Introdução à Teoria da Medida Texto Tutorial

Documentos relacionados
1. Revisão Matemática

Teoria Elementar da Probabilidade. a) Cada experiência poderá ser repetida indefinidamente sob condições essencialmente inalteradas.

Introdução à Teoria dos Números Notas 1 Os Princípios da Boa Ordem e de Indução Finita Prof Carlos Alberto S Soares

Números Complexos. 2. (IME) Seja z um número complexo de módulo unitário que satisfaz a condição z 2n 1, onde n é um número inteiro positivo.

AULA Produto interno em espaços vectoriais reais ou complexos Produto Interno. Norma. Distância.

2. MODELO DETALHADO: Relações de Recorrência. Exemplo: Algoritmo Recursivo para Cálculo do Fatorial Substituição Repetida

Exercícios - Sequências de Números Reais (Solução) Prof Carlos Alberto S Soares

MEDIDAS DE TENDÊNCIA CENTRAL I

Capítulo V - Interpolação Polinomial

Estatística - exestatmeddisper.doc 25/02/09

Oitava Lista de Exercícios

Sumário. Mecânica. Sistemas de partículas

DISTRIBUIÇÃO HIPERGEOMÉTRICA

Sumário. Mecânica. Sistemas de partículas

AULA Espaços Vectoriais Estruturas Algébricas.

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados

Distribuições de Probabilidades

USANDO PROBABILIDADES PARA APROXIMAR FUNÇÕES POR POLINÓMIOS

Diferenciais Ordinárias. Reginaldo J. Santos Departamento de Matemática-ICEx Universidade Federal de Minas Gerais

Centro de massa, momento linear de sistemas de partículas e colisões

Números Complexos Sumário

RESUMO E EXERCÍCIOS NÚMEROS COMPLEXOS ( )

Cursos de Licenciatura em Ensino de Matemática e de EGI. Teoria de Probabilidade

MA12 - Unidade 4 Somatórios e Binômio de Newton Semana de 11/04 a 17/04

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo.

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.

Prof. Janete Pereira Amador 1

NÚMEROS COMPLEXOS. z = a + bi,

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo.

Os Skew Anéis de Polinômios Tipo Automorfismo e a Fatoração Única

AULA Os 4 espaços fundamentais Complemento ortogonal.

CADERNO 1 (É permitido o uso de calculadora gráfica.)

II. Propriedades Termodinâmicas de Soluções

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) [ ] ( ) ( k) ( k ) ( ) ( ) Questões tipo exame

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População

Avaliação da qualidade do ajuste

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL

CAPÍTULO III. Aproximação de funções pelo método dos Mínimos Quadrados

Cap. 5. Testes de Hipóteses

CAPITULO VII. DERIVAÇÃO E DIFERENCIAÇÃO EM R n. = h 1. , fx 1

5. Funções teste. L 2 ( )= {u :? ; Borel mensurável com u 2 dx < 8 }

Atividades Práticas Supervisionadas (APS)

Construção e Análise de Gráficos

Problemas fundamentais da teoria da aproximação func/onal

PLANO PROBABILIDADES Professora Rosana Relva DOS. Números Inteiros e Racionais COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS

MÉTODOS QUANTITATIVOS APLICADOS À GESTÃO DE RISCOS:

Confiabilidade Estrutural

Estimação pontual, estimação intervalar e tamanho de amostras

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS

Como CD = DC CD + DC = 0

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12

Difusão entre Dois Compartimentos

NOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.

Aula 9. Aula de hoje. Aula passada. Self-normalized Importance Sampling Gerando amostras complicadas Variância amostral Simulação

Apostila de Introdução Aos Métodos Numéricos

Universidade Federal do Paraná. Setor de Ciências Exatas. Pós-Graduação em Matemática Aplicada. Patrícia Aparecida Manholi

? Isso é, d i= ( x i. . Percebeu que

Problema geral de interpolação

Forma padrão do modelo de Programação Linear

Introdução à Estatística

CAPITULO 1 CONCEITOS BÁSICOS

Centro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1

MEDIDAS DE DISPERSÃO:

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA

Métodos iterativos. Capítulo O Método de Jacobi

16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição:

, que chamaremos de origem, e atribuímos a este ponto o símbolo O. Com este ponto podemos associar um vetor (1.7.1)

