24.01.2013 Aufrufe

Klenke Wahrscheinlichkeitstheorie

Klenke Wahrscheinlichkeitstheorie

Klenke Wahrscheinlichkeitstheorie

MEHR ANZEIGEN
WENIGER ANZEIGEN

Erfolgreiche ePaper selbst erstellen

Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.

224 12 Rückwärtsmartingale und Austauschbarkeit<br />

Bemerkung 12.8. Schreiben wir Ξn(ω) :=ξn(X(ω)) = 1 �n n i=1 δXi(ω) für die<br />

n-te empirische Verteilung, so ist nach Übung 12.1.1 En = σ(Ξn). ✸<br />

Bemerkung 12.9. Bezeichnen wir mit T = �<br />

n∈N σ(Xn+1,Xn+2,...) die terminale<br />

σ-Algebra, so ist T ⊂ E, wobei im Falle #E ≥ 2 strikte Inklusion gilt.<br />

In der Tat: Offenbar ist σ(Xn+1,Xn+2,...) ⊂En für n ∈ N, alsoT ⊂ E. Sei nun<br />

#E ≥ 2.Wähle ein messbares B ⊂ E mit B �= ∅ und B c �= ∅. Die Zufallsvariable<br />

S := � ∞<br />

n=1 B(Xn) ist messbar bezüglich E, nicht aber bezüglich T . ✸<br />

Satz 12.10. Sei X = (Xn)n∈N austauschbar. Ist ϕ : E k → R messbar und<br />

E[|ϕ(X)|] < ∞, dann gilt für jedes n ≥ k und jedes ϱ ∈ S(n)<br />

Speziell ist<br />

E[ϕ(X)|En] =E[ϕ(X ϱ )|En]. (12.2)<br />

E[ϕ(X) � � En] =An(ϕ) := 1<br />

n!<br />

�<br />

ϱ∈S(n)<br />

ϕ(X ϱ ). (12.3)<br />

Beweis. Sei A ∈En und F = X(A). DannistF ◦ X = A. Nach der Definition<br />

von En ist also F : E N → R messbar, n-symmetrisch und beschränkt. Daher ist<br />

E � ϕ(X)F (X) � = E � ϕ(X ϱ )F (X ϱ ) � = E � ϕ(X ϱ )F (X) � ,<br />

wobei wir in der ersten Gleichung die Austauschbarkeit von X benutzt haben, in der<br />

zweiten hingegen die Symmetrie von F . Hieraus folgt (12.2). Nun ist aber An(ϕ)<br />

schon En-messbar, also ist<br />

⎡<br />

⎤<br />

E � ϕ(X) � �<br />

�En = E ⎣ 1<br />

n!<br />

�<br />

ϱ∈S(n)<br />

ϕ(X ϱ �<br />

�<br />

) �<br />

� En<br />

Heuristik zur Struktur austauschbarer Familien<br />

⎦ = 1<br />

n!<br />

�<br />

ϱ∈S(n)<br />

ϕ(X ϱ ). ✷<br />

Wir betrachten eine endliche, austauschbare Familie X1,...,XN von E-wertigen<br />

Zufallsvariablen. Wie sieht für n ≤ N die bedingte Verteilung von (X1,...,Xn)<br />

gegeben ΞN aus? Für jedes messbare A ⊂ E kommt {Xi ∈ A} für genau NΞN(A)<br />

viele i ∈{1,...,N} vor, wobei die Reihenfolge des Auftretens keinen Einfluss auf<br />

die Wahrscheinlichkeit hat. Wir sind also in der Situation des Ziehens von gefärbten<br />

Kugeln ohne Zurücklegen. Genauer gesagt können wir annehmen, dass die paarweise<br />

unterschiedlichen e1,...,ek ∈ E die Atome von ΞN mit Häufigkeiten<br />

N1,...,Nk sind, dass also ΞN = �k i=1 =(Ni/N )δei gilt. Wir haben es also mit<br />

Kugeln in k Farben zu tun, wobei von der i-ten Farbe genau Ni Kugeln vorhanden<br />

sind. Wir ziehen n dieser Kugeln ohne Zurücklegen, aber mit Beachtung der Reihenfolge.<br />

Bis auf die Beachtung der Reihenfolge ist die resultierende Verteilung also

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!