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.

12.1 Austauschbare Familien von Zufallsvariablen 225<br />

die allgemeine hypergeometrische Verteilung (siehe etwa [58, Abschnitt 2.3.2]). Es<br />

gilt also für paarweise disjunkte, messbare Mengen A1,...,Ak mit �k l=1 Al = E,<br />

für i1,...,in ∈{1,...,k}, paarweise unterschiedliche j1,...,jn ∈{1,...,N}<br />

und mit der Festlegung ml := #{r ∈{1,...,n} : ir = l} für l ∈{1,...,k}<br />

P � Xjr ∈ Air für jedes r =1,...,n� �<br />

k� 1 �<br />

�ΞN = NΞN(Al)<br />

(N)n l=1<br />

�ml , (12.4)<br />

wobei wir (n)l := n(n − 1) ···(n − l +1)definieren.<br />

Was passiert nun, wenn wir N →∞gehen lassen? Wir nehmen hier der Einfachheit<br />

halber an, dass der Limes Ξ∞(Al) = limN→∞ ΞN(Al) für jedes l =1,...,k in<br />

einem geeigneten Sinne existiert. Dann wird aus (12.4) formal<br />

P � Xjr ∈ Air für jedes r =1,...,n� �<br />

n�<br />

�Ξ∞ = Ξ∞(Al) ml . (12.5)<br />

Aus dem Ziehen der Kugeln ohne Zurücklegen wird nun also asymptotisch für<br />

große Kugelanzahl das Ziehen mit Zurücklegen. Damit sind die Zufallsvariablen<br />

X1,X2,...unabhängig mit Verteilung Ξ∞ gegeben Ξ∞.<br />

Einen formalen Beweis, der entlang der von dieser Heuristik vorgezeichneten Linie<br />

verläuft, bringen wir in Kapitel 13.4.<br />

Um diese Aussage, den so genannten Satz von de Finetti, in Abschnitt 12.3 rigoros<br />

zu formulieren und zu beweisen, brauchen wir noch etwas Begriffsbildung (etwa<br />

bedingte Unabhängigkeit). Als technisches Hilfsmittel verwenden wir in diesem<br />

Kapitel den Konvergenzsatz für Rückwärtsmartingale, den wir in Abschnitt 12.2<br />

formulieren.<br />

Übung 12.1.1. Sei n ∈ N. Man zeige, dass sich jede symmetrische Funktion f :<br />

En → R schreiben lässt als f(x) =g � � 1 n<br />

n i=1 δxi<br />

�<br />

, wobei g (abhängig von f)<br />

geeignet zu wählen ist. ♣<br />

Übung 12.1.2. Man leite (12.4) formal her. ♣<br />

Übung 12.1.3. Seien X1,...,Xn austauschbare quadratintegrierbare Zufallsvariablen.<br />

Man zeige<br />

Cov[X1,X2] ≥− 1<br />

n − 1 Var[X1]. (12.6)<br />

Man gebe für n ≥ 2 ein (nichttriviales) Beispiel für Gleichheit in (12.6) an. ♣<br />

Übung 12.1.4. Seien X1,X2,X3 ...austauschbare, quadratintegrierbare Zufallsvariablen.<br />

Man zeige, dass Cov[X1,X2] ≥ 0 gilt. ♣<br />

Übung 12.1.5. Man zeige: Für jedes n ∈ N\{1} gibt es eine austauschbare Familie<br />

von Zufallsvariablen X1,...,Xn, die nicht zu einer unendlichen, austauschbaren<br />

Familie X1,X2,... fortgesetzt werden kann. ♣<br />

l=1

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

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!