7 Análise de covariância (ANCOVA)

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística

d s F = m dt Trabalho Trabalho

Introdução à Estatística. Júlio Cesar de C. Balieiro 1

Capítulo 8. Método de Rayleigh-Ritz

Probabilidade II Aula 10

Noções de cálculo vetorial e tensorial

Aula de Hoje. Introdução a Sistemas Inteligentes. Redes RBF. Redes RBF. Tópicos em Redes Neurais II: Redes Neurais RBF 1ª Parte

VI - Integração Numérica

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS

Física II (Química) FFCLRP USP Prof. Antônio Roque Termo 5. A Energia Livre de Gibbs e o Potencial Químico

Ricardo de Godoy ESPAÇO DE HILBERT E QUANTIFICAÇÃO DE EMARANHAMENTO VIA ENTROPIA NÃO EXTENSIVA. São José do Rio Preto SP. 22 de dezembro de 2005

Medidas, integração, Teorema da Convergência Monótona e o teorema de Riesz-Markov

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.

Bioestatística Curso de Saúde. Linha Reta 2 Parábola ou curva do segundo grau. terceiro grau curva do quarto. grau curva de grau n Hipérbole

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese

Apêndice 1-Tratamento de dados

Representação dos padrões. Tipos de atributos. Etapas do processo de agrupamento. 7.1 Agrupamento clássico. 7. Agrupamento fuzzy (fuzzy clustering)

1. Revisão Matemática

PROPOSTAS DE RESOLUÇÃO. Capítulo 8

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD

CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES

Estabilidade no Domínio da Freqüência

Revisão de Estatística X = X n

Relatório 2ª Atividade Formativa UC ECS

CAPÍTULO VIII DIFERENCIAIS DE ORDEM SUPERIOR FÓRMULA DE TAYLOR E APLICAÇÕES

AULA Subespaço, Base e Dimensão Subespaço.

CIRCUITOS ELÉTRICOS CONCEITOS BÁSICOS

Transcrição:

Itrodução à Teora da Medda Texto Tutoral J.P. Marques de Sá FEUP DEEC 2003 jmsa@fe.up.pt

J.P. Marques de Sá, FEUP, 2003 Ídce Classes de Subcojutos... 2. Classe... 2.2 Sem-Ael... 2.3 Ael... 3.4 Campo (Álgebra)... 4.5 Sgma-Ael (σ-ael)... 5.6 Sgma-Álgebra (σ-álgebra, σ-campo)... 5.7 σ-álgebra de Borel... 6 2 Medda de Lebesgue... 7 3 Fuções Mesuráves... 9 4 Medda de Probabldade... Bblografa... 2

J.P. Marques de Sá, FEUP, 2003 2 Classes de Subcojutos O estudo de classes de subcojutos surge como ecessdade de dotar colecções de subcojutos com uma certa estrutura, que permta torar a classe fechada relatvamete a operações sobre cojutos, torado-se, assm, possível dotá-los de uma medda (em partcular, a medda de probabldade).. Classe Dado um cojuto X, formamos um cojuto, C, de subcojutos de X desgado classe de subcojutos de X. C = {A: A X} Exemplo - A classe P (X) que cotém todos os subcojutos de X desga-se por vezes "classe das partes de X". Se X fto, X = P (X) = 2. Por exemplo, X = {a,b,c}; P (X) = {, {a}, {b},{ c},{a,b },{a, c},{ b,c},{a,b,c}=x}.2 Sem-Ael Defção - Um sem-ael S é a classe que satsfaz:. S;. A, B S A B S ;. A, B S A B = U com E S e E E j =, j. Exemplo -2 E = X = R ; prova-se que a classe I = {tervalos ftos semabertos de R do tpo {(x,...,x ): a < x b }} é um sem-ael. c a d b Na stuação da fgura, para I 2, temos: A = ]a, b] ]a, b]; B =]c, d] ]c, d]; A B = {]a, b] ]a, c] ]a, c] ]c, d] ]a, b] ]c, b] ]d, b] ]c, d] }. O mesmo se aplca a outros "rectâgulos". A verfcação de. e. é trval. Note-se, cotudo, que A B ão pertece a I 2. Exemplo -3 Para o caso partcular do exemplo ateror com X = R, temos a classe I = I = {tervalos ftos semabertos do tpo ]a, b]}. O facto de ser um sem-ael reflecte-se o facto de que, com operações de tersecção, se geram elemetos de I e, com dfereças, se geram cojutos costruíves como reuões de elemetos dsjutos de I. (É esta a "estrutura" do sem-ael.)

