Skriptum zur Wahrscheinlichkeitstheorie
Skriptum zur Wahrscheinlichkeitstheorie
Skriptum zur Wahrscheinlichkeitstheorie
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
10. UNABHÄNGIGKEIT 97<br />
10.11 Hauptsatz<br />
Eine Familie von Zufallsvariablen X i : (Ω, A) → (Ω i , A i ) ist genau dann unabhängig, wenn die<br />
gemeinsame Verteilung, d.h. die Verteilung der Produkt-Zufallsvariable<br />
X I : (Ω, A) → ( Ω I , A I<br />
)<br />
das Produktmaß der Verteilungen der X i ist, d.h. wenn<br />
Vert ⊗ i∈I<br />
X i = ⊗ i∈I<br />
VertX i = ⊗ i∈I<br />
X i (P).<br />
Beweis: Folgt direkt aus der Definition der Unabhängigkeit.<br />
✷<br />
10.12 Beispiel<br />
Sei (Ω i , A i , P i ) i∈I eine Familie von Wahrscheinlichkeitsräumen,<br />
Ω I := ∏ Ω i , A I := ⊗ A i , P := ⊗ P i .<br />
i∈I<br />
i∈I<br />
i∈I<br />
Weiter sei X i := π i die i-te Projektion und damit ⊗ X i = id Ω . Dann ist<br />
i∈I<br />
Vert ⊗ X i = P = ⊗ P i = ⊗ π i (P) = ⊗ VertX i .<br />
i∈I<br />
i∈I i∈I<br />
i∈I<br />
Damit sind die (X i ) i∈I ein kanonisches Modell für eine unabhängige Familie (X i ) i∈I von Zufallsgrößen<br />
mit VertX i = P i (i ∈ I).<br />
Ein Beispiel hierfür ist eine Bernoulli’sche Beobachtungsfolge, also z.B. ein abzählbar oft ausgeführter<br />
Münzwurf mit Erfolgswahrscheinlichkeit 0 < p < 1. Hier ist speziell (Ω i , A i , P i ) =<br />
({0, 1}, P(Ω i ), B(1, p)) und<br />
10.13 Satz<br />
Ω = {0, 1} N , A = B(Ω) 9.6<br />
= ⊗ i∈N<br />
B(Ω i ), P =<br />
Seien X 1 , . . . , X n unabhängige reelle Zufallsvariable. Ist<br />
1. X i ≥ 0 (i = 1, . . . , n) oder<br />
2. X i integrierbar (i = 1, . . . , n),<br />
dann gilt<br />
∏<br />
Ist 2. erfüllt, ist n X i integrierbar.<br />
i=1<br />
E [ n∏ ] n∏<br />
X i = E[X i ].<br />
i=1<br />
i=1<br />
∞⊗<br />
B(1, p).<br />
i=1<br />
Beweis: Sei<br />
Q i := VertX i und Q := Vert ( ⊗<br />
n )<br />
X i .<br />
i=1