Stochastische Dynamik - Stochastik - Humboldt-Universität zu Berlin
Stochastische Dynamik - Stochastik - Humboldt-Universität zu Berlin
Stochastische Dynamik - Stochastik - Humboldt-Universität zu Berlin
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
24 Der Birkhoffsche Ergodensatz<br />
Außerdem hat man<br />
( ∣ ∣∣∣∣<br />
1<br />
E<br />
n<br />
n−1<br />
∑<br />
k=0<br />
X ′′ ◦ ϕ k ∣ ∣∣∣∣<br />
)<br />
≤ 1 n<br />
n−1<br />
∑<br />
k=0<br />
(<br />
E |X ′′ | ◦ ϕ k) = E(|X ′′ |) ,<br />
wobei benutzt wurde, daß ϕ maßtreu ist; ferner gilt nach Jensen (| . | ist konvex):<br />
E ( ∣ ∣ E(X ′′ |I ) ∣ ∣ ) ≤ E ( E( |X ′′ | |I ) ) = E(|X ′′ |) ;<br />
faßt man die beiden letzten Ungleichungen <strong>zu</strong>sammen, so ergibt sich:<br />
( ∣ )<br />
∣∣∣∣ n−1<br />
1 ∑<br />
E X ′′ ◦ ϕ k − E(X ′′ |I )<br />
≤ 2 E(|X ′′ |) .<br />
n<br />
∣<br />
k=0<br />
Sei nun ein beliebiges ε > 0 fixiert; dann kann man K > 0 so groß wählen, daß<br />
2 E(|X ′′ |) < ε 2<br />
ist (majorierte Konvergenz, Definition von X ′′ ). Mit diesen Parametern ε und<br />
K kann man wegen obiger L 1 -Konvergenz bei X ′ ein n 0 ∈ N wählen, sodaß gilt:<br />
( ∣ )<br />
∣∣∣∣ n−1<br />
1 ∑<br />
E X ′ ◦ ϕ k − E(X ′ |I )<br />
< ε (n ≥ n 0 ) .<br />
n<br />
∣ 2<br />
k=0<br />
Da nun X ≡ X ′ + X ′′ ist, ergeben die vorangehenden drei Abschät<strong>zu</strong>ngen:<br />
(∣ )<br />
∣∣∣∣ n−1<br />
1 ∑<br />
E X ◦ ϕ k − E(X|I )<br />
n<br />
∣<br />
k=0<br />
(∣ ) (∣ )<br />
∣∣∣∣ n−1<br />
1 ∑<br />
∣∣∣∣ n−1<br />
≤ E X ′ ◦ ϕ k − E(X ′ 1 ∑<br />
|I )<br />
+ E X ′′ ◦ ϕ k − E(X ′′ |I )<br />
< ε<br />
n<br />
∣ n<br />
∣<br />
k=0<br />
□<br />
Beispiel 4.3 (Starkes Gesetz der großen Zahlen). (X n ) n∈N0 seien iid ZV, oE auf<br />
dem Folgenraum Ω := R N 0<br />
definiert, mit P ≡ P X = P X0 ⊗ P X0 ⊗ · · · und ergodischem<br />
Shift ϕ = θ 1 (siehe 3.12). Ist dann X 0 ∈ L 1 (P), so folgt aus 4.1 mit 3.9:<br />
1<br />
n<br />
n−1<br />
∑<br />
k=0<br />
X k<br />
= 1 n<br />
n−1<br />
∑<br />
k=0<br />
X 0 ◦ ϕ k<br />
k=0<br />
P-fs, L 1 (P)<br />
−−−−−−−→ E(X 0 |I ) = E(X 0 ) .<br />
Beispiel 4.4 (Rotation des Kreises, Weylscher Gleichverteilungssatz). Es sei<br />
ϕ : Ω −→ Ω , ϕ(ω) := ω + θ (mod 1) ,<br />
auf (Ω, F , P) := ([0, 1), B[0, 1), λ ∣ ∣<br />
F<br />
) wie in 3.4 und 3.13, wobei λ das Lebesguemaß bezeichnet.<br />
Ferner sei θ ∈ Q c . Dann folgt aus 4.1 mit 3.13 für A ∈ B[0, 1) :<br />
1<br />
n<br />
n−1<br />
∑<br />
k=0<br />
1 A ◦ ϕ k λ-fs, L 1 (λ)<br />
−−−−−−−→ λ(A) .