Processi stocastici
1
Processi stocastici
Anno Accademico 2017/2018
1
Processi stocastici
Anno Accademico 2017/2018
1.
1
1 Qualche richiamo di teoria della misura
2
1 Qualche richiamo di teoria della misura
(1.1) Definizione Sia Ω un insieme. Diciamo che una famiglia U di sottoinsiemi di Ω `e una σ−algebra in Ω, se le seguenti propriet`a sono soddisfatte:
(a) ∅ ∈ U;
(b) per ogni A ∈ U si ha Ω \ A ∈ U;
(c) se (Ah) `e una successione in U, risulta
∞
S
h=0
Ah ∈ U.
2
1 Qualche richiamo di teoria della misura
(1.1) Definizione Sia Ω un insieme. Diciamo che una famiglia U di sottoinsiemi di Ω `e una σ−algebra in Ω, se le seguenti propriet`a sono soddisfatte:
(a) ∅ ∈ U;
(b) per ogni A ∈ U si ha Ω \ A ∈ U;
(c) se (Ah) `e una successione in U, risulta
∞
S
h=0
Ah ∈ U.
Un sottoinsieme A di Ω si dice U−misurabile (o, pi`u semplicemente, misurabile), se A ∈ U.
2
1 Qualche richiamo di teoria della misura
(1.1) Definizione Sia Ω un insieme. Diciamo che una famiglia U di sottoinsiemi di Ω `e una σ−algebra in Ω, se le seguenti propriet`a sono soddisfatte:
(a) ∅ ∈ U;
(b) per ogni A ∈ U si ha Ω \ A ∈ U;
(c) se (Ah) `e una successione in U, risulta
∞
S
h=0
Ah ∈ U.
Un sottoinsieme A di Ω si dice U−misurabile (o, pi`u semplicemente, misurabile), se A ∈ U.
(1.2) Definizione Uno spazio misurabile `e una coppia (Ω, U), in cui Ω `e un insieme e U `e una σ−algebra in Ω.
2
(1.3) Proposizione Sia (Ω, U) uno spazio misurabile.
3
(1.3) Proposizione Sia (Ω, U) uno spazio misurabile.
Valgono allora i seguenti fatti:
(a) Ω ∈ U;
(b) se (Ah) `e una successione in U, risulta
∞
T
h=0
Ah ∈ U;
(c) se {Ah : 0 ≤ h ≤ k} `e una famiglia finita con Ah ∈ U per ogni h = 0, . . . , k, si ha
k
[
h=0
Ah ∈ U ,
k
\
h=0
Ah ∈ U ; (d) se A1, A2 ∈ U, si ha A2 \ A1 ∈ U.
3
(1.4) Proposizione Sia Uj : j ∈ J una collezione non vuota di σ−algebre in un insieme Ω.
4
(1.4) Proposizione Sia Uj : j ∈ J una collezione non vuota di σ−algebre in un insieme Ω.
Allora T
j∈J
Uj `e una σ−algebra in Ω.
4
(1.4) Proposizione Sia Uj : j ∈ J una collezione non vuota di σ−algebre in un insieme Ω.
Allora T
j∈J
Uj `e una σ−algebra in Ω.
(1.5) Definizione Sia F una famiglia di sottoinsiemi di un insie- me Ω. Poich´e P (Ω) `e una σ−algebra in Ω, la collezione di tutte le σ−algebre in Ω contenenti F non `e vuota. L’intersezione di ta- li σ−algebre si chiama σ−algebra generata da F. Si tratta della pi`u piccola σ−algebra in Ω contenente F.
4
(1.4) Proposizione Sia Uj : j ∈ J una collezione non vuota di σ−algebre in un insieme Ω.
Allora T
j∈J
Uj `e una σ−algebra in Ω.
(1.5) Definizione Sia F una famiglia di sottoinsiemi di un insie- me Ω. Poich´e P (Ω) `e una σ−algebra in Ω, la collezione di tutte le σ−algebre in Ω contenenti F non `e vuota. L’intersezione di ta- li σ−algebre si chiama σ−algebra generata da F. Si tratta della pi`u piccola σ−algebra in Ω contenente F.
(1.6) Definizione Sia Y uno spazio metrico. Denotiamo con B (Y ) la σ−algebra in Y generata dalla famiglia degli aperti di Y . Gli elementi di B (Y ) si chiamano sottoinsiemi boreliani di Y .
