在前面,我们已经学了各种集合系的概念、测度的定义和性质、外测度、测度的扩张和测度空间的完备化。今天主要记录可测函数的收敛性,这部分内容和数学分析是比较相似的。
1.补充可测函数的概念,之前没有说清楚:
1.1 Borel集合系
我们知道
σ
\sigma
σ域对交、补、可列并运算是封闭的。特别地,我们把
R
n
\mathbb R^n
Rn上由一切开集构成的开集族,其生成的
σ
\sigma
σ域称作
R
n
\mathbb R^n
Rn的Borel
σ
\sigma
σ域,其中的集合称为Borel集。我们用
B
R
\mathscr B_{\mathbf R}
BR表示
R
\mathbb R
R上的Borel集合系。根据定义,也即:
B
R
=
σ
(
O
R
)
\mathscr B_{\mathbf R} = \sigma(\mathscr O_{\mathbf R})
BR=σ(OR)
其中
O
R
\mathscr O_{\mathbf R}
OR是
R
\mathbb R
R中开集组成的集合系。
1.2 可测函数
我们知道,正负无穷是特殊的数。为此定义广义实数集:
R
′
=
R
∪
{
−
∞
}
∪
{
+
∞
}
\mathbf R'=\mathbb R \cup \{-\infty\} \cup \{+\infty\}
R′=R∪{−∞}∪{+∞}.相应地,定义
R
′
\mathbf R'
R′上的Borel集合系:
B
R
′
=
σ
(
B
R
,
{
+
∞
}
,
{
−
∞
}
)
\mathscr B_{\mathbf R'} = \sigma(\mathscr B_{\mathbf R},\{+\infty\},\{-\infty\})
BR′=σ(BR,{+∞},{−∞})
因此,从测度空间
(
X
,
F
)
(X,\mathscr F)
(X,F)到
(
R
′
,
B
R
′
)
(\mathbf R',\mathscr B_{\mathbf R'} )
(R′,BR′)的可测映射称为
(
X
,
F
)
(X,\mathscr F)
(X,F)上的可测函数。
可以看到,可测函数的函数值可以是无穷大。相应地,如果函数是从
(
X
,
F
)
(X,\mathscr F)
(X,F)到
(
R
,
B
R
)
(\mathbf R,\mathscr B_{\mathbf R} )
(R,BR)上的映射,就可以叫做有限值可测函数。随机变量就是一种有限值可测函数。
\space
2.可测函数的收敛性
首先先学习三个概念:几乎处处收敛;几乎一致收敛;按测度收敛。
2.1几乎处处收敛
这里的收敛性都是强调几乎(almost),顾名思义,几乎怎样就是不怎样的概率(测度)是0.
定义1: 设
{
f
n
}
\{f_n\}
{fn}和
f
f
f是测度空间
(
X
,
F
,
μ
)
(X,\mathscr F,\mu)
(X,F,μ)上的可测函数,若
μ
(
lim
n
→
∞
f
n
≠
f
)
=
0
\mu(\lim_{n\to\infty}f_n\ne f)=0
μ(n→∞limfn=f)=0
则说可测函数列
{
f
n
}
\{f_n\}
{fn}几乎处处(almost everywhere,a.e.)以
f
f
f为极限。如果,
f
f
f几乎处处有限且
f
n
→
a
.
e
.
f
f_n \stackrel{a.e.}{\rightarrow}f
fn→a.e.f,则称
{
f
n
}
\{f_n\}
{fn}几乎处处收敛至
f
f
f.
上面的式子也可写为:
μ
(
lim
n
→
∞
f
n
=
f
)
=
μ
(
X
)
\mu(\lim_{n\to\infty}f_n= f)=\mu(X)
μ(n→∞limfn=f)=μ(X)
当然,在概率空间中,等号右边的值就是1.
将
{
lim
n
→
∞
f
n
≠
f
}
\{\lim_{n\to\infty}f_n\ne f\}
{limn→∞fn=f}写成集合极限的形式(我认为是上极限),有如下命题:
命题1:
f
n
→
a
.
e
.
f
f_n \stackrel{a.e.}{\rightarrow}f
fn→a.e.f当且仅当
μ
(
∩
m
=
1
∞
∪
n
=
m
∞
{
∣
f
n
−
f
∣
≥
ε
}
)
=
0
\mu (\cap_{m=1}^\infty \cup_{n=m}^\infty \{|f_n-f|\ge \varepsilon\})=0
μ(∩m=1∞∪n=m∞{∣fn−f∣≥ε})=0
2.2 几乎一致收敛
定义2: 设
{
f
n
}
\{f_n\}
{fn}和
f
f
f是测度空间
(
X
,
F
,
μ
)
(X,\mathscr F,\mu)
(X,F,μ)上的可测函数,若对任给
ε
>
0
,
∃
A
∈
F
:
μ
(
A
)
<
ε
\varepsilon>0,\exists A\in \mathscr F:\mu(A)<\varepsilon
ε>0,∃A∈F:μ(A)<ε且
lim
n
→
∞
sup
x
∉
A
∣
f
n
(
x
)
−
f
(
x
)
∣
=
0
\lim_{n\to\infty}\sup_{x\notin A}|f_n(x)-f(x)|=0
n→∞limx∈/Asup∣fn(x)−f(x)∣=0
则说
{
f
n
}
\{f_n\}
{fn}几乎一致(almost uniform,a.u.)收敛到
f
f
f。
这个定义与数学分析中一致收敛的定义有异曲同工之意。一致收敛是比处处收敛(点态收敛)更严格的收敛。
几乎一致收敛也有一个等价的命题:
命题2:
f
n
→
a
.
