Wahrscheinlichkeitstheorie - Abteilung für Mathematische Stochastik
Wahrscheinlichkeitstheorie - Abteilung für Mathematische Stochastik
Wahrscheinlichkeitstheorie - Abteilung für Mathematische Stochastik
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
33<br />
und damit<br />
( k<br />
)<br />
⋃<br />
P ((a,b]) = P ((−∞,b])−P A i<br />
i=1<br />
= F (b)+ ∑ sgn A (z)F (z)<br />
z≠b<br />
= ∑<br />
z,zEcke<br />
sgn A (z)F (z)<br />
Definition 4.20: Eine k-dimensionale Verteilungsfunktion ist eine<br />
Funktion F : R k → [0,1] mit den Eigenschaften 1)-4) und mit ∆ (a,b] F ≥ 0<br />
für alle a ≤ b.<br />
Beispiele:<br />
∏<br />
1) F (x 1 ,...,x k ) = k F i (x i ),<br />
i=1<br />
falls F i Verteilungsfunktionen auf R sind für i = 1,2,...,k.<br />
∫x 1 ∫x k<br />
2) F (x 1 ,...,x k ) = ... f (y 1 ,...,y k ) dy 1 ...dy k ,<br />
−∞ −∞<br />
sofern ∫ R k f (y) dy = 1 ist und f ≥ 0 auf R k .<br />
Satz 4.21: Zu jeder k-dimensionalen Verteilungsfunktion F gibt es genau<br />
ein Wahrscheinlichkeitsmaß auf ( R k ,B k) mit P ((−∞,b]) = F (b) für<br />
b ∈ R k und umgekehrt.