4
(1.4) Proposizione Sia Uj : j ∈ J una collezione non vuota di σ−algebre in un insieme Ω.
Allora T
j∈J
Uj `e una σ−algebra in Ω.
(1.5) Definizione Sia F una famiglia di sottoinsiemi di un insie- me Ω. Poich´e P (Ω) `e una σ−algebra in Ω, la collezione di tutte le σ−algebre in Ω contenenti F non `e vuota. L’intersezione di ta- li σ−algebre si chiama σ−algebra generata da F. Si tratta della pi`u piccola σ−algebra in Ω contenente F.
(1.6) Definizione Sia Y uno spazio metrico. Denotiamo con B (Y ) la σ−algebra in Y generata dalla famiglia degli aperti di Y . Gli elementi di B (Y ) si chiamano sottoinsiemi boreliani di Y .
Evidentemente ogni aperto ed ogni chiuso in Y `e un boreliano in Y . 4
(1.7) Definizione Siano U1 e U2 due σ−algebre in Ω1 e Ω2, rispettivamente.
Si denota con U1 ⊗ U2 la σ−algebra in Ω1 × Ω2 generata dai sottoinsiemi della forma A1 × A2 con A1 ∈ U1 e A2 ∈ U2.
5
(1.8) Definizione Sia (Ω, U) uno spazio misurabile. Diciamo che una funzione µ : U → [0, +∞] `e una misura su U, se valgono i seguenti fatti:
(a) µ(∅) = 0;
(b) se (Ah) `e una successione in U costituita da insiemi a due a due disgiunti, si ha
µ
∞
[
h=0
Ah
=
∞
X
h=0
µ(Ah) .
6
(1.8) Definizione Sia (Ω, U) uno spazio misurabile. Diciamo che una funzione µ : U → [0, +∞] `e una misura su U, se valgono i seguenti fatti:
(a) µ(∅) = 0;
(b) se (Ah) `e una successione in U costituita da insiemi a due a due disgiunti, si ha
µ
∞
[
h=0
Ah
=
∞
X
h=0
µ(Ah) .
Combinando la (a) e la (b), si deduce che, per ogni famiglia finita {Ah : 0 ≤ h ≤ k} ⊆ U costituita da insiemi a due a due disgiunti, si ha
µ
k
[
h=0
Ah
=
k
X
h=0
µ(Ah) . 6
(1.9) Definizione Uno spazio di misura (o spazio mensurale) `e una terna (Ω, U, µ), in cui Ω `e un insieme, U una σ−algebra in Ω e µ una misura su U.
7
(1.10) Proposizione Sia (Ω, U, µ) uno spazio di misura.
8
(1.10) Proposizione Sia (Ω, U, µ) uno spazio di misura.
Valgono allora i seguenti fatti:
(a) se A1, A2 ∈ U ed A1 ⊆ A2, si ha µ(A1) ≤ µ(A2); se in pi`u µ(A1) < +∞, risulta
µ(A2 \ A1) = µ(A2) − µ(A1) ; (b) se (Ah) `e una successione in U, si ha
µ
∞
[
h=0
Ah
≤
∞
X
h=0
µ(Ah) ;
(c) se (Ah) `e una successione crescente in U, si ha µ
∞
[
h=0
Ah
= lim
h µ(Ah) ; 8
(d) se (Ah) `e una successione decrescente in U con limh µ(Ah) < +∞ ,
si ha
µ
∞
\
h=0
Ah
= lim
h µ(Ah) .
9
(1.11) Definizione Siano (Ω, U) uno spazio misurabile e Y uno spazio metrico. Un’applicazione f : Ω → Y si dice U−misurabile (o, pi`u semplicemente, misurabile), se per ogni aperto A in Y l’insieme f−1(A) `e U−misurabile.
10
(1.11) Definizione Siano (Ω, U) uno spazio misurabile e Y uno spazio metrico. Un’applicazione f : Ω → Y si dice U−misurabile (o, pi`u semplicemente, misurabile), se per ogni aperto A in Y l’insieme f−1(A) `e U−misurabile.
(1.12) Proposizione Sono fatti equivalenti:
(a) f `e U−misurabile;
(b) per ogni chiuso C in Y l’insieme f−1(C) `e U−misurabile;
(c) per ogni boreliano B in Y l’insieme f−1(B) `e U−misurabile.
10
(1.13) Proposizione Sia f : Ω → R una funzione.
11
(1.13) Proposizione Sia f : Ω → R una funzione.
