 44 [mehrdimensionale ZG][4 Punkte]

Sei (X1, X2) ein Zufallsvektor mit VerteilungsfunktionF. Zeigen Sie f¨ur a1≤b1 unda2≤b2: P[a1< X1≤b1, a2< X2≤b2] =F(b1, b2)−F(b1, a2)−F(a1, b2) +F(a1, a2).

Aufgabe 45 [elementare Eigenschaften von F−1][4 Punkte]

SeiF−1 die Inverse vonF mit Definition:

F−1(x) := inf{t:F(t)≥x}, x∈(0,1).

Zeigen Sie:

a) F¨ur alle (x, t) giltF1(x)≤t⇔x≤F(t).

b)F1 ist monoton wachsend und links-stetig.

c) FallsF stetig ist, dann giltF(F1(x)) =xf¨ur allex∈(0,1).

Honours Aufgabe 46 [Transformation und σ-Algebren][3 Punkte]

SeiY :=g(X) woX eine ZG undg:R→Reine Borel-Funktion. Zeigen Sie:

σ(Y)⊆σ(X);

was kann man folgern, wenn auch eine Borel-Funktionh:R→Rexistiert, sodassX =h(Y)?

Dr. Christoph Luchsinger

Frühjahrsemester 2012 Olivier Warin Seite 1 von 4

(2)

Übungsblatt 8 zur Vorlesung “Wahrscheinlichkeitstheorie” Seite 2 von 4

Übungsblatt 8 zur Vorlesung “Wahrscheinlichkeitstheorie”

Olivier Warin 5. Mai 2012

Aufgabe 42 [monotone Abbildung und Borel-Messbarkeit]

Seif :R→Reine Abbildung.

Behauptung: Fallsf monoton ist, dann istf auchB(R)− B(R)-messbar.

Beweis: Wir nehmen zunächst an, dassf monoton wachsend ist.

Es sei a ∈ R. Wir zeigen jetzt, dass A := {x ∈ R|f(x) 6 a} ∈ B(R). Daraus folgt dann die Behauptung mit Aufgabe 37. FallsA=∅oderA=Rist dies richtig, also können wir o.B.d.A. annehmen, dass A 6= ∅ und A 6= R. Da f monoton wachsend ist, muss A also nach oben beschränkt sein. Somit können wirs= supAdefinieren. Daf monoton wachsend ist, folgt

A = (−∞, s) oder A = (−∞, s].

Also istAin jedem Fall eine Borel-Menge.

Falls jetzt f monoton fallend ist, ist die Funktiong=−f automatisch monoton wachsend. Also istg nach ObigemB(R)− B(R)-messbar. Aber daraus folgt mit Lemma 2.10, dassf =−gauchB(R)− B(R)- messbar ist.

Aufgabe 43 [Verteilungsfunktion vonX+ undX]

Es sei X eine Zufallsgrösse auf einem Wahrscheinlichkeitsraum (Ω,A, P). Sei weiter F die Verteilungs- funktion vonX.

Für die VerteilungsfunktionFX+ vonX+ = max{0, X} gilt nun FX+(a) =P[max{0, X}6a] = P[06a, X6a] = 1{a>0}F(a) =

(F(a), falls a>0 0, falls a <0.

Desweiteren gilt für die VerteilungsfunktionFX von X=−min{X,0}:

FX(a) =P[−min{0, X}6a] = P[min{0, X}>−a] = P[0>−a, X >−a] = 1{a>0}P[X >−a]

= 1{a>0}(1−P[X 6−a] +P[X =−a]) = 1{a>0}(1−F(−a) +P[X =−a])

=

(1−F(−a) +P[X =−a], falls a>0

0, falls a <0.

Aufgabe 44 [mehrdimensionale ZG]

Sei(X1, X2)ein Zufallsvektor mit Verteilungsfunktion F.

Behauptung: Füra16b1unda26b2 gilt

P[a1< X16b1, a2< X26b2] =F(b1, b2)−F(b1, a2)−F(a1, b2) +F(a1, a2).

Beweis: Zur besseren Übersicht definieren wirAi ={Xi6ai} undBi ={Xi6bi} (i= 1,2). Nun gilt aufgrund von Lemma 1.8

P[a1< X16b1, a2< X26b2] =P[(B1\A1)∩(B2\A2)] =P[((B1\A1)∩B2)\((B1\A1)∩A2]

=P[(B1\A1)∩B2]−P[(B1\A1)∩A2]

=P[(B1∩B2)\(A1∩B2)]−P[(A2∩B1)\(A1∩A2)]

=P[B1∩B2]−P[A1∩B2]−P[A2∩B1] +P[A1∩A2]

=F(b1, b2)−F(a1, b2)−F(a2, b1) +F(a1, a2).

Frühjahrsemester 2012 Olivier Warin Seite 2 von 4

(3)

Übungsblatt 8 zur Vorlesung “Wahrscheinlichkeitstheorie” Seite 3 von 4

Aufgabe 45 [elementare Eigenschaften von F−1]

Es seiF eine Verteilungsfunktion. Nun definieren wir F−1: (0,1)→Rdurch F1(x) = inf{t|F(t)>x}.

DaF rechts-stetig ist, folgt

F1(x) = min{t|F(t)>x}.

a) Behauptung: Für alle(x, t)∈(0,1)×Rgilt:F1(x)6t ⇔ x6F(t).

