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.
20. DIE BROWN’SCHE BEWEGUNG 175<br />
20.11 Satz<br />
1. Sei A =<br />
⎛<br />
⎞<br />
⎜<br />
⎝a ⊤ ⎟<br />
1. ⎠ ∈ GL(d, R), d.h. det A ≠ 0. Sei<br />
a ⊤ d<br />
C := AA ⊤ = ( 〈a i , a j 〉 ) i,j=1...,d , b ∈ Rd und T : x ↦→ Ax + b.<br />
Dann hat die nichtausgeartete Normalverteilung T (N d ) die λ d -Dichte<br />
g(x) = (2π) − d 2 (det C) − 1 (<br />
)<br />
2 exp − 1 2 (x − b)⊤ C −1 (x − b)<br />
und T (N) hat den Erwartungsvektor<br />
sowie die Kovarianzmatrix<br />
d.h.<br />
V[T ] := ( Cov[T i , T j ] ) i,j=1,...,d = C,<br />
E[T ] := ( E[T 1 ], . . . , E[T d ] ) = b<br />
Cov[T i , T j ] = 〈a i , a j 〉<br />
(i, j = 1, . . . , d).<br />
Die Matrix C ist symmetrisch, positiv definit und T (N d ) ist durch C und b eindeutig bestimmt,<br />
bezeichnet mit N(b, C).<br />
2. Sei C eine positiv definite, symmetrische Matrix und b ∈ R. Dann gibt es genau ein Gaußmaß<br />
N, so dass N = N(b, C). Dies ist nichtausgeartet.<br />
Beweis:<br />
1. Es gilt für B ∈ B(R d )<br />
T (N)[B] = N[T −1 (B)] = (2π) − d 2<br />
∫<br />
x=A −1 (y−b)<br />
= (2π) − d 2<br />
∫<br />
= (2π) − d 2<br />
∫<br />
(<br />
1 T −1 (B)(y) exp<br />
)<br />
− y⊤ y<br />
2<br />
dy<br />
(<br />
1 B (x)(det A) −1 exp − 1 2 (x − b)⊤ (A ⊤ ) −1 A −1 (x − b)<br />
1 B (x)(det C) − 1 (<br />
)<br />
2 exp − 1 2 (x − b)⊤ C −1 (x − b) dx.<br />
)<br />
dx<br />
Mit dieser Dichte gilt<br />
E[T i ] = (2π) − d 2<br />
∫<br />
(<br />
x i exp<br />
∫<br />
y=A −1 (x−b)<br />
= (2π) − d 2<br />
=<br />
)<br />
− 1 2 (x − b)⊤ (AA ⊤ ) −1 (x − b) dx<br />
(<br />
(a ⊤ i y + b i ) exp<br />
d∑<br />
∫<br />
a ij yg 0,1 (y)λ d [dy] + b i = b i<br />
i=1<br />
)<br />
− y⊤ y<br />
2<br />
dy