Allora sono fatti equivalenti:
(a) f `e U−misurabile;
(b) per ogni c ∈ R l’insieme f−1(]c, +∞]) `e U−misurabile;
(c) per ogni c ∈ R l’insieme f−1([c, +∞]) `e U−misurabile;
(d) per ogni c ∈ R l’insieme f−1([−∞, c[) `e U−misurabile;
(e) per ogni c ∈ R l’insieme f−1([−∞, c]) `e U−misurabile.
11
(1.13) Proposizione Sia f : Ω → R una funzione.
Allora sono fatti equivalenti:
(a) f `e U−misurabile;
(b) per ogni c ∈ R l’insieme f−1(]c, +∞]) `e U−misurabile;
(c) per ogni c ∈ R l’insieme f−1([c, +∞]) `e U−misurabile;
(d) per ogni c ∈ R l’insieme f−1([−∞, c[) `e U−misurabile;
(e) per ogni c ∈ R l’insieme f−1([−∞, c]) `e U−misurabile.
(1.14) Corollario Sia f : Ω → R una funzione U−misurabile.
11
(1.13) Proposizione Sia f : Ω → R una funzione.
Allora sono fatti equivalenti:
(a) f `e U−misurabile;
(b) per ogni c ∈ R l’insieme f−1(]c, +∞]) `e U−misurabile;
(c) per ogni c ∈ R l’insieme f−1([c, +∞]) `e U−misurabile;
(d) per ogni c ∈ R l’insieme f−1([−∞, c[) `e U−misurabile;
(e) per ogni c ∈ R l’insieme f−1([−∞, c]) `e U−misurabile.
(1.14) Corollario Sia f : Ω → R una funzione U−misurabile.
Allora per ogni a, b ∈ R gli insiemi f−1(]a, b[), f−1([a, b]), f−1(]a, b]) e f−1([a, b[) sono U−misurabili.
11
(1.15) Definizione Siano Y1 ed Y2 due spazi metrici. Un’applica- zione g : Y1 → Y2 si dice boreliana, se `e B (Y1) −misurabile.
12
(1.15) Definizione Siano Y1 ed Y2 due spazi metrici. Un’applica- zione g : Y1 → Y2 si dice boreliana, se `e B (Y1) −misurabile.
(1.16) Teorema Siano Y1, Y2 due spazi metrici e sia g : Y1 → Y2 un’applicazione continua.
12
(1.15) Definizione Siano Y1 ed Y2 due spazi metrici. Un’applica- zione g : Y1 → Y2 si dice boreliana, se `e B (Y1) −misurabile.
(1.16) Teorema Siano Y1, Y2 due spazi metrici e sia g : Y1 → Y2 un’applicazione continua.
Allora g `e boreliana.
12
(1.15) Definizione Siano Y1 ed Y2 due spazi metrici. Un’applica- zione g : Y1 → Y2 si dice boreliana, se `e B (Y1) −misurabile.
(1.16) Teorema Siano Y1, Y2 due spazi metrici e sia g : Y1 → Y2 un’applicazione continua.
Allora g `e boreliana.
(1.17) Teorema Siano Y1, Y2 due spazi metrici, f : Ω → Y1 un’ap- plicazione U−misurabile e g : Y1 → Y2 un’applicazione boreliana.
12
(1.15) Definizione Siano Y1 ed Y2 due spazi metrici. Un’applica- zione g : Y1 → Y2 si dice boreliana, se `e B (Y1) −misurabile.
(1.16) Teorema Siano Y1, Y2 due spazi metrici e sia g : Y1 → Y2 un’applicazione continua.
Allora g `e boreliana.
(1.17) Teorema Siano Y1, Y2 due spazi metrici, f : Ω → Y1 un’ap- plicazione U−misurabile e g : Y1 → Y2 un’applicazione boreliana.
Allora (g ◦ f ) `e U−misurabile.
12
(1.18) Proposizione Valgono i seguenti fatti:
13
(1.18) Proposizione Valgono i seguenti fatti:
(a) se B ⊆ Rn `e boreliano, allora B `e Ln−misurabile;
13
(1.18) Proposizione Valgono i seguenti fatti:
(a) se B ⊆ Rn `e boreliano, allora B `e Ln−misurabile;
(b) se f : Rn → R `e boreliana, allora f `e Ln−misurabile;
13
(1.18) Proposizione Valgono i seguenti fatti:
(a) se B ⊆ Rn `e boreliano, allora B `e Ln−misurabile;
(b) se f : Rn → R `e boreliana, allora f `e Ln−misurabile;
(c) se f : Rm × Rn → R `e boreliana, allora la funzione Rm −→ R
x 7→ f (x, y)
`e boreliana per ogni y ∈ Rn e la funzione Rn −→ R
y 7→ f (x, y)
`e boreliana per ogni x ∈ Rm.