J.P. Marques de Sá, FEUP, 2003 3 Exemplo -4 Seja X = R, e a classe C = {tervalos fechados [a, b]}. Não é um sem-ael. P. ex., A = [a, b], B = [c, d], com a < c e b > d, pertecem a C; mas A B ão é costruível com reuões de elemetos dsjutos de C...3 Ael Defção -2 Um ael é qualquer classe R ão vaza tal que. A, B R A B R ;. A, B R A B R. ( A B = (A B) (B A) é a dfereça smétrca) Notar que, etão, também é satsfeta a propredade. dos sem-aés ( = A A). Por outro lado, A B R A B R (porque A B = A (A B)). Esta codção é mas forte que a ateror. dos sem-aés. Um ael é, portato, fechado para as operações de reuão, tersecção e dfereça de cojutos. Exemplo -5 { }, {, X} e P(X) são aés. { } é o meor ael. Exemplo -6 I ão é um ael. P. ex., A = ]a, b], B = ]c, d], com a < c e b > d, pertecem a I; mas A B I. Teorema - A classe C(S) gerada pelo sem-ael S, cujos elemetos se podem exprmr como reuão fta de cojutos dsjutos de S, U A k k = E =, A A j =, j, é um ael. Demostração: C(S) tem de coter todos os cojutos que se exprmem como reuão fta de cojutos dsjutos de S, por forma a ser fechado relatvamete à reuão, como exge o ael. Por outro lado, supohamos que tíhamos quasquer cojutos: A = e U m B = e sejam as tersecções C j = A B. Etão os C j são dsjutos e j m UU A B = C j C ( S) = j= Por outro lado, da defção de sem-ael, segue-se por dução que U A = B j j=

J.P. Marques de Sá, FEUP, 2003 4 A m = U C j U Dk ( =, K, ) j= r k = e B j = U C j U Ekj ( j =, K, m) = s j k = com as sequêcas ftas {D k } (k =,..., r ) e {E kj } (k =,..., s j ) cosstdo em cojutos dsjutos de S. Logo, r m s j A B = (A B) (B A) = UU D E k UU kj C ( S) = k = j= k = Exemplo -7 C(I), gerada da forma acma, é um ael. Para os cojutos dcados o Exemplo -6 temos A B = ]a, c] ]d, b] C(I)..4 Campo (Álgebra) Correspode a uma classe de X que é ael mas é também fechada relatvamete à operação de complemeto. Defção -3 Classe ão vaza, F, que satsfaz:. A, B F A B F ;. A F A F. Note-se que, sedo fechado para o complemeto, podemos aplcar as Les de Morga e faclmete mostrar que: A B F ; A B F ; S; X F. Portato, um campo é ecessaramete uma classe ão vaza porque tem de coter X. Exemplo -8 P(X) é um campo. Exemplo -9 A classe de todos os subcojutos lmtados de R é um ael mas ão é um campo (p. ex., ão cotém R). Exemplo -0 X = R ; seja a classe I = {tervalos de R do tpo {(x,...,x ): a < x b <, =,...,}}. Portato, os tervalos semabertos de I podem esteder-se ftamete à esquerda. Prova-se que, etão, E = C(I ) defda como o Teorema -, é um campo Os tervalos de I desgam-se por rectâgulos ou caxas de R. E é o campo das fguras elemetares de R. Prova-se que E é a meor álgebra que cotém I.

J.P. Marques de Sá, FEUP, 2003 5 Exemplo - Seja o tervalo Ω = ]0, ]. Podemos, tal como o exemplo ateror, costrur o campo B 0 a partr de reuões ftas de tervalos semabertos dsjutos: A = U = ], ] a b.5 Sgma-Ael (σ-ael) Trata-se de um ael que é fechado relatvamete à realzação de uma sequêca umerável de reuões ("sgma" vem do alemão "summe" de soma = reuão): A S ( =, 2, K) S U A = Note-se que, etão, pelas propredades do ael, é também fechado para tersecções umeráves..6 Sgma-Álgebra (σ-álgebra, σ-campo) Trata-se de uma álgebra que é fechada relatvamete à realzação de uma sequêca umerável de reuões. Defção -4 Uma σ-álgebra A defda em X, satsfaz:. X A (portato, A é ão vaza). A A A A (logo, também A ) U. A ( K) A A =, 2, A = Ao par (X, A) chama-se espaço mesurável. Os elemetos de A chamam-se cojutos mesuráves. Dos resultados:. Se A é uma σ-álgebra para um cojuto X, e X é um subcojuto de X, etão X A, formada por todas as tersecções de elemetos de A cuja com X, é também uma σ-álgebra (chamada traço de A em X ). 2. Sejam os cojutos X e X, e A uma σ-álgebra em X. Seja a fução f: X X. Etão a classe f ( A ) = { f ( A ) : A A } é uma σ-álgebra em X.