Beweis:

“⇒” Dat>F1(x)und daF monoton wachsend, folgt aufgrund der Definition vonF1F(t)>x, alsox6F(t).

“⇐” Dax6F(t)folgt sofortt∈ {s|F(s)>x} und damitt>F1(x).

b) Behauptung: Die FunktionF−1 ist monoton wachsend und links-stetig.

Beweis: Seienx, y∈Rmit x6y. Daraus folgt

{t|F(t)>x} ⊇ {t|F(t)>y} und damitF1(x)6F1(y), also istF1 monoton wachsend.

Sei (xn)n∈N eine konvergente Folge in Rmit xn6xfür allen∈Nundlimn→∞xn =x. Definiere weiter für jedes n

˜

xn = inf{xm|m>n}.

Es folgt, dass die Folge (˜xn)n∈Nmonoton wachsend ist und zusätzlich dieselben Eigenschaften wie (xn)n∈N erfüllt.

Die Folge(F−1(˜xn))n∈Nist monoton steigend, daF−1und(˜xn)n∈Nbeide monoton wachsend sind.

Wiederum aufgrund der Monotonie vonF−1gilt für allen∈NF−1(˜xn)6F−1(x), dax˜n6x. Also ist die Folge(F−1(˜xn))n∈N nach oben beschränkt und monoton wachsend, folglich also konvergent.

Wir können also schliessen

[F1(x),∞) ={t|F(t)>x} = T

n=1{t|F(t)>x˜n} = T

n=1[F1(˜xn),∞) = [ lim

n→∞F1(˜xn),∞).

Alsolimn→∞F1(˜xn) = F1(x).

Weiter gilt für allen:

F1(x)>F1(xn) > F1(˜xn) n−→→ ∞ F1(x).

Somit muss limn→∞F1(xn) =F1(x)gelten. Folglich istF1 links-stetig.

c) Behauptung: FallsF stetig ist, dann giltF(F−1(x)) =xfür allex∈(0,1).

Beweis: Sei x∈(0,1). WennF stetig ist, gibt es nach dem Zwischenwertsatz sicher eint0 ∈R, so dassF(t0) =x. DaF monoton wachsend ist, folgt damit

F−1(x) = min{t|F(t)>x} = min{t|F(t) =x}. Daraus folgt sofortF(F1(x)) =x, daF1(x)∈ {t|F(t) =x}.

Frühjahrsemester 2012 Olivier Warin Seite 3 von 4

(4)

Übungsblatt 8 zur Vorlesung “Wahrscheinlichkeitstheorie” Seite 4 von 4

Aufgabe 46 [Transformation und σ-Algebren]

Es seien (Ω,A, P)ein Wahrscheinlichkeitsraum, X eine Zufallsgrösse auf(Ω,A, P) undg :R→R eine Borelfunktion. Weiter definieren wirY =g◦X.

Behauptung: Es giltσ(Y)⊆σ(X).

Beweis: SeiA∈σ(Y), d.h. es gibt eine BorelmengeB, so dass

A=Y1(B) = {ω∈Ω|Y(ω)∈B} = {ω∈Ω|g(X(ω))∈B} = {ω∈Ω|X(ω)∈g1(B)}

=X−1(g−1(B)).

Dageine Borel-Funktion ist, folgt dassg1(B)eine Borel-Menge ist und damit nach ObigemA∈σ(X).

Falls es jetzt noch eine Borelfunktion h : R → R mit X = h◦Y geben würde, so würde nach der gerade bewiesenen Behauptung (mit vertauschten Rollen vonX undY) folgenσ(X)⊆σ(Y)und damit σ(X) =σ(Y).

Frühjahrsemester 2012 Olivier Warin Seite 4 von 4

Referenzen

ÄHNLICHE DOKUMENTE

Formulieren Sie die Cramer-Rao-Schranke f¨ur diskrete Zufallsgr¨ossen und berechnen Sie die Schranke im Fall der Poisson-Verteilung.. Honours Aufgabe 47 [Uniformverteilung und

(Bei mehr als zwei Matrizen wäre dies allerdings im Allgemeinen nur bei zyklischen Vertauschungen erlaubt.).. Übungsblatt 11 zur Vorlesung “Statistische Methoden” Seite 5 von

Bei den folgenden Aufgaben wird (noch) nicht verlangt, dass Sie allf¨allige Beweise v¨ollig exakt f¨ uhren mit Resultaten aus der WT (die Sie ja eh noch nicht haben). L¨osen Sie

Geben Sie zu jedem der 6 F¨alle von Ereignisr¨aumen aus 1.1 ein neues Beispiel aus der ”realen Welt” an, welches man ”sinnvollerweise” mit dem jeweiligen Fall modelliert.

Frühjahrsemester 2012 Olivier Warin Seite 1 von 4... Denn

Hat nun eine dieser Frauen in der Tat Brustkrebs, so ist die Wahrscheinlichkeit eines positiven Mammographiebefundes 80 % (positiv heisst hier, dass der medizinische Apparat

Zeigen Sie: ein Mass µ ist genau dann σ-endlich, wenn es eine abz¨ahlbare Folge (E i ) i ≥ 1 von disjunkten Mengen gibt, sodass E = ∪ E i mit µ[E i ] &lt; ∞ f¨ ur alle i ≥

Frühjahrsemester 2012 Olivier Warin Seite 1