13
(1.18) Proposizione Valgono i seguenti fatti:
(a) se B ⊆ Rn `e boreliano, allora B `e Ln−misurabile;
(b) se f : Rn → R `e boreliana, allora f `e Ln−misurabile;
(c) se f : Rm × Rn → R `e boreliana, allora la funzione Rm −→ R
x 7→ f (x, y)
`e boreliana per ogni y ∈ Rn e la funzione Rn −→ R
y 7→ f (x, y)
`e boreliana per ogni x ∈ Rm.
(1.19) Teorema Siano Y uno spazio metrico e f : Ω → Y un’applicazione costante.
13
(1.18) Proposizione Valgono i seguenti fatti:
(a) se B ⊆ Rn `e boreliano, allora B `e Ln−misurabile;
(b) se f : Rn → R `e boreliana, allora f `e Ln−misurabile;
(c) se f : Rm × Rn → R `e boreliana, allora la funzione Rm −→ R
x 7→ f (x, y)
`e boreliana per ogni y ∈ Rn e la funzione Rn −→ R
y 7→ f (x, y)
`e boreliana per ogni x ∈ Rm.
(1.19) Teorema Siano Y uno spazio metrico e f : Ω → Y un’applicazione costante.
Allora f `e U−misurabile.
13
(1.20) Definizione Sia (fh) una successione di funzioni da Ω in R.
Definiamo le funzioni sup
h
fh, inf
h fh, lim sup
h
fh, lim inf
h fh da Ω in R ponendo per ogni ω ∈ Ω:
sup
h
fh
(ω) := sup
h
fh(ω) ,
infh fh
(ω) := inf
h fh(ω) ,
lim sup
h
fh
(ω) := lim sup
h
fh(ω) ,
lim inf
h fh
(ω) := lim inf
h fh(ω) .
14
(1.20) Definizione Sia (fh) una successione di funzioni da Ω in R.
Definiamo le funzioni sup
h
fh, inf
h fh, lim sup
h
fh, lim inf
h fh da Ω in R ponendo per ogni ω ∈ Ω:
sup
h
fh
(ω) := sup
h
fh(ω) ,
infh fh
(ω) := inf
h fh(ω) ,
lim sup
h
fh
(ω) := lim sup
h
fh(ω) ,
lim inf
h fh
(ω) := lim inf
h fh(ω) .
(1.21) Teorema Sia (fh) una successione di funzioni U−misurabili da Ω in R.
14
(1.20) Definizione Sia (fh) una successione di funzioni da Ω in R.
Definiamo le funzioni sup
h
fh, inf
h fh, lim sup
h
fh, lim inf
h fh da Ω in R ponendo per ogni ω ∈ Ω:
sup
h
fh
(ω) := sup
h
fh(ω) ,
infh fh
(ω) := inf
h fh(ω) ,
lim sup
h
fh
(ω) := lim sup
h
fh(ω) ,
lim inf
h fh
(ω) := lim inf
h fh(ω) .
(1.21) Teorema Sia (fh) una successione di funzioni U−misurabili da Ω in R.
Allora le funzioni sup
h
fh, inf
h fh, lim sup
h
fh e lim inf
h fh sono U−misu- rabili.
14
(1.22) Teorema Siano f, g : Ω → R due funzioni U−misurabili.
14
(1.22) Teorema Siano f, g : Ω → R due funzioni U−misurabili.
Allora valgono i seguenti fatti:
(a) le funzioni max{f, g} e min{f, g} sono U−misurabili;
(b) esiste una funzione U−misurabile s : Ω → R tale che s(ω) = f (ω) + g(ω)
in ogni ω ∈ Ω in cui la somma f (ω) + g(ω) `e definita;
(c) la funzione f g `e U−misurabile;
(d) le funzioni f+ := max{f, 0} e f− := max{−f, 0} sono U−misu- rabili;
(e) la funzione |f | `e U−misurabile.
14
(1.23) Teorema Siano Y uno spazio normato su K di dimensione finita, {e1, . . . , en} una base in Y , f : Ω → Y un’applicazione e f(1), . . . , f(n) le componenti di f rispetto a tale base.
