24.01.2013 Aufrufe

Klenke Wahrscheinlichkeitstheorie

Klenke Wahrscheinlichkeitstheorie

Klenke Wahrscheinlichkeitstheorie

MEHR ANZEIGEN
WENIGER ANZEIGEN

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.

2.2 Unabhängigkeit von Zufallsvariablen 55<br />

Definition 2.14 (Unabhängigkeit von Zufallsvariablen). Die Familie (Xi)i∈I<br />

von Zufallsvariablen heißt unabhängig, falls die Familie (σ(Xi))i∈I von σ-<br />

Algebren unabhängig ist.<br />

Wir schreiben, dass (Xi)i∈I ” u.i.v.“ ist, für ” unabhängig und identisch verteilt“<br />

(englisch: i.i.d.“ für independent and identically distributed“), falls (Xi)i∈I un-<br />

” ”<br />

abhängig ist und PXi = PXj für alle i, j ∈ I gilt.<br />

Bemerkung 2.15. (i) Ist ( Ãi)i∈I eine unabhängige Familie von σ-Algebren und<br />

ist jedes Xi messbar bezüglich Ãi – Ai, soist(Xi)i∈I unabhängig. Dies ist<br />

klar, weil σ(Xi) ⊂ Ãi, also die Bedingung an die Unabhängigkeit von (Xi)i∈I<br />

schwächer ist als die Bedingung an die Unabhängigkeit von ( Ãi)i∈I.<br />

(ii) Für jedes i ∈ I sei (Ω ′ i , A′ i ) ein weiterer Messraum, sowie fi :(Ωi, Ai) →<br />

(Ω ′ i , A′ i ) eine messbare Abbildung. Ist (Xi)i∈I unabhängig, so ist (fi ◦ Xi)i∈I un-<br />

abhängig. Diese Aussage ist ein Spezialfall von (i), weil fi◦Xi messbar ist bezüglich<br />

σ(Xi) – A ′ i (siehe Satz 1.80). ✸<br />

Satz 2.16 (Unabhängigkeit von Erzeugern). Für jedes i ∈ I sei Ei ⊂Ai ein<br />

schnittstabiler Erzeuger von Ai.Ist(X −1<br />

i (Ei))i∈I unabhängig, so ist (Xi)i∈I unabhängig.<br />

Beweis. Nach Satz 1.81(iii) ist X −1<br />

i (Ei) ist ein schnittstabiler Erzeuger der σ-<br />

Algebra X −1<br />

i (Ai) =σ(Xi). Mit Satz 2.13 folgt die Aussage. ✷<br />

Beispiel 2.17. Sei E eine höchstens abzählbare Menge, und seien (Xi)i∈I Zufallsvariablen<br />

mit Werten in (E,2E ). In diesem Falle ist (Xi)i∈I genau dann unabhängig,<br />

wenn für jede endliche Teilmenge J ⊂ I und jede Wahl von xj ∈ E,<br />

j ∈ J, gilt, dass<br />

P � Xj = xj für jedes j ∈ J � = �<br />

P[Xj = xj].<br />

Dies ist klar, weil � {x} : x ∈ E � ∪ {∅} ein schnittstabiler Erzeuger von 2E ist,<br />

also � X −1<br />

i ({xi}) : xi ∈ E � ∪ {∅} ein schnittstabiler Erzeuger von σ(Xi) ist<br />

(Satz 1.81). ✸<br />

Beispiel 2.18. Sei E eine endliche Menge und p =(pe)e∈E ein Wahrscheinlichkeitsvektor.<br />

Wir wollen das zu E und p gehörige Zufallsexperiment unendlich oft<br />

unabhängig wiederholen (siehe Beispiel 1.40 und Satz 1.64). Sei Ω = EN der unendliche<br />

Produktraum und A die von den endlichen Zylindermengen (siehe (1.8))<br />

erzeugte σ-Algebra, sowie P = ��<br />

e∈E peδe<br />

�⊗N das Bernoulli-Maß. Ferner sei für<br />

jedes n ∈ N<br />

j∈J

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

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!