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.

2.4 Beispiel: Perkolation 71<br />

Es wird vermutet, dass θ(pc) =0in jeder Dimension d ≥ 2 gilt. Rigoros bewiesen<br />

ist dies allerdings nur für d =2und d ≥ 19 (siehe [66]).<br />

Eindeutigkeit des unendlichen Clusters ∗<br />

Es sei p so gewählt, dass θ(p) > 0 ist. Wir haben gesehen, dass es mit Wahrscheinlichkeit<br />

1 mindestens einen unendlich großen, offenen Cluster gibt. Wir wollen nun<br />

zeigen, dass es genau einen gibt.<br />

Sei also N ∈{0, 1,...,∞} die (zufällige) Anzahl von unendlich großen Clustern.<br />

Satz 2.47 (Eindeutigkeit des unendlichen großen Clusters). Für jedes p ∈ [0, 1]<br />

gilt Pp[N ≤ 1] = 1.<br />

Beweis. Diese Aussage wurde erstmals von Aizenman, Kesten und Newman gezeigt<br />

[1, 2]. Wir folgen der einfacheren Beweisidee von Burton und Keane [25], wie<br />

sie etwa in [62, Abschnitt 8.2] beschrieben wird.<br />

In den Fällen p =1und θ(p) =0(speziell also im Fall p =0) ist die Aussage<br />

trivial. Seien nun also p ∈ (0, 1) und θ(p) > 0.<br />

1. Schritt Wir zeigen zunächst:<br />

Pp[N = m] =1 für ein m =0, 1,...,∞. (2.13)<br />

Wir benötigen ein 0-1 Gesetz, ähnlich dem Kolmogorov’schen. Allerdings ist N<br />

nicht messbar bezüglich der terminalen σ-Algebra, wir müssen also etwas subtiler<br />

vorgehen. Sei e1 =(1, 0,...,0) der erste Einheitsvektor in Zd . Auf der Kantenmenge<br />

K definieren wir die Translation τ : K → K durch τ(〈x, y〉) =〈x + e1,y+ e1〉.<br />

Sei<br />

K0 := � 〈(x1,...,xd), (y1,...,yd)〉 ∈K : x1 =0,y1≥ 0 �<br />

die Menge aller Kanten in Zd , die zwei Punkte in {0}×Zd−1 verbinden oder einen<br />

Punkt aus {0}×Zd−1 mit einem aus {1}×Zd−1 verbinden. Offenbar sind die Men-<br />

gen (τ n (K0), n∈ Z) disjunkt und K = �<br />

n∈Z τ n (K0). Daher sind die Zufallsva-<br />

riablen Yn := (X p<br />

τ n )k∈K0 (k) , n ∈ Z, unabhängig und identisch verteilt (mit Werten<br />

in {0, 1} K0 ). Setze Y =(Yn)n∈Zund τ(Y )=(Yn+1)n∈Z. SeiAm∈{0, 1} K<br />

definiert durch<br />

{Y ∈ Am} = {N = m}.<br />

Offenbar ändert sich der Wert von N nicht, wenn wir alle Kanten gleichzeitig verschieben.<br />

Es gilt also {Y ∈ Am} = {τ(Y ) ∈ Am}. Ein Ereignis mit dieser<br />

Eigenschaft nennen wir invariant. Mit einem Argument ähnlich dem für das Kolmogorov’sche<br />

0-1 Gesetz kann man zeigen, dass invariante Ereignisse (die durch<br />

u.i.v. Zufallsvariablen definiert werden) nur die Wahrscheinlichkeiten 0 oder 1 haben<br />

können (für einen formalen Beweis siehe Beispiel 20.26).

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

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!