15
(1.23) Teorema Siano Y uno spazio normato su K di dimensione finita, {e1, . . . , en} una base in Y , f : Ω → Y un’applicazione e f(1), . . . , f(n) le componenti di f rispetto a tale base.
Allora sono fatti equivalenti:
(a) f `e U−misurabile;
(b) ogni componente f(j) : Ω → K `e U−misurabile.
15
(1.23) Teorema Siano Y uno spazio normato su K di dimensione finita, {e1, . . . , en} una base in Y , f : Ω → Y un’applicazione e f(1), . . . , f(n) le componenti di f rispetto a tale base.
Allora sono fatti equivalenti:
(a) f `e U−misurabile;
(b) ogni componente f(j) : Ω → K `e U−misurabile.
(1.24) Corollario Sia f : Ω → C una funzione.
15
(1.23) Teorema Siano Y uno spazio normato su K di dimensione finita, {e1, . . . , en} una base in Y , f : Ω → Y un’applicazione e f(1), . . . , f(n) le componenti di f rispetto a tale base.
Allora sono fatti equivalenti:
(a) f `e U−misurabile;
(b) ogni componente f(j) : Ω → K `e U−misurabile.
(1.24) Corollario Sia f : Ω → C una funzione.
Allora f `e U−misurabile se e solo se Re f ed Im f sono entrambe U−misurabili.
15
(1.23) Teorema Siano Y uno spazio normato su K di dimensione finita, {e1, . . . , en} una base in Y , f : Ω → Y un’applicazione e f(1), . . . , f(n) le componenti di f rispetto a tale base.
Allora sono fatti equivalenti:
(a) f `e U−misurabile;
(b) ogni componente f(j) : Ω → K `e U−misurabile.
(1.24) Corollario Sia f : Ω → C una funzione.
Allora f `e U−misurabile se e solo se Re f ed Im f sono entrambe U−misurabili.
(1.25) Corollario Siano Y uno spazio normato su K di dimensione finita e λ : Ω → K e f, g : Ω → Y delle applicazioni U−misurabili.
15
(1.23) Teorema Siano Y uno spazio normato su K di dimensione finita, {e1, . . . , en} una base in Y , f : Ω → Y un’applicazione e f(1), . . . , f(n) le componenti di f rispetto a tale base.
Allora sono fatti equivalenti:
(a) f `e U−misurabile;
(b) ogni componente f(j) : Ω → K `e U−misurabile.
(1.24) Corollario Sia f : Ω → C una funzione.
Allora f `e U−misurabile se e solo se Re f ed Im f sono entrambe U−misurabili.
(1.25) Corollario Siano Y uno spazio normato su K di dimensione finita e λ : Ω → K e f, g : Ω → Y delle applicazioni U−misurabili.
Allora le applicazioni (f + g), λf e kf k sono U−misurabili.
15
(1.26) Corollario Siano Y uno spazio normato su K di dimensio- ne finita e (fh) una successione di applicazioni U−misurabili da Ω in Y . Supponiamo che la successione (fh) converga puntualmente ad un’applicazione f : Ω → Y .
16
(1.26) Corollario Siano Y uno spazio normato su K di dimensio- ne finita e (fh) una successione di applicazioni U−misurabili da Ω in Y . Supponiamo che la successione (fh) converga puntualmente ad un’applicazione f : Ω → Y .
Allora f `e U−misurabile.
16
(1.26) Corollario Siano Y uno spazio normato su K di dimensio- ne finita e (fh) una successione di applicazioni U−misurabili da Ω in Y . Supponiamo che la successione (fh) converga puntualmente ad un’applicazione f : Ω → Y .
Allora f `e U−misurabile.
(1.27) Definizione Sia A ⊆ Ω. Si chiama funzione indicatrice di A la funzione χA : Ω → R definita da
χA(ω) =
( 1 se ω ∈ A,
0 se ω ∈ Ω \ A.
16
(1.26) Corollario Siano Y uno spazio normato su K di dimensio- ne finita e (fh) una successione di applicazioni U−misurabili da Ω in Y . Supponiamo che la successione (fh) converga puntualmente ad un’applicazione f : Ω → Y .
Allora f `e U−misurabile.
(1.27) Definizione Sia A ⊆ Ω. Si chiama funzione indicatrice di A la funzione χA : Ω → R definita da
χA(ω) =
( 1 se ω ∈ A,
0 se ω ∈ Ω \ A.
