Académique Documents
Professionnel Documents
Culture Documents
Guilherme Ost
Instituto de Matemática
Departamento de Métodos Estatı́sticos
Universidade Federal do Rio de Janeiro
12 de Março de 2019
1 / 59
Teoria da Medida e Espaços de Probabilidade
2 / 59
Seção 1: Espaço Mensurável
3 / 59
Uma coleção F de subconjuntos de Ω é uma σ-álgebra sobre Ω
se, F for uma álgebra sobre Ω e satisfizer:
S∞
(A4) se An ∈ F para todo n ≥ 1, então n=1 An ∈ F .
4 / 59
Propriedades Fundamentais
I {∅, Ω} é uma σ-álgebra;
I P(Ω) := {A : A ⊆ Ω} é uma σ-álgebra;
Se Fλ σ-álgebra para todo λ ∈ Λ, então é σ-álgebra.
T
I λ∈Λ Fλ
5 / 59
Exemplo 2: Se Ω é enumerável consideramos sempre F = P(Ω).
A := {A : A ⊆ Ω , A aberto }.
Rd := {A : A ⊆ Rd , A rectângulo limitado } .
6 / 59
Seção 2: Espaços de Medida
7 / 59
Proposição 1. Seja (Ω, F , µ) um espaço de medida.
1. Se µ(A ) < ∞, então µ(A c ) = µ(Ω) − µ(A );
2. Se A ⊆ B então µ(A ) ≤ µ(B );
3. Se A ⊆ B e µ(A ) < ∞, então µ(B \ A ) = µ(B ) − µ(A );
An = A então limn→∞ µ (An ) = µ(A );
S∞
4. Se An ⊆ An+1 e n =1
An = A então limn→∞ µ (An ) = µ(A );
T∞
5. Se An+1 ⊆ An e n =1
Am então µ(A ) ≤ µ(Am ).
S∞ P∞
6. Se A ⊆ m=1 m=1
8 / 59
Questão fundamental na teoria da medida
9 / 59
E se Ω é não enumerável (por exemplo Ω = Rd ), como fazer?
Teorema de Extensão
Para responder a essa pergunta precisamos usar o teorema de
extensão de medida (Caratheodory). Em poucas palavras, tal
teorema nos dá condições suficientes para que uma função
definida sobre uma classe menor (álgebra ou semi-álgebra) possa
ser estendida a uma medida sobre a respectiva σ-algebra gerada.
10 / 59
Uma coleção S de subconjuntos de Ω é uma semi-álgebra se:
I ∅ ∈ S;
I se A , B ∈ S então A ∩ B ∈ S;
I se A , B ∈ S e A ⊆ B, então existem Ci ∈ S, i = 1, . . . , n
disjuntos tais B \ A = ni=1 Ci .
S
k =1 Ak .
Ω = ∪∞
11 / 59
Extensão de Medida
12 / 59
A prova do teorema de extensão é dividida em duas etapas:
Existência
A demonstrção se baseia no conceito de medida externa e será
deixado como leitura (seções 3, 10 e 11 de Prob. and Meas.
Billingsley.)
Unicidade
Vamos discutir a demosntração da unicidade pois para tanto
utiliza-se uma ferramenta (Teorema π-λ de Dynkin) que sera útil
em outras ocasiões.
13 / 59
Unicidade
14 / 59
Teorema 2. (Teorema π-λ de Dynkin). Se P for um π-sistema, L
for λ-sistema e P ⊆ L então σ(P) ⊆ L.
15 / 59
Seção 3: Especificando Medidas em Rd .
16 / 59
Motivado pela observação anterior definimos
X
∆A (F ) := sA ( v ) F ( v ) .
v ∈V (A )
O limite y ↓ x significa yi ↓ xi ∀ i = 1, . . . , d.
µ(A ) = ∆A (F ) ,
F(x ) = P ((−∞, x ]) .
F (b ) − F (a ) = G (b ) − G (a ) = µ((a , b ]),
19 / 59
Exemplo 6: (Medida Produto) Seja F definida por
d
Y
F (x1 , . . . , xd ) := Fi (xi ) ,
i =1
20 / 59
Exemplo 7:
se x1 , x2 ≥ 1 ,
1
2/3 se x1 ≥ 1 e x2 ∈ [0, 1)
F (x1 , x2 ) :=
2/3 se x2 ≥ 1 e x1 ∈ [0, 1)
caso contrário .