J.P. Marques de Sá, FEUP, 2003 6 Exemplo -2 A meor σ-álgebra é {, X}. P(X) é uma σ-álgebra. Exemplo -3 Seja X = {a,b,c}. Etão (resultado.), são σ-álgebras os traços de P(X) em {b} e {b,c}, respectvamete P(X) {b} = {, {b}} e P(X) {b,c} = {, {b}, {c}, {b,c}}. Exemplo -4 Seja X = {a,b,c} e X = {0, }. Defamos A = {, {0}, {}, {0,}} e f : X X a 0 b c 0 etão f ( ) = {, {a, c}, {b}, {a,b,c}} é uma σ-álgebra em X (resultado 2.). A Exemplo -5 Para todo o cojuto X, a classe de todos os subcojutos A X, para os quas ou A ou A são umeráves, é uma σ-álgebra. ; Teorema -2 Qualquer tersecção fta ou umerável de σ-álgebras em X é uma σ-álgebra em X. Aplcado este Teorema é possível mostrar que, para cada classe C de X, exste a meor σ-álgebra A(C) cotedo C. Para tal basta cosderar a tersecção de todas as σ-álgebras que cotêm C (P(X) é uma delas). A(C) é chamada a σ-álgebra gerada por C..7 σ-álgebra de Borel Defção -5 A σ-álgebra gerada por I, A(I ), desga-se por σ-álgebra de Borel e deota-se B = A(I ). Os elemetos de B chamam-se cojutos de Borel. Teorema -3 Sejam O, F, C as classes dos subcojutos abertos, fechados e compactos de R, respectvamete. Etão: B = A(O ) = A(F ) = A(C ) Cojutos fechados e lmtados,.e., cotedo todos os seus potos lmtes.

J.P. Marques de Sá, FEUP, 2003 7 Segudo este Teorema, B cotém ão só umeráves reuões e tersecções de tervalos semabertos, mas também umeráves reuões e tersecções de tervalos abertos, fechados e de potos solados 2. Os cojutos que se podem assm formar suportam meddas, omeadamete a medda de probabldade. Costtuem os cojutos de teresse as aplcações prátcas. Exstem, cotudo, cojutos patológcos, de dfícl costrução e sem teresse prátco, que ão são de Borel. Veremos sso mas adate. 2 Medda de Lebesgue A defção do campo E das fguras elemetares de R troduz a estrutura míma de uma classe que permte defr uma fução de medda. Comecemos por defr o volume (comprmeto) de Lebesgue. Seja: A I ; A é o produto cartesao de tervalos { x R: < a < x b } O volume é: m( A) = ( b a ) 2. = m(a) é zero se algum par de extremos dos tervalos tem o mesmo valor; é fto se algum extremo for fto. Vamos, agora, esteder esta fução para a σ-álgebra de Borel. Dado B B, tal que U k A j j= B = com A j I e dsjutos, defe-se o volume de B: k m( B) = m( ) 2.2 j= Esta fução só tem setdo se ão depeder da represetação partcular de B. De facto, prova-se que: Teorema 2- A fução m em B dada por 2.2 é uvocamete defda, ão-egatva, adtva, moótoa, e cocde com m em I. Assm:. A B, A, B B 0 m (A) m (B). {A, B} B, A B = m (A + B) = m (A) + m (B). m (A) = m(a), A I Além dsso: A j 2 Um poto solado {x} pode obter-se como tersecção de uma sequêca fta umerável de tervalos ]x /, x], =, 2,...Note-se que o caso de uma sequêca fta, como o Teorema - ão poderíamos gerar, p. ex., um poto solado.

J.P. Marques de Sá, FEUP, 2003 8 Teorema 2-2 A fução m é umeravelmete adtva,.e., dada a famíla de elemetos dsjutos A k B, se U B = = A k k (logo, pertece a B ), etão = m ( B) m( k = A k ) Uma fução µ: E R +, de uma σ-álgebra E em R +, é chamada uma medda se for umeravelmete adtva (ode a sére covege). A ateror medda m defda o cojuto de Borel, que passaremos a desgar por µ, é chamada medda de Lebesgue- Borel (medda LB). Um espaço mesurável (X, A) dotado de uma medda m,.e., o trplo (X, A, m), chamase um espaço de medda. (I, B, µ) é o espaço de medda de Lebesgue-Borel. Algumas propredades da medda LB:. µ(b) < +, para todo o cojuto lmtado B B. 2. Qualquer hperplao H em R é um cojuto LB-ulo,.e., µ(h) = 0. 3. Qualquer subcojuto umerável de R é um cojuto LB-ulo, em partcular µ(q) = 0. 4. Seja W [0,] o cubo utáro -dmesoal. Etão, por defção, µ(w) =. 5. A medda LB é a úca medda em B que é varate à traslação,.e., T a (µ) = µ, para toda a traslação x T a (x) = a + x, e que satsfaz a codção de ormalzação µ(w) =. 6. A medda LB é varate relatvamete a trasformações ortogoas dos exos. O segute Teorema, que usa a propredade 5, mostra que B ão esgota P(R ). Por outras palavras, exstem subcojutos de R que ão se podem costrur à custa de reuões e tersecções umeráves de rectâgulos de I. Teorema 2-3 B P(R ), =, 2,... Demostração: Vamos dcar como se costró um cojuto patológco. Por uma questão de facltar a "vsualzação metal" a costrução será em R. Cotudo, a geeralzação para R é drecta. Para tal vamos usar o: Axoma da Escolha: Dado uma classe C de cojutos dsjutos e ão vazos E α, exste um cojuto G E α tal que, para todo o E α, G E α é apeas um cojuto potual de E α.

J.P. Marques de Sá, FEUP, 2003 9 (A costrução de um cojuto que tem apeas um poto de uma colecção dsjuta de subcojutos é certamete trval o caso da colecção ser fta ou umerável. O axoma da escolha estpula que tal costrução é também possível o caso de colecções ão umeráves.) Seja Q R o cojuto dos racoas. Cosderemos a relação bára de cogruêca x ~ y em R: x ~ y x y Q A relação x ~ y é de equvalêca e estabelece uma dvsão de R em classes de equvalêca C x = {x + Q}. A classe de equvalêca de todos os racoas é C 0. Como para todo o real η exste um tero tal que η < +, ou seja, η [0, [, etão exste um poto em [0, [ para qualquer classe de equvalêca. Algus potos de C 0 e C : 2 [ 0 ½ ¾ 2 - [ 2 Etão, pelo axoma da escolha, exste um cojuto K [0, [ tal que tem exactamete um poto de cada classe de equvalêca. Logo: R = U{ y + K} e y y2 { y + K} { y2 + K}= y Q (y, y 2 Q) Supohamos que K B. Etão é aplcável a medda de Lebesgue. Como Q é umerável, temos: + = µ ( R) = µ ( y + K) = µ ( K) µ ( K) 0 y Q y Q Propredade 5. Mas: Logo: y [ [ y U [ 0,[ ( y + K) Q [ 0,[ Q y [ 0,[ [ 0,2[ µ ( y + K) µ ( 0,2 ) = 2 µ ( K) < + µ ( K) = 0 Q Chegamos a uma cotradção. Logo, K B. 3 Fuções Mesuráves Defção 3- Sejam (X, A) e (X, A ) espaços mesuráves. A fução f: X X dz-se uma fução A-A mesurável se: f (X ) A para todo o X A (ou seja f (A ) A) )