(1.28) Proposizione Sia A ⊆ Ω. Allora la funzione χA `e U−misurabile se e solo se l’insieme A `e U−misurabile.
16
(1.29) Definizione Siano (Ω, U, µ) uno spazio di misura e Y uno spazio normato su K di dimensione finita.
17
(1.29) Definizione Siano (Ω, U, µ) uno spazio di misura e Y uno spazio normato su K di dimensione finita.
Un’applicazione f : Ω → Y si dice µ−sommabile, se `e µ−misurabile e
Z
Ω
kf (ω)k dµ(ω) < +∞ .
17
(1.29) Definizione Siano (Ω, U, µ) uno spazio di misura e Y uno spazio normato su K di dimensione finita.
Un’applicazione f : Ω → Y si dice µ−sommabile, se `e µ−misurabile e
Z
Ω
kf (ω)k dµ(ω) < +∞ . Se f : Ω → Y `e µ−sommabile, risulta definito
Z
Ω
f (ω) dµ(ω) = Z
Ω
f dµ ∈ Y .
17
(1.29) Definizione Siano (Ω, U, µ) uno spazio di misura e Y uno spazio normato su K di dimensione finita.
Un’applicazione f : Ω → Y si dice µ−sommabile, se `e µ−misurabile e
Z
Ω
kf (ω)k dµ(ω) < +∞ . Se f : Ω → Y `e µ−sommabile, risulta definito
Z
Ω
f (ω) dµ(ω) = Z
Ω
f dµ ∈ Y .
Se inoltre {e1, . . . , en} `e una base in Y e f(1), . . . , f(n) sono le componenti di f rispetto a tale base, risulta
Z
Ω
f dµ =
Z
Ω
f(1) dµ
e1 + · · · +
Z
Ω
f(n) dµ
en .
17
2 Richiami di calcolo delle probabilit`a
18
2 Richiami di calcolo delle probabilit`a
(2.1) Definizione Uno spazio di probabilit`a `e uno spazio di misura (Ω, U, P ) tale che P (Ω) = 1.
18
2 Richiami di calcolo delle probabilit`a
(2.1) Definizione Uno spazio di probabilit`a `e uno spazio di misura (Ω, U, P ) tale che P (Ω) = 1.
L’insieme Ω si chiama spazio campionario, mentre gli elementi ω di Ω si chiamano eventi elementari. Gli elementi A di U si chiamano eventi, mentre P (A) `e la probabilit`a dell’evento A.
18
2 Richiami di calcolo delle probabilit`a
(2.1) Definizione Uno spazio di probabilit`a `e uno spazio di misura (Ω, U, P ) tale che P (Ω) = 1.
L’insieme Ω si chiama spazio campionario, mentre gli elementi ω di Ω si chiamano eventi elementari. Gli elementi A di U si chiamano eventi, mentre P (A) `e la probabilit`a dell’evento A.
Un evento A ∈ U con P (A) = 0 si dice quasi impossibile, mentre un evento A ∈ U con P (A) = 1 si dice quasi certo.
18
2 Richiami di calcolo delle probabilit`a
(2.1) Definizione Uno spazio di probabilit`a `e uno spazio di misura (Ω, U, P ) tale che P (Ω) = 1.
L’insieme Ω si chiama spazio campionario, mentre gli elementi ω di Ω si chiamano eventi elementari. Gli elementi A di U si chiamano eventi, mentre P (A) `e la probabilit`a dell’evento A.
Un evento A ∈ U con P (A) = 0 si dice quasi impossibile, mentre un evento A ∈ U con P (A) = 1 si dice quasi certo.
Da ora in poi supponiamo che sia dato uno spazio di probabilit`a (Ω, U, P ).
18
(2.2) Osservazione Valgono i seguenti fatti:
(a) se A1, A2 ∈ U ed A1 ⊆ A2, risulta
P (A2 \ A1) = P (A2) − P (A1) ; (b) se (Ah) `e una successione decrescente in U, si ha
P
∞
\
h=0
Ah
= lim
h P (Ah) .
19
(2.2) Osservazione Valgono i seguenti fatti:
(a) se A1, A2 ∈ U ed A1 ⊆ A2, risulta
P (A2 \ A1) = P (A2) − P (A1) ; (b) se (Ah) `e una successione decrescente in U, si ha
P
∞
\
h=0
Ah
= lim
h P (Ah) .