0
1
∆A (F ) = − ,
3
para o retângulo limitado A = (0, 1] × (0, 1].
21 / 59
Seção 4: Transformações Mensuráveis
X −1 (A ) ∈ F1 para todo A ∈ F2 .
22 / 59
Proposição 2. A coleção de conjuntos
{X −1 (A ) : A ∈ F2 },
23 / 59
Proposição 4.
1. Se X −1 (A ) ∈ F1 para todo A ∈ C e F2 = σ(C) então X é
mensurável.
2. A composição de funções mensuráveis também é
mensurável.
{A ⊂ Ω2 : X −1 (A ) ∈ F1 }
25 / 59
Limites e Mensurabilidade
Proposição 6. Seja (Ω, F ) um espaço mensurável e suponha que
X1 , X2 , . . . sejam funções reais mensuráveis.
1. As funções supn Xn , inf n Xn , lim supn Xn , lim inf n Xn são
mensuráveis;
2. Se limn Xn existe em toda parte, então é mensurável;
3. {∃ limn Xn } ∈ F ;
4. Se X : Ω → R for mensurável, então {∃ limn Xn = X } ∈ F .
e
{∃ lim Xn = X } = {lim sup(Xn − X ) = 0} ∩ {lim inf (Xn − X ) = 0},
n n n
se X (ω) ≥ 0 , 0 ≤ Xn ↑ X , quando n → ∞ .
e
se X (ω) ≤ 0 , 0 ≥ Xn ↓ X , quando n → ∞ .
27 / 59
Proposição 8. Seja (Ω1 , F1 , µ) um espaço de medida e (Ω2 , F2 )
um espaço mensurável. Seja X : Ω1 → Ω2 uma transformação
mensurável e defina
µX : A ∈ F2 7→ µX (A ) := µ X −1 (A ) .
28 / 59
Lei de Probabilidade e Função de Distribuição
FX (x1 , . . . , xd ) := P (X1 ≤ x1 , . . . , Xd ≤ xd ) .
29 / 59
Proposição 9. Dada uma função de distribuição F : Rd → R,
então existe um espaço de probabilidade (Ω, F , P) e um vetor
aleatório X : Ω → Rd tal que F = FX .
30 / 59
Seção 5: Integração
k
X
X (ω) = xi 1Ai (ω) ,
i =1
31 / 59
Para funções simples, a integral é definida por
Z k
X
Xd µ = xi µ(Ai ) .
i =1
32 / 59
Diremos que uma propriedade P vale µ-quase certamente (µ-q.c.)
se o respectivo evento,
Ωo = {ω ∈ Ω : ω satisfaz P}
for mensurável e µ Ωc0 = 0.
33 / 59
Lema 1. Sejam (Ω, F , µ) um espaço de medida onde µ é σ-finita,
e considere X e Y funções simples.
Xd µ ≥ 0
R
1. Se X ≥ 0 q.c., então
aXd µ = a Xd µ.
R R
2. Para todo a ∈ R,
(X + Y )d µ = Xd µ + Yd µ.
R R R
3.
Yd µ ≥ Xd µ.
R R
4. Se Y ≥ X q.c., então
Xd µ = Yd µ.
R R
5. Se Y = X q.c., então
Xd µ| ≤ |X |d µ .
R R
6. |
34 / 59
Passo 2. Considere X : Ω → R mensurável e limitada, i.e.,
∃ M > 0 tal que |X (w )| ≤ M para todo w ∈ Ω.
35 / 59
Desta forma definimos para X mensurável e limitada satisfazendo
as hipóteses do Lema 2,
Z Z
Xd µ = sup Yd µ .
Y ≤X
36 / 59
Lema 3. Sejam (Ω, F , µ) um espaço de medida onde µ é σ-finita e
E ∈ F tal que µ(E ) < ∞. Se X e Y são funções mensuráveis e
limitadas que se anulam em E c , então:
Xd µ ≥ 0
R
1. Se X ≥ 0 q.c., então
aXd µ = a Xd µ.
R R
2. Para todo a ∈ R,
(X + Y )d µ = Xd µ + Yd µ.
R R R
3.
Yd µ ≤ Xd µ.
R R
4. Se Y ≤ X q.c., então
Xd µ = Yd µ.
R R
5. Se Y = X q.c., então
Xd µ| ≤ |X |d µ .
