Miara ciasna.

Definicja klasyczna. Prawdopodobieństwo warunkowe i całkowite. Zmienne losowe i ich parametry. Niezależność. Prawa wielkich liczb oraz centralne twierdzenia graniczne i ich zastosowania.
ankap0711
Użytkownik
Użytkownik
Posty: 3
Rejestracja: 30 sty 2011, o 10:51
Płeć: Kobieta
Lokalizacja: Polska

Miara ciasna.

Post autor: ankap0711 »

Mam problem z dowodem tego twierdzenia.
Twierdzenie:
Każda miara na przestrzeni metrycznej, ośrodkowej i zupełnej jest ciasna.
Awatar użytkownika
Spektralny
Użytkownik
Użytkownik
Posty: 3976
Rejestracja: 17 cze 2011, o 21:04
Płeć: Mężczyzna
Lokalizacja: Praga, Katowice, Kraków
Podziękował: 9 razy
Pomógł: 929 razy

Miara ciasna.

Post autor: Spektralny »

Niech \(\displaystyle{ \{a_1,a_2,\ldots \}}\) będzie przeliczalnym zbiorem gęstym w \(\displaystyle{ X}\). Dla każdego \(\displaystyle{ \delta>0}\) mamy

\(\displaystyle{ X = \bigcup_{n=1}^\infty K(a_n, \delta)}\).

Mamy więc

\(\displaystyle{ \mu(X) = \lim_{n\to \infty} \mu( \bigcup_{m=1}^n K(a_m, \delta) ).}\)

Niech \(\displaystyle{ \varepsilon>0}\). Istnieje wówczas takie \(\displaystyle{ m}\), że

\(\displaystyle{ \mu( \bigcup_{k=1}^{n_m} K(a_k, \tfrac{1}{m}) ) > \mu(X) - \frac{\varepsilon}{2^m}}\)

Niech

\(\displaystyle{ K = \bigcap_{m=1}^\infty \bigcup_{k=1}^{n_m} \overline{K(a_k, \tfrac{1}{m})}}\)

Wówczas \(\displaystyle{ K}\) jest domknięty i całkowicie ograniczony, a więc zwarty. Porachuj proszę, że

\(\displaystyle{ \mu(X\setminus K) < \sum_{m=1}^\infty \frac{\varepsilon}{2^m} = \varepsilon.}\)
ODPOWIEDZ