这一页在讲什么
上一页已经对简单函数证明了 这一页把它推广到所有非负可测函数:用一列递增的简单函数 从下面逼近 于是 也从下面逼近 两边各用一次单调收敛定理取极限。最后把有正有负的可积函数拆成「正部减负部」,命题 21 就完整证完了。
- 这是 第 32 页 的续页。课件只印了一个小标题 Nonnegative measurable functions(非负可测函数),证明本身是课上板书,下面补全。
- 在 第 32 页 的「标准四步」表里,上一页完成了第 1、2 步(示性函数 → 简单函数),这一页完成第 3、4 步(非负可测函数 → 可积函数)。
- 证完以后,命题 21 就能用在任何随机变量上。下一页 第 34 页 的链式法则、第 35 页 的倒数公式,以及第 5 部分重要性抽样的方差计算(第 38 页、第 39 页),都直接调用它。
先补基础
第 1 讲定理 29(第 34 页):若 可测,则存在非负简单函数 使得对每个 一个具体的选法是
意思是「先把 截在高度 ( 表示 和 中较小的那个),再向下取整到 的整数倍」。 读作「 的下取整」,是不超过 的最大整数,例如
- 例: 时,一步步往上贴近 0.7。
- 在 的点,同样是「递增地趋于
第 1 讲定理 30(第 36 页):在任意测度空间上,若非负可测函数 逐点趋于 则
「任意测度空间」这几个字这一页要用两次:一次用在 上,一次用在 上。定理并不关心测度叫什么名字。
设 ( 可以是 是有限常数。那么 也递增,并且 这里按测度论约定
- 每一项都是 0,极限是 0,而 (包括 的情形,按约定)。
- 常数乘收敛数列,极限是
- 越过任何界, 也越过任何界,所以
课件原文逐句精读
Nonnegative measurable functions
非负可测函数
- 这是标准四步里的第 3 步:对象从「只取有限个值的简单函数」扩大到「任意非负可测函数」。后者可以取无穷多个值,可以无界,甚至可以在某些点取
- Nonnegative(非负):这是能用单调收敛定理的前提。MCT 只管非负函数。
- measurable(可测):保证 能积分,也保证能用二进逼近(二进逼近里的集合 必须是事件)。
- 蓝条标题 Change of measure in expectations: proof:期望换测度公式的证明。它和 第 32 页 共用一个命题(命题 21),这一页是证明的后半段。
补全课件留白
课件此处留白(课堂板书),以下内容由本站根据标准教材补写,记号与本课件保持一致;如与老师课堂写法不同,以老师为准。
Nonnegative measurable functions|非负可测函数
要证:对每个可测的
取简单函数 对每个 上一页已经给出 左边在 下用 MCT 趋于 右边因为 在 下用 MCT 趋于 同一个数列只有一个极限,所以两者相等。
- 取逼近列。由二进逼近(第 34 页 定理 29),存在非负简单函数 对每个 都有
- 乘上密度以后仍然单调逼近。 是两个可测函数的乘积,所以可测,而且非负。固定一个 把 看成一个非负有限常数,由上面「非负常数乘上递增数列」,也就是 逐点成立(下面「推导」一节把四种情形逐一列出)。
- 在 下用 MCT:所以
- 在 下用 MCT:所以
- 用上一页的结论把两列数连起来:每个 都是非负简单函数,由 第 32 页 第 2 步, 对每个 成立。所以第 3 步和第 4 步里的两列数是同一列数。
- 结论:同一列数的极限是唯一的(在 里也是如此),所以
把第 3–5 步写成一行:
两边可以同时是 这时两列数都无界。命题 21 第 1 条证毕。
可积的有符号函数:拆成正部与负部(课件未印小标题)
要证:对可测的 并且此时
都是非负可测函数,可以直接套用刚证完的第 3 步。先用 得到「可积 ⟺ 可积」,再用 各得一个等式,两式相减。
- 可积性的等价。 非负可测,由第 3 步 又因为 所以左边有限当且仅当右边有限,也就是
- 乘积的正部、负部。因为 乘上 不改变符号,所以逐点核对:若 则 左边分别是 和 右边也是(此时 若 则 左边分别是 和 右边也是(此时
- 相减。设 因为 和 都有限。于是
命题 21 全部证毕。标准四步到此走完:
| 步骤 | 对象 | 关键工具 | 在哪一页 |
|---|---|---|---|
| 1 | 示性函数 | 密度的定义 | 第 32 页 |
| 2 | 非负简单函数 | 两边都是线性的 | 第 32 页 |
| 3 | 非负可测函数 | 二进逼近 + 两次 MCT | 本页 |
| 4 | 可积函数 | 判断可积,正部减负部 | 本页 |
只有一边有限时也成立(选读)
如果 中恰有一个是 (另一个有限),测度论里仍然把 定义为 结果是 或 第 3 步已经给出 所以 按同样方式定义,且两边相等。只有两项都是 时,两边都没有定义(见下面例 4)。
例子
(长度), 的密度 取 它取无穷多个值,在 0 附近无界,不是简单函数,只能用本页的第 3 步。
- 用命题 21:
- 直接在 下算,作为核对:先求 下的尾概率。 时 而 (所以 时 时 用尾积分公式 (第 21 页,对 两种算法一致。
二进逼近 记 它在第 格 上取值 (
- 每一格的 -概率:
- 所以 而 是同一个和(这就是上一页第 2 步)。
| 格数 | ||
|---|---|---|
| 1 | 2 | |
| 2 | 4 | |
| 3 | 8 | |
| 4 | 16 | |
| 10 | 1024 |
数列单调增加,趋于 表中的每一行两边相等,取极限后两边仍相等——这正是本页证明的三行等式。
(此时 令 (当 (当
- 会变成「没有定义;右边 也一样。这就是第 4 步必须先假设可积的原因。
推导:一步一步来
把第 3 步第 2 条「按 是否为 0、 是否有限分成四种情形,逐一核对,特别看清约定 在哪里起作用。
固定 记 已知
| 情形 | 的变化 | 极限 | |
|---|---|---|---|
| 恒为 0 | 0 | ||
| 恒为 0 | 0 | (约定) | |
| 递增 | |||
| 递增且无界 |
四种情形里,极限都等于 并且数列都不减( 乘以 不改变不等号方向)。所以 在每一点成立,MCT 的条件完全满足。
第二行说明了约定 的必要性:若 在 看不见的地方(取 这些点对 毫无贡献;对 也毫无贡献,因为 约定让两边的「看不见」保持一致。
常见疑问与易错点
答:线性性只能处理有限和。简单函数是有限个 之和,所以上一页可以一项一项地换算;一般的非负可测函数(例如例 1 的 取无穷多个值,写不成有限和。它的积分是用「下方简单函数积分的上确界」定义的(第 33 页),要从简单函数走到它,必须经过一个极限,MCT 正是保证「极限和积分可以交换」的工具。
答:测度不同、函数列也不同。第一次在 上,函数列是 第二次在 上,函数列是 MCT 对任何测度都成立,所以两次都合法。少了任何一次,等式的一边就停在「而到不了期望本身。
答:第 4 步第 1 条先证 是因为有正有负的函数,期望只在可积时才有定义(否则可能是 例 4)。这一行说明两边的可积性是同一回事:只要 在 下可积, 在 下就自动可积,右边的期望一定有定义。反过来也一样。注意判断标准是 是否 -可积,不是 是否 -可积(第 32 页 例 3)。
答:不会。所以 是 的零概率事件, 在那里的值不影响 在右边,这些点上 也不影响 两边「看不见」的地方恰好一致。
小结与自测
- 第 3 步(非负可测函数):取简单函数 则 在 下和 下各用一次 MCT,中间用简单函数的结论 连起来。
- 第 4 步(可积函数): 给出可积性的等价;正部减负部即得
- 约定 保证 看不见的区域 在两边都没有贡献。
- 「示性函数 → 简单函数 → 非负函数 → 可积函数」的标准四步到此走完,命题 21 对所有随机变量成立。
1. 求 (提示:
点开看答案
且可测,由第 3 步 这个函数在 0 附近无界,不是简单函数,正是本页第 3 步处理的对象。
2. 同上,求 并说明用的是第几步。
点开看答案
有正有负,而且有界,所以在 下可积,用第 4 步:
3. 判断:本页证明中,只要在 下用一次 MCT 就够了。
点开看答案
错误。只在 下用 MCT,只能得到 还需要在 下用 MCT 得到 才能把两列数(上一页已证它们逐项相等)的极限分别认出来。两次缺一不可。
| 中文 | English | 白话解释 |
|---|---|---|
| 简单函数 | simple function | 只取有限个值的可测函数,是若干示性函数的线性组合,图像像台阶。 |
| 可测函数 | measurable function | 对每个 a,集合 {f > a} 都可测;这样的函数才能积分。 |
| 函数 | function / map | f: A → B 给 A 中每个元素指定 B 中唯一一个元素。 |
| 单调收敛定理 | monotone convergence theorem (MCT) | 非负可测函数单调递增地收敛时,积分也收敛:∫fₙ ↑ ∫f。 |
| 正部 | positive / negative part | f⁺ = max(f, 0),f⁻ = max(−f, 0),f = f⁺ − f⁻,|f| = f⁺ + f⁻。 |
| 可积 | integrable (L¹) | ∫|f| dμ < ∞。全体可积函数记作 L¹(μ)。 |
| 示性函数 | indicator function | 𝟏_A(x) 在 x ∈ A 时取 1,否则取 0;它的积分就是 A 的测度。 |
| 随机变量 | random variable | 从样本空间到实数的(可测)函数,把结局翻译成数字;随机性来自「实现了哪个 ω」。 |
| 重要性抽样 | importance sampling | 从另一个更合适的分布抽样,再乘以权重纠正,从而减小估计的方差。 |
| 方差 | variance | Var X = E[(X − E X)²],衡量随机变量围绕均值的波动大小。 |
| 概率测度 | probability measure | 总质量 P(Ω) = 1 的测度。 |
| 测度空间 | measure space | 三元组 (S, 𝓜, μ):空间、σ-代数、测度。 |
| 测度 | measure | 给 σ-代数里的每个集合一个 [0, ∞] 中的「大小」,空集为 0,并且可数可加。 |
| 集合 | set | 把一些对象放在一起当成一个整体,例如 {1,2,3}。 |
| 事件 | event | 样本空间的(允许谈概率的)子集;实现的 ω 落在里面,就说事件发生。 |
| 换测度 | change of measure | 用 E_Q[X] = E_P[X · dQ/dP] 在两个概率之间换算期望。 |
| 期望 | expectation | 随机变量对概率测度的积分 E[X] = ∫ X dP,也就是「加权平均」。 |
| 当且仅当 | if and only if (iff) | 「A 当且仅当 B」:A 成立就一定有 B,B 成立也一定有 A,两者同真同假,记作 A ⟺ B。 |
| 尾概率 | tail probability | 随机变量取到「很大的值」的概率,例如 P(X > t) 或 P(|X| ≥ t)。它随 t 增大而下降得越慢,分布的尾巴就越「厚」。 |
| 上确界 | supremum (sup) | 最小的上界。最大值不一定存在,但有上界的实数集一定有上确界。 |