(2.3) Definizione Diciamo che X `e una variabile aleatoria (n−di- mensionale), se X `e un’applicazione U−misurabile da Ω in Rn.
19
(2.4) Definizione Sia X : Ω → Rn una variabile aleatoria P −sommabile.
20
(2.4) Definizione Sia X : Ω → Rn una variabile aleatoria P −sommabile.
Si chiama valore atteso di X, e si denota con E(X), l’elemento di Rn E(X) =
Z
Ω
X(ω) dP (ω) = Z
Ω
X dP .
20
(2.4) Definizione Sia X : Ω → Rn una variabile aleatoria P −sommabile.
Si chiama valore atteso di X, e si denota con E(X), l’elemento di Rn E(X) =
Z
Ω
X(ω) dP (ω) = Z
Ω
X dP .
Si chiama inoltre varianza di X, e si denota con V (X), l’elemento di [0, +∞]
V (X) = Z
Ω
|X(ω) − E(X)|2 dP (ω) = Z
Ω
|X − E(X)|2 dP .
20
(2.4) Definizione Sia X : Ω → Rn una variabile aleatoria P −sommabile.
Si chiama valore atteso di X, e si denota con E(X), l’elemento di Rn E(X) =
Z
Ω
X(ω) dP (ω) = Z
Ω
X dP .
Si chiama inoltre varianza di X, e si denota con V (X), l’elemento di [0, +∞]
V (X) = Z
Ω
|X(ω) − E(X)|2 dP (ω) = Z
Ω
|X − E(X)|2 dP . Risulta
V (X) = Z
Ω
|X|2 dP − |E(X)|2 .
20
(2.5) Definizione Sia X : Ω → Rn una variabile aleatoria.
21
(2.5) Definizione Sia X : Ω → Rn una variabile aleatoria.
Definiamo una funzione
FX : Rn → [0, 1]
ponendo
FX(x) = P
n
ω ∈ Ω : X(1)(ω) ≤ x(1), . . . , X(n)(ω) ≤ x(n) o
.
21
(2.5) Definizione Sia X : Ω → Rn una variabile aleatoria.
Definiamo una funzione
FX : Rn → [0, 1]
ponendo
FX(x) = P
n
ω ∈ Ω : X(1)(ω) ≤ x(1), . . . , X(n)(ω) ≤ x(n) o
. La funzione FX si chiama funzione di ripartizione di X.
21
Se una funzione boreliana e Ln−sommabile fX : Rn → [0, +∞[
soddisfa
FX(x) = Z
]−∞,x(1)]×···×]−∞,x(n)]
fX dLn per ogni x ∈ Rn, diciamo che fX `e una densit`a per X.
22
Se una funzione boreliana e Ln−sommabile fX : Rn → [0, +∞[
soddisfa
FX(x) = Z
]−∞,x(1)]×···×]−∞,x(n)]
fX dLn per ogni x ∈ Rn, diciamo che fX `e una densit`a per X.
Risulta
Z
Rn
fX dLn = 1 .
22
Se una funzione boreliana e Ln−sommabile fX : Rn → [0, +∞[
soddisfa
FX(x) = Z
]−∞,x(1)]×···×]−∞,x(n)]
fX dLn per ogni x ∈ Rn, diciamo che fX `e una densit`a per X.
Risulta
Z
Rn
fX dLn = 1 . Se
fX, ˆfX : Rn → [0, +∞[
sono due densit`a per X, si ha fX(x) = ˆfX(x) per Ln−q.o. x ∈ Rn.
22
(2.6) Teorema Sia X : Ω → Rn una variabile aleatoria che ammette densit`a fX.
23
(2.6) Teorema Sia X : Ω → Rn una variabile aleatoria che ammette densit`a fX.
Valgono allora i seguenti fatti:
(a) per ogni g : Rn → R boreliana, risulta che g ◦ X `e P −sommabile se e solo se gfX `e Ln−sommabile, nel qual caso
E(g ◦ X) = Z
Rn
gfX dLn ;
23
(2.6) Teorema Sia X : Ω → Rn una variabile aleatoria che ammette densit`a fX.
