Documente Academic
Documente Profesional
Documente Cultură
parte
Michel Esteven Cespedes. Cod 20111167014
Sebastian Perdomo Leiva Cod: 20111167008
4 de abril de 2017
1. Introduction
En la teoria de la medida y la teoria de la probabilidad uno trata con diferentes tipos de
sucesiones de funciones convergentes, en particular con la convergencia en casi toda parte (c.t.p) y
la convergencia en Probabilidad (e.p). en el siguiente escrito demostraremos bajo que condiciones
en un espacio de probabilidad puramente atomico la convergencia (e.p) implica la convergencia en
(c.t.p). y a la vez el reciproco de dicha afirmación.
2. Preeliminares
2.1. σ-Algebra
Definición 2.1. (a) Una coleccíon M de subconjuntos de un conjunto X se dice una σ −algebra
en X si M tiene las siguiente propiedades:
(i) X ∈ M.
(ii) Si A ∈ M, entonces Ac ∈ M, donde Ac es el complemento de A relativo a X.
S∞
(iii) Si A = n=1 An y si An ∈ M para n = 1, 2, 3 . . . , Entonces A ∈ M.
(b) Si M es una σ − algebra en X, entonces X es llamado un espacio medible. y los mienbros
de M son llamados conjuntos medibles en X.
(c) Si X es un espacio medible, Y es un espacio topologico, y f es una función de X en Y,
entonces f se dice medible probando que f −1 (V ) es un conjunto medible en X para cualquier
conjunto V en Y .
Definición 2.2. (a) Una medida positiva es una función µ definida en una σ − algebra M,
cuyo rango esta en [0, ∞] y la cual es aditiva contablemente. Esto significa que si {Ai } es
una colección contablemente disjunta de miembros de M, entonces
S∞ P∞
µ( i=1 ) = i=1 µ(Ai )..
Para evitar trivialidades, Asumiremos tambien que µ(A) < ∞ para al menos un A ∈ M.
(b) Un espacio de medida es un espacio medible el cual tiene una medida positiva definida es la
σ − algebra de estos conjuntos medibles.
Definición 2.3. En general un espacio probabilístico (Ω, B, P ) está integrado por tres componen-
tes. Primero, el conjunto Ω (llamado espacio muestral) de los posibles resultados del experimento,
llamados sucesos elementales. Segundo, por la colección B de todos los sucesos aleatorios (no solo
los elementales), que es una σ − lgebra sobre Ω. El par (Ω, B) es lo que se conoce como un espacio
de medida. Por último, una medida de probabilidad o función de probabilidad P que asigna una
probabilidad a todo suceso y que verifica los llamados axiomas de Kolmogórov:
Definición 4.2. Decimos que la secuencia de conjuntos {En } converge en medida (converge en
probabilidad) a E. Si la secuencia {χEn } converge en probabilidad. O en otros terminos, si µ(E 4
En ) → 0.
Escribimos como usualmente.
P∞ Q∞
lı́m inf En = k=1 n=k En ,
n Q∞ P∞
lı́m sup En = k=1 n=k En ,
n
∞ [
\ ∞
lı́m sup En = En
n
k=1 n=k
Teorema 4.1. Una secuencia {En } converge a E si y solo si la secuencia de funciones {χEn }
converge a χE en c.t.p.
Demostración. →)Por contraccion, supongamos que χEn → χE y En 6→ E, luego
(
1 si x ∈ lı́m En
lı́m χEn = n→∞
n→∞ 0 en otro caso.
Luego como el lı́m En no corverge, entonces tenemos que χEn no esta bien definida ya que el
conjunto donde esta el x tampoco esta definido, por tanto χEn 6→ χE , lo cual es una contradiccion.
←) Por contraccion, supongamos que En → E y χEn 6→ χE , luego
(
1 si x ∈ lı́m En
lı́m χEn = n→∞
n→∞ 0 en otro caso.
(
1 si x ∈ E
=
0 en otro caso.
= χE
Teorema 4.2. Decimos que una secuencia {En } de conjuntos converge en c.t.p a E, si la secuencia
de funciones {χEn } converge en c.t.p a χE o en otros terminos, si:
µ(E 4 lı́m inf En ) = µ(E 4 lı́m sup En ) = 0.
n n
Teorema 4.3. la convergencia e.p de una sucesion de funciones medibles {fn } a una función
medible f implica la convergencia de {fn } a f . en c.t.p.en cualquier atomo A de µ.
Demostración. Se sigue de la observacin 3,1 que existe un atomo A∗ ⊂ A tal que µ(A − A∗ ) = 0
y que f, f1 , f2 , . . . son constantes en A∗ . Sea
c = f (x), cn = fn (x) para x ∈ A∗ .
ya que fn converge e.p. a f existe para cualquier > 0 un numero n0 tal que
|fn (x) − f (x)| < para n > n0 .
Fuera de un conjunto Zn con µ(Zn ) < µ(A∗). consecuentemente |cn − c| < . para n > n0 . lo cual
implica la convergencia de fn a f en c.t.p. en A.
Teorema 4.4. Si µ es sin atomos, entonces existe una secuencia (En ) de conjuntos medibles
convergentes e.p y tal que
Demostración. Sin perdida de generalidad. Podemos suponer µ(X) = 1. por el teorema 3.3 existe
una secuencia {Bn } de ensayos de Bernoulli (Por ejemplo una secuencia de conjuntos estocastica-
mente independientes con la misma medida). con µ(Bn ) = 21 . Denotando por B 0 el complemento
de B, la secuencia.
B1 , B10 , B1 B2 , B10 B2 , B1 B20 , B10 B20 , B1 B2 B3 , B10 B2 B3 , . . .
obviamente satisface n las condiciones de la tesis
Teorema 4.5. Si la convergencia e.p. de conjuntos medibles implica su convergencia en c.t.p.
Entonces µ es puramente atomico.
pero esto significa que lı́m inf En 6= lı́m sup En por lo tanto de la secuencia En , no converge en
n n
c.t.p.
Teorema 4.6. Las siguientes afirmaciones son equivalentes:
Teorema 4.7. (Teorema de Marczewski) Considere un espacio de probabilidad. Suponga que en ese
espacio la convergencia en probabilidad de funciones es equivalente a la convergencia casi segura.
Demostrar que en ese espacio la probabilidad es puramente atómica.
Demostración. Este es un caso particular las equivalencias del teorema 4.6 vistos no desde un
espacio de medida si no mas bien desde un espacio de probabilidad. La primera implicación a
izquierda (⇐) se muestra inmediatamente en 4.6. La otra implicación a derecha, hay que pasar
primero por mostrar de (a) que es nuestra hipotesis, aqui mas reducida a (b) y de (b) a (c) que es
la tesis que acá tenemos.
Referencias
[1] Walter Rudin. Real and complex analysis- Mc Graw-Hill International Editions,
3 edition
[2] Marczeswki, E. Remaks in the convergence of measurable sets and measurable
functions.