u
.
f
f_n \stackrel{a.u.}{\rightarrow}f
fn→a.u.f当且仅当
lim
m
→
∞
μ
(
∪
n
=
m
∞
{
∣
f
n
−
f
∣
≥
ε
}
)
=
0
\lim_{m\to\infty}\mu (\cup_{n=m}^\infty \{|f_n-f|\ge \varepsilon\})=0
m→∞limμ(∪n=m∞{∣fn−f∣≥ε})=0
(Note:说实话,我感觉命题1和命题2是一回事…,但只是在测度有限的情况下才是一回事,待悟。)
2.3按测度收敛
顾名思义:(老顾名思义了)
定义3: 设
{
f
n
}
\{f_n\}
{fn}和
f
f
f是测度空间
(
X
,
F
,
μ
)
(X,\mathscr F,\mu)
(X,F,μ)上的可测函数,若对任给
ε
>
0
\varepsilon>0
ε>0:
lim
n
→
∞
μ
(
f
n
−
f
∣
≥
ε
)
=
0
\lim_{n\to\infty}\mu (f_n-f|\ge \varepsilon)=0
n→∞limμ(fn−f∣≥ε)=0
则称
f
n
→
μ
f
f_n \stackrel{\mu}{\rightarrow}f
fn→μf.
2.4 三者的关系
如前所述,几乎一致收敛是最严格的,因此:
f
n
→
q
.
u
.
f
⇒
f
n
→
a
.
e
.
f
,
f
n
→
μ
f
f_n \stackrel{q.u.}{\rightarrow}f \Rightarrow f_n \stackrel{a.e.}{\rightarrow}f , f_n \stackrel{\mu}{\rightarrow}f
fn→q.u.f⇒fn→a.e.f,fn→μf
在测度有限的条件下,a.e.收敛和a.u.收敛等价。
3.讨论概率空间
对概率空间
(
X
,
F
,
P
)
(X,\mathscr F,P)
(X,F,P)来说,依测度收敛就称作依概率收敛。对于之前说过的准分布函数(单调非降右连续)
F
F
F,若满足
lim
x
→
+
∞
F
(
x
)
=
1
,
lim
x
→
−
∞
F
(
x
)
=
0
\lim_{x\to + \infty}F(x)=1,\lim_{x\to - \infty}F(x)=0
limx→+∞F(x)=1,limx→−∞F(x)=0,则其称作分布函数,定义为:
F
(
x
)
=
P
{
f
≤
X
}
F(x)=P\{f \le X\}
F(x)=P{f≤X}
且称
f
f
f服从
F
F
F.
定义4.左连续逆
设
F
F
F是一准分布函数,
t
∈
(
F
(
−
∞
)
,
F
(
+
∞
)
)
t\in(F(-\infty),F(+\infty))
t∈(F(−∞),F(+∞)),令
F
←
(
t
)
=
inf
{
x
∈
R
:
F
(
x
)
≥
t
}
F^{\leftarrow}(t)=\inf \{x\in\R :F(x)\ge t\}
F←(t)=inf{x∈R:F(x)≥t}
为
F
F
F的左连续逆。
理解:逆的概念,自然是单独的自变量和函数值的关系,在这里,定义为使得
F
F
F大于某个值的自变量的下确界。想象
F
F
F是一个阶梯状的分布函数,则对于某一个
t
t
t的范围,其左连续逆是同一个
x
x
x。则有如下充要关系:
F
←
(
t
)
≤
x
⇔
F
(
x
)
≥
t
F^{\leftarrow}(t)\le x \Leftrightarrow F(x)\ge t
F←(t)≤x⇔F(x)≥t
定理5.
对任何概率分布函数
F
F
F,必存在一个概率空间
(
X
,
F
,
P
)
(X,\mathscr F,P)
(X,F,P)和其上的一个随机变量
f
f
f,使得
f
∼
F
f \sim F
f∼F。
证明:考虑均匀分布的分布函数:
U
(
t
)
=
t
,
∀
t
∈
(
0
,
1
)
U(t)=t,\forall t \in (0,1)
U(t)=t,∀t∈(0,1),考察一个复合函数
F
←
∘
U
F^{\leftarrow} \circ U
F←∘U: