Loading [MathJax]/jax/element/mml/optable/BasicLatin.js

2017年7月16日日曜日

MIT OCW, Fundamentals of Probability 11日目 Lebesuge積分と収束定理

David Gamarnik, and John Tsitsiklis. 6.436J Fundamentals of Probability. Fall 2008. Massachusetts Institute of Technology: MIT OpenCourseWare, https://ocw.mit.edu. License: Creative Commons BY-NC-SA.

Lecture 11 Abstract Integration -I

Lebesgue 積分について論じる.

1. Preliminaries

measure space (Ω,F,μ)g:Ω¯Rについて,gdμを定義する.gdμgの(Ωでの)Lebesgue integralというが,これをgとかg(ω)dμ(ω)と書くことも有る.

Special cases:

(a) (Ω,F,P)がprobability spaceでX:Ω¯Rがmeasurableなら, XdP=E[X]
(b) (R,B,λ)において,BがBorel sets, λがBorel measureとするとき,gdλg(x)dxと書くことが有る.これはRiemann積分の一般化である.

The Program:

gdμを以下の段階に沿って定義する.

(a) gが非負で値域が有限集合な関数(simple function, 単函数)について,単に重み付きの和として積分を定める.
(b) 非負なgを,simple functionによって下から近似して,その極限で積分を定める.
(c) 一般のgについて,g=g+gと正部と負部にわけてそれぞれ積分し,gdμ=g+dμgdμとする.

Ω上の積分についてのみ論じるが,あるBFにおける積分は単に
Bgdμ=(1Bg)dμ
とすればよい.ただし1Bg(ω)={g(ω)   ωB0otherwiseとする.
以後,ある性質Pについて,μ({ω|P(ω)=False})=0であるとき,”Pはa.e. (almost everywhere, ほとんどいたる所) に成立する”という.特にμがprobability measureであるとき,a.s. (almost surely, ほとんど確かに)と呼ぶ.例えばXYa.s.とは,P(X=Y)=P({ω|X(ω)Y(ω)})=0と同値である.
同様に,函数g,hghとはωg(ω)h(ω)のことだが,gh a.e.とは,μ({ω|g(ω)>h(ω)})=0ということである.また”gng”によって,任意のωgn(ω)が広義単調増加数列で,gに収束することを示し,gng  a.e.gn(ω)がほとんどすべての点でg(ω)に広義単調増加収束するということである.

2. The Main Result

The Programで挙げた(a), (b), (c)で,(c)においてg+dμ=gdμ=である場合以外,かならず積分値が¯Rの元に確定する.以下は重要な定理であるが,証明は略す.左に一般のmeasureに成立する命題を,右に特に確率論の記法で書いたその命題を記す.

Theorem 11-1

1.1Bdμ=μ(B)     E[1B]=P(B)2.g0gdμ0X0E[X]03.g=0a.e.gdμ=0X=0a.s.E[X]=04.ghghXYE[X]E[Y]4gh,a.e.ghXYa.s.E[X]E[Y]5.g=h,a.e.g=hX=Y,a.s.E[X]=E[Y]6.[g0,a.e.andg=0]g=0,a.e.[X0,a.s.andE[X]0]X=0,a.s.7.(g+h)=g+hE[X+Y]=E[X]+E[Y]8.(ag)=ag9.  0gnggdg0XnXE[Xn]E[X]9  0gng, a.e.gng0XnX,a.s.E[Xn]E[X]10.g0ν(B)=Bg is a measure[f0,f=1]ν(B)=B is a probability measure

9, 9’をMonotone Convergence Theorem(MCT, 単調収束定理)という.これにのみあとで証明を与える.

The Riemann Integral

Riemann積分の定義はすでにやった.http://37ma5ras.blogspot.jp/2017/06/basic-analysis-jiri-lebl-16.html.
Riemann積分はほとんど至るところ連続な函数でしか定義できない.Lebesgue積分はこの問題を解決する.

Example

Q=[0,1]Qとする.g=1Qとする.[0,1]の任意の分割P=(0=x1<x2<<xn=1)を考える.[xi,xi+1)は必ず有理数と無理数を含むから,Darboux和はL(P,g)=0,U(P,g)=1が必ず成立.よっていかなる分割にもDarboux上下和は一致せず,Riemann積分不能.一方[0,1]上のuniform distributionとrandom variable 1Qを考えると,P(1Q=1)=0(|Q|=|N|)で,E[X]=[0,1]1Q(x)dx=0.

4.The Integral of a Nonnegative Simple Function

Definition 11-2

g:ΩRsimple function(単函数)gはmeasurableで|g(Ω)|<|N|

このときg
g(ω)=ki=1ai1Ai(ω),   aiR, AiF
と書ける.このような表現はいくらでも作れるが,{ai}がすべて異なった値で,{Ai}が互いに素である表現は唯一つで,このような表現をcanonicalという.canonical表現では{ai}=g(Ω),Ai={ω|g(ω)=ai)である.