Valgono allora i seguenti fatti:
(a) per ogni g : Rn → R boreliana, risulta che g ◦ X `e P −sommabile se e solo se gfX `e Ln−sommabile, nel qual caso
E(g ◦ X) = Z
Rn
gfX dLn ; in particolare, risulta
P ({ω ∈ Ω : X(ω) ∈ B}) = Z
B
fX dLn per ogni boreliano B in Rn;
23
(b) X `e P −sommabile se e solo se
Rn −→ Rn x 7→ fX(x)x
`e Ln−sommabile, nel qual caso E(X) =
Z
Rn
fX(x)x dLn(x) ;
24
(b) X `e P −sommabile se e solo se
Rn −→ Rn x 7→ fX(x)x
`e Ln−sommabile, nel qual caso E(X) =
Z
Rn
fX(x)x dLn(x) ; (c) se X `e P −sommabile, risulta
V (X) = Z
Rn
|x − E(X)|2fX(x) dLn(x) .
24
(2.7) Definizione Siano m ∈ R e σ > 0. Una variabile aleatoria X : Ω → R si dice normale di tipo N (m, σ2), se ammette densit`a e tale densit`a `e la funzione
fX(x) =
exp
−|x−m|2
2σ2
√
2πσ2 .
25
(2.7) Definizione Siano m ∈ R e σ > 0. Una variabile aleatoria X : Ω → R si dice normale di tipo N (m, σ2), se ammette densit`a e tale densit`a `e la funzione
fX(x) =
exp
−|x−m|2
2σ2
√
2πσ2 .
Se X : Ω → R `e una variabile aleatoria normale di tipo N (m, σ2), risulta E(X) = m , V (X) = σ2 .
25
(2.7) Definizione Siano m ∈ R e σ > 0. Una variabile aleatoria X : Ω → R si dice normale di tipo N (m, σ2), se ammette densit`a e tale densit`a `e la funzione
fX(x) =
exp
−|x−m|2
2σ2
√
2πσ2 .
Se X : Ω → R `e una variabile aleatoria normale di tipo N (m, σ2), risulta E(X) = m , V (X) = σ2 .
(2.8) Definizione Siano m ∈ Rn e C una matrice n × n simme- trica e definita positiva. Una variabile aleatoria X : Ω → Rn si dice normale di tipo N (m, C), se ammette densit`a e tale densit`a `e la funzione
fX(x) =
exp
−12 (x − m) · [C−1(x − m)]
p(2π)n det C .
25
(2.9) Definizione Degli eventi A1, . . . , Am in Ω si dicono indipen- denti, se
P (Aj1 ∩ · · · ∩ Aj
k) = P (Aj1) · · · P (Aj
k) ogniqualvolta 1 ≤ j1 < · · · < jk ≤ m.
26
(2.9) Definizione Degli eventi A1, . . . , Am in Ω si dicono indipen- denti, se
P (Aj1 ∩ · · · ∩ Aj
k) = P (Aj1) · · · P (Aj
k) ogniqualvolta 1 ≤ j1 < · · · < jk ≤ m.
(2.10) Definizione Delle variabili aleatorie X1, . . . , Xm : Ω → Rn si dicono indipendenti, se
P ({ω ∈ Ω : X1(ω) ∈ B1 , . . . , Xm(ω) ∈ Bm}) =
= P ({ω ∈ Ω : X1(ω) ∈ B1}) · · · P ({ω ∈ Ω : Xm(ω) ∈ Bm}) comunque si scelgano B1, . . . , Bm boreliani in Rn.
26
(2.9) Definizione Degli eventi A1, . . . , Am in Ω si dicono indipen- denti, se
P (Aj1 ∩ · · · ∩ Aj
k) = P (Aj1) · · · P (Aj
k) ogniqualvolta 1 ≤ j1 < · · · < jk ≤ m.
(2.10) Definizione Delle variabili aleatorie X1, . . . , Xm : Ω → Rn si dicono indipendenti, se
P ({ω ∈ Ω : X1(ω) ∈ B1 , . . . , Xm(ω) ∈ Bm}) =
= P ({ω ∈ Ω : X1(ω) ∈ B1}) · · · P ({ω ∈ Ω : Xm(ω) ∈ Bm}) comunque si scelgano B1, . . . , Bm boreliani in Rn.
(2.11) Definizione Una successione (Xm) di variabili aleatorie da Ω in Rn si dice indipendente, se X0, . . . , Xm sono indipendenti per ogni m ∈ N.
26
(2.12) Definizione Una successione (Um) di σ−algebre in Ω con Um ⊆ U si dice indipendente, se risulta
P (Aj1 ∩ · · · ∩ Aj
k) = P (Aj1) · · · P (Aj
k) ogniqualvolta Aj1 ∈ Uj1, . . . , Aj
k ∈ Uj
k con j1 < · · · < jk.
27