R R
6. |
37 / 59
Passo 3. Dada X ≥ 0 mensurável, defina sua integral por
Z (Z )
Xd µ = sup Yd µ ,
0≤Y ≤X
Xd µ = +∞.
R
Não descartamos a possibilidade de
38 / 59
Lema 5. Sejam (Ω, F , µ) um espaço de medida onde µ é σ-finita.
Se X e Y são funções mensuráveis não-negativas então:
Xd µ ≥ 0
R
1. Se X ≥ 0 q.c., então
aXd µ = a Xd µ.
R R
2. Para todo a ∈ R,
(X + Y )d µ = Xd µ + Yd µ.
R R R
3.
Yd µ ≤ Xd µ.
R R
4. Se Y ≤ X q.c., então
Xd µ = Yd µ.
R R
5. Se Y = X q.c., então
39 / 59
|X |d µ < ∞.
R
Passo 4. Diremos que X mensurável é integrável se
Note que x = x + − x − e |x | = x + + x − .
40 / 59
Inferência não paramétrica: um exemplo
41 / 59
Para estimar F usamos F̂n definida para w ∈ Ω e x ∈ R por:
n
1X
F̂n (w , x ) = 1(−∞,x ] (Xi (w )), (distribuição empı́rica)
n
i =1
Dn (w ) = sup |F̂n (w , x ) − F (x )|
x ∈Q
43 / 59
Logo, dado α ∈ (0, 1] podemos tentar determinar > 0 tal que
P(Dn ≤ ) ≥ 1 − α.
44 / 59
Seção 6: Independência e Distribuição
45 / 59
Teorema 1. Suponha {C1 , . . . , Cn } famı́lia independente e que Ci
seja um π-sistema para todo 1 ≤ i ≤ n. Então σ(C1 ), . . . , σ(Cn ) é
uma famı́lia de σ-álgebras independentes.
Prova: Aplique o Teorema 1 com Ci = {Xi ≤ x }, x ∈ (−∞, ∞] para
todo 1 ≤ i ≤ n.
46 / 59
Teorema 3. Considere σ-álgebras Fi ,j independentes,
onde
m(i )
1 ≤ i ≤ n e 1 ≤ j ≤ m(i ). Então σ ∪j =1 Fi ,j , com 1 ≤ i ≤ n,
também são independentes.
onde 1 ≤ i ≤ n.
47 / 59
Sejam X1 , . . . , Xn v.a.s independentes e suponha que Xi tem
distribuição PXi . Qual é a distribuição PX do v.a. (X1 , . . . , Xn )?
48 / 59
Seção 7: medida Produto e Teorema de Fubini
Defina
Ω := Ω1 × Ω2 ,
e
R := {A1 × A2 : A1 ∈ F1 , A2 ∈ F2 } (Retângulos).
A classe de conjuntos R forma uma semi-álgebra. Denote
49 / 59
Teorema 1. Existe uma única medida de probabilidade P definida
em F tal que
P (A1 × A2 ) = P1 (A1 ) P2 (A2 ) ,
para todo A1 × A2 ∈ R.
para todo A1 ∈ F1 , . . . , Ad ∈ Fd .
50 / 59
Teorema 2. (Teorema de Fubini) Seja X : Ω → R mensurável,
onde Ω = Ω1 × Ω2 , F = F1 × F2 e P = P1 × P2 . Então a função
Xω1 : ω2 7→ X (ω1 , ω2 ) ,
51 / 59
Notação: Em geral, escrevemos
Z Z Z !
Xd P = X (ω1 , ω2 )d P2 d P1 ,
Ω Ω1 Ω2
52 / 59
Esperança e distribuição
Quando µ = P for uma medida de probabilidade, denotamos
Z
E (X ) = Xd P .
lim Xn (ω) = X (w ) , ∀ ω ∈ Ω0 .
n→∞
55 / 59
Teorema 5. (Convergência Limitada) Suponha que exista M > 0
tal que |Xn | ≤ M para todo n ≥ 1. Se Xn → X em probabilidade,
então
lim E(Xn ) = E(X ).
n→∞
56 / 59
Teorema 6. (Lema de Fatou) Se Xn ≥ 0 para todo n ≥ 1 e Xn → X
em probabilidade, então
provando o resultado.
58 / 59
Formas de Convergência em Esp. de Probab.
1. Quase Certa;
2. Em média de ordem p (em Lp ),
3. Em Probabilidade;
4. Em Lei (Distribuição),
59 / 59