J.P. Marques de Sá, FEUP, 2003 0 Exemplo 3- Qualquer mapeameto costate f: X X é A-A mesurável. Exemplo 3-2 O Exemplo.4 estabelece uma fução mesurável. Teorema 3- Seja f: X X uma fução A-A mesurável. Etão, para toda a medda µ em A, defe uma medda µ em A. Exemplo 3-3 µ (A') = µ(f (A')) Seja o espaço de medda (R, A, µ) em que A é a σ-álgebra que cotém todos os subcojutos A umeráves ou ão-umeráves de R e µ(a) = 0 ou coforme A ou A é umerável. Seja X = {0, } e A = P(X ) e a fução f: X X : 0 f ( x) = x Q x Q Provar que a fução f é A-A mesurável e determar f(µ). Temos: f ( ) = A; f ({0}) = Q A; f ({}) = Q A; f ({0,}) = R A. Logo, a fução é mesurável e µ = f(µ) é gual a 0 para e {0} e gual a para {} e {0,}. Exemplo 3-4 Sejam dados os espaços mesuráves 3 (R,B), ({0,}, P({0,})), um cojuto A B e a fução dcadora I A : R {0,}: x A I A ( x) = 0 x A Temos: f ( ) = B; f ({0}) = A B; f ({}) = A B; f ({0,}) = R B. Logo, a fução dcadora é B - P({0,}) mesurável. 3 Note-se que pelo Teorema -3 a defção de B pode exprmr-se em termos de város cojutos suporte de R: O, F, C... Assm, usa-se a otação (R,B). (Isto é abusvo porque já vmos que há subcojutos de R que ão pertecem a B.)

J.P. Marques de Sá, FEUP, 2003 Defção 3-2 Seja (X, A) um espaço mesurável e (R, B) o espaço mesurável de Borel em R. A fução f: X R dz-se uma fução mesurável se: f (B) A para todo o B R (ou seja f (B) A) ) Pode-se mostrar que o cojuto das fuções mesuráves é fechado relatvamete à adção, subtracção, multplcação e dvsão. 4 Medda de Probabldade Defção 4- Seja P uma fução de cojutos defda um campo F. A fução é uma medda de probabldade se satsfaz às codções segutes:. 0 P(A) para todo o A F ;. P( ) = 0, P(X) = ;. Dada uma sequêca de cojutos dsjutos A, A 2,..., com A F, tal que U F = A, etão P( U A ) = ( ) = P A = (adtvdade umerável). Exemplo 4- Seja o campo B 0 do Exemplo., defdo em ]0, ]. É possível mostrar que a medda de Lebesgue P( A) = m( A) = = ( b a ) é ão só fta mas também umeravelmete adtva; logo, P defe uma medda de probabldade o campo B 0. É possível provar que uma medda de probabldade defda um campo F pode esteder-se à σ-álgebra gerada por F, A(F). Este aspecto é mportate vsto estarmos teressados em ldar com adtvdade umerável para a medda de probabldade. Assm: Defção 4-2 Se A é uma σ-álgebra em X e P é uma medda de probabldade em A, etão o trplo (X, A, P) é chamado um espaço de medda de probabldade, ou smplesmete espaço de probabldade. Teorema 4- (da extesão) Uma medda de probabldade defda um campo F tem uma extesão úca para a σ-álgebra gerada por F, A(F). A referêca [2] dca como costrur a extesão.

J.P. Marques de Sá, FEUP, 2003 2 Exemplo 4-2 Seja Ω = ]0, ]. Para cada ω Ω vamos assocar a expasão dádca fta e umerável: = d ( ω) ω com d (ω) {0,} = 2 (.e. são os bts da represetação bára fta) 0 00 0 0 000 00 00 0 00 0 0 Para cada sequêca u,..., u, de comprmeto (tal como o laçameto de uma moeda vezes), temos: u u ω = =. = 2 2 2 { : d ( ω) u, =,..., } =, + Logo, usado a medda de Lebesgue-Borel como medda de probabldade, temos: P( { ω : d ( ω) = u, =,..., } ) = 2 Cosdere-se o cojuto: N = ω : lm = = d ( ω) 2 Os potos do cojuto N são chamados úmeros ormas. A Le Forte dos Grades Números, aplcada a esta stuação, escreve-se P(N) =. Ora, é possível provar que N é LB-ulo, logo P( N ) = 0. Bblografa. Bauer H (972) Probablty Theory ad Elemets of Measure Theory. Holt, Rehart ad Wsto, Ic. 2. Bllgsley P (979) Probablty ad Measure. Joh Wley & Sos, Ic. 3. Papouls A (965) Probablty, Radom Varables ad Stochastc Processes. Mc Graw Hll. 4. Rao MM (987) Measure Theory ad Itegrato. Joh Wley & Sos, Ic. 5. Rud W (987) Real ad Complex Aalyss. McGraw-Hll. 6. Taylor SJ (966) Itroducto to Measure ad Itegrato. Cambrdge Uversty Press.