15wk: 기말고사

Author

최규빈

Published

June 13, 2023

1. 다음을 읽고 참거짓을 판단하라. (30점)

(1) 유리수집합 Q는 가산집합이며 유리수집합을 르벡메져로 측정하면 그 길이가 0이다. 즉 λ(Q)=0 이다.

True
True

(2) 르벡메져 λR의 모든 부분집합에 대하여 그 길이를 모순없이 정의가능하다. 즉 르벡메져는 (R,2R) 에서의 메져가 된다.

False # 비탈리집합
False

(3) 르벡메져 λ는 임의의 BR의 길이를 모순없이 정의가능하다. 즉 르벡메져는 (R,R) 에서의 메져가 된다.

True
True

(4) 집합 Ω의 부분집합을 원소로 가지는 collection F를 고려하자. 만약에 F가 파이시스템이면서 동시에 람다시스템이라면 F는 시그마필드이다.

True
True

(5) 아래와 같은 함수 f를 고려하자.

f(x)={1xQ0xRQ

위의 함수에 대한 르벡적분값은 무한대이다. 즉 Rfdλ= 이다.

False
False

(6) X가 가측공간 (Ω,F) 에서의 확률변수라는 의미는 모든 BB 에 대하여 {ω:X(ω)B}F 를 만족한다는 의미이다.

None # 문제오류. ${\cal B}$가 아니라 ${\cal R}$ 

(7) X가 가측공간 (Ω,F) 에서의 확률변수라면 X에 대응하는 분포(distribution) μX가 반드시 존재하며 μX:=PX1로 정의가능하다.

True
True

(8) X가 가측공간 (Ω,F) 에서의 확률변수이고, X에 대응하는 분포가 μX라고 하자. μX는 측도의 정의를 만족하지만 확률측도의 정의를 만족하지는 않는다.

False # 확률측도의 정의도 만족
False

(9) X가 가측공간 (Ω,F) 에서의 확률변수이고, X에 대응하는 분포가 μX라고 하자. μX에 대응하는 분포함수 FX(x)=μX((,x])는 항상 존재한다.

True
True

(10) X가 가측공간 (Ω,F) 에서의 확률변수이고 FXX에 대응하는 분포함수라고 하자. 분포함수 FX가 절대연속이라면 대응하는 X는 연속형확률변수이며 그 밀도함수 fX가 존재한다.

False
False

2. 확률 (40점)

(1) Ω={1,2,3,4} 이라고 하고 A={,{1},{2},{3,4},Ω} 이라고 하자. 함수 P~:A[0,1]를 아래와 같이 정의하자.

  • P~()=0
  • P~({1})=1/4
  • P~({2})=1/2
  • P~({3,4})=1/4
  • P~(Ω)=1

A에서 P~와 일치하는 확률메져 P가 가측공간 (Ω,σ(A)) 에서 유일하게 존재하는가?

(풀이)

유일하게 존재한다. F:=σ(A)라고 하고 아래와 같은 함수 P:F[0,1]를 고려하자.

  • AA: P(A)=P~(A)
  • P({1,2})=P({2,3,4})=34
  • P({1,3,4})=12

P(Ω,F) 에서의 prob-msr 이다. 이때 A는 파이시스템이므로 P의 유일성이 보장된다.

(2) Ω={1,2,3,4} 이라고 하고 A={,{1,2},{2,3},Ω} 라고 하자. 함수 P~:A[0,1]를 아래와 같이 정의하자.

  • P~()=0
  • P~({1,2})=1/2
  • P~({2,3})=1/2
  • P~(Ω)=1

A에서 P~와 일치하는 확률메져 P가 가측공간 (Ω,σ(A)) 에서 유일하게 존재하는가?

(풀이)

A가 파이시스템이 아니므로 유일성을 보장할 수 없다.

반례를 위해서 A={,{1,2},{2,3},{2},Ω}를 고려하자. A은 세미알지브라가 되며, A에서 정의된 아래와 같은 P~1,P~2를 고려하자.

  • AA: P~1(A)=P~2(A)=P~(A)
  • P~1({2})=a and P~2({2})=b, where a,b[0,1/2] and ab.

P~1,P~2는 모두 A에서 finite msr 이고, add를 만족하므로 카라테오도리의 확장정리에 의하여 P~1, P~2(Ω,σ(A))에서의 유일한 extension P1,P2를 가진다. 그리고 이러한 P1,P2는 분명 AA에서는 일치하지만 P1({2})P2({2}) 이다.

  • 1 그래서 σ-finite 함

  • 2 finite 한 케이스이므로 additivity 가 σ-additive 를 imply함

  • 3. 확률변수, 밀도함수, 기대값 (30점)

    아래와 같은 확률공간 (Ω,F,P)를 고려하라.

    • Ω=[0,2π)
    • F=R[0,2π):={B[0,2π):BR}
    • AF: P(A)=λ(A)2π
    이것이 확률공간인 이유 (문제로 낼려다가..)

    (Ω,F,P)가 확률공간임을 보이기 위해서는 (1) Fσ-field 이고 (2) P가 prob-msr on (Ω,F)임을 보이면 된다.

    (1) F is σ-filed of Ω

    Fπ-system 이고 λ-system 이므로 시그마필드이다. (6주차 Dynkin’s πλ theorem 증명을 위한 준비학습 참고)

    (2) P is prob-msr on (Ω,F)

    λF에서의 measure이므로, P:=12πλ 역시 F에서의 measure가 된다. 이때 PP(Ω)=1을 만족하므로 prob-msr가 된다.

  • 3 혹은 정석대로 시그마필드의 정의에 넣고 따져도 된다. 그런데 보통 그거보다 파이시스템과 람다시스템을 따지는게 더 편리하다.

  • (1) 함수 X:ΩR을 아래와 같이 정의할때

    X(ω)={0ωΩQc1ωΩQ

    X가 확률변수임을 보여라.

    (풀이)

    X는 simple function 이므로 확률변수이다.

    (2) μX<<ν 를 만족하는 σ-finite measure ν 를 가측공간 (R,R)에서 정의하고, μX의 Radon-Nikodym derivative (w.r.t. ν)

    f:=dμXdν

    를 제시하라. 단, 여기에서 μX:PX1 이다.

    (풀이)

    아래가 성립함을 관찰하라.

    P(X=1)=P({ω:X(ω)=1})=P(ΩQc)=1

    따라서 X에 대응하는 μXFx는 아래와 같다.

    • BR: μX(B)={10B0o.w
    • FX(x)={0x<01x0

    따라서 ν=μX 으로 설정하면 μX<<ν 가 성립하며 함수

    fX(x)={1x=00o.w

    ν=δ0에 대한 μX의 라돈니코딤 도함수이다. 즉 모든 BR에 대하여

    μX(B)=BfX(x)dν

    가 성립한다. (왜냐하면 0B 인 경우 양변이 모두 1로 같으며 0B 인 경우 양변이 모두 0으로 같기 때문)

    (3) X의 평균을 구하라. 즉 E(X)를 계산하라.

    (풀이)

    E(X)=XdP=ΩQc0dP+ΩQ1dP=0