Definition 11-3

gがsimple functionであって上の様に表現するとき,その積分を
gdμ:=ki=1aiμ(Ai)
と定める.

μがprobability measure Pであるとすると,simple function X:ΩRをsimple random variableとよび,その積分XdPE[X]と書かれ,
E[X]=ki=1aiP(Ai)
である.仮に{ai}の元がそれぞれ異なるとき,つまりcanonicalであるとき
E[X]=ki=1aiP(X=ai)
が成立する.

4.2 Proof of the Monotone Convergence Theorem

property 9の,probability measureの場合をsimple functionに示す.
q=ki=1ai1Ai,ai>0と表現したsimple function qを考える.
{gn}gnqなるnonnegative measurable functionの列とする.qが無限である場合と有限である場合に場合分けする.

(i) q=であるとき,あるiμ(Ai)=ということである.このiについて
Bn={ωAi|gn(ω)>ai/2}
という集合列を考える.BnAiであって,measureの連続性からμ(Bn).またgn(ai/2)1Bnである.Theorem 11-1-4から
gndμ(ai/2)1Bndμ=ai2μ(Bn)
よってgn

(ii) q<とする.常にμ(Ai)<であって,A=ki=1Aiとする.finite additivityからμ(A)<である.1/r<aなる整数rを固定する.
Bn={ωA|gn(ω)q(ω)(1/r)}
とするとBnAで,連続性からμ(Bn)μ(A)=μ(Bn)+μ(ABn)<からμ(ABn)0.
1Aq=q,a.e.であって,
qdμ=1Aqdμ=1Bnqdμ+1ABnqdμ
ωBngn(ω)+(1/r)q(ω)だから,gn+(1/r)1Bn1Bnq.
したがって
gndμ+1r1Bndμ1Bnqdμ=qdμ1ABnqdμqdμaμ(ABn)
極限を取って
lim
は任意だから

一方から.
以上より

5. The Integral of a Nonnegative Function

非負関数の積分は,をsimple functionによって下から近似して定めることはすでに述べた.

Definition 11-4

measurable について,とする.

と積分を定める.

Lecture 12 Abstract Integration -II

この章では重要な定理が証明されているが,関数がsimple functionである場合以外は省略する.

1. Borel-Cantelli Revisited

Borel-Cantelliの補題はすでに述べたがもう一度定式化する.http://37ma5ras.blogspot.jp/2017/07/gamarnik-tsisiklis-fundamentals-of_8.html
特に第一の主張について論じる.
をevent のindicator functionとする.であって,を仮定する.というrandom variableは非負でによって増加列をなす.さらに

と各点収束する.Monotone Convergence Theoremとexpectationの線形性から

であって,である.が有限回起きる確率が1ということであって,すなわちが無限回起きる確率が0ということである.

2. Connections between Abstract Integration and Elementary Definitions of Integrals and Expectations

2.2 Evaluating Expectations by Integrating on Different Spaces

というprobability spaceを考える. をその上のrandom variableとすと,という新しいprobability spaceが現れる.ここでのBorel sets, のprobability law

である.measurableなを定義し,また新たなprobability space を定める. は3つの方法で計算できる.

Theorem 12-1

proof. がsimple functionである場合のみ示す.

とする.定義より

同様に

の定義より,

以上によって示せた.

2.3 The Case of Continuos Random Variables, Described by PDFs

がcontinuousであるとは,そのCDFが

というふうに,非負でmeasurableなで書けることであった.このとき

が成立する.がRiemann積分可能でが区間なら単にと書ける.

Theorem 12-2

はmeasurableで非負であるか,ならば

が成立する.

proof.

は定義であるから,を示す.
がsimple functionで,と書けるときのみ示す.

から,成立.

Fatou’s Lemma

という2つのrandom variableがあるとき,であって,expectationをとると.したがって
が成立する.
Fatouの補題はこれに無限個のrandom variableと極限操作を入れて出来る命題である.

Theorem 12-3

なるrandom variableとする.このとき
(a) であるなら
(b) であるなら

proof.

(a)のみ示す.を固定し,

expectationを取ってからを考えて

は非負であり,によって広義単調増加である.またに収束する.両辺の極限を取って,

左辺はMonotone convegence theoremからに収束し,

から

4. Dominated Convergence Theorem(DCT, 優収束定理)

Theorem 4. (DCT)

に各点収束するというrandom variableの列を考える.があるなら,

proof.

だから,両辺にFatou’s Lemmaを適用して

ゆえに

よってが存在して,に等しい.

DCTの特別な場合に,Bounded Covergence Theorem(BCT, 有界収束定理)がある.これはという定数としたとき,すなわちであるならを主張する.

Corollary 12-1

ならば

が成立する.

proof.

Monotone Convergence Theoremをに適用し

とすれば. で,これにDCTを適用する.

0 件のコメント:

コメントを投稿