技术标签: 测度论、实变函数、概率论
有关Riemann积分的可积性理论(数学分析笔记7:定积分)在数学分析里已经讲得很清楚了,这里不再赘述。Lebesgue积分即Lebesgue测度空间上的积分,下面我们将讨论Lebesgue积分和Riemann积分的关系。
定理5.1(Lebesgue积分与Riemann积分的关系) 若函数 f f f在 [ a , b ] [a,b] [a,b]上Riemann可积,则 f f f在 [ a , b ] [a,b] [a,b]上Lebesgue可积,并且 ∫ [ a , b ] f ( x ) d x ( L ) = ∫ a b f ( x ) d x ( R ) \int_{[a,b]}f(x)dx(L)=\int_a^bf(x)dx(R) ∫[a,b]f(x)dx(L)=∫abf(x)dx(R)
证:
首先,如果 f f f在 [ a , b ] [a,b] [a,b]上可积,则 f f f在 [ a , b ] [a,b] [a,b]上有界,自然 f f f在 [ a , b ] [a,b] [a,b]上Lebesgue可积,其次,证明积分值相等。定义 f n = ∑ k = 0 2 n − 1 m k n I { a + k ( b − a ) 2 n ≤ x < a + ( k + 1 ) ( b − a ) 2 n } , g n = ∑ k = 0 2 n − 1 M k n I { a + k ( b − a ) 2 n ≤ x < a + ( k + 1 ) ( b − a ) 2 n } f_n=\sum_{k=0}^{2^n-1}m_k^nI_{\{a+\frac{k(b-a)}{2^n}\le x< a+\frac{(k+1)(b-a)}{2^n}\}},g_n=\sum_{k=0}^{2^n-1}M_k^nI_{\{a+\frac{k(b-a)}{2^n}\le x< a+\frac{(k+1)(b-a)}{2^n}\}} fn=k=0∑2n−1mknI{ a+2nk(b−a)≤x<a+2n(k+1)(b−a)},gn=k=0∑2n−1MknI{ a+2nk(b−a)≤x<a+2n(k+1)(b−a)}其中 m k n = inf { f ( x ) : a + k ( b − a ) 2 n ≤ x ≤ a + ( k + 1 ) ( b − a ) 2 n } , M k n = sup { f ( x ) : a + k ( b − a ) 2 n ≤ x ≤ a + ( k + 1 ) ( b − a ) 2 n } ( k = 0 , 1 , 2 ⋯ , 2 n − 1 ) m_k^n=\inf\{f(x):a+\frac{k(b-a)}{2^n}\le x\le a+\frac{(k+1)(b-a)}{2^n}\},M_k^n=\sup\{f(x):a+\frac{k(b-a)}{2^n}\le x\le a+\frac{(k+1)(b-a)}{2^n}\}(k=0,1,2\cdots,2^n-1) mkn=inf{ f(x):a+2nk(b−a)≤x≤a+2n(k+1)(b−a)},Mkn=sup{ f(x):a+2nk(b−a)≤x≤a+2n(k+1)(b−a)}(k=0,1,2⋯,2n−1),则设 ∣ f ∣ ≤ M > 0 |f|\le M>0 ∣f∣≤M>0,就有 ∣ f n ∣ ≤ M , ∣ g n ∣ ≤ M , n = 1 , 2 , ⋯ |f_n|\le M,|g_n|\le M,n=1,2,\cdots ∣fn∣≤M,∣gn∣≤M,n=1,2,⋯并且 { f n } \{f_n\} { fn}单调上升, { g n } \{g_n\} { gn}单调下降,并且 f n ≤ f ≤ g n f_n \le f\le g_n fn≤f≤gn故 ∫ [ a , b ] f n ( x ) d x ( L ) ≤ ∫ [ a , b ] f ( x ) d x ( L ) ≤ ∫ [ a , b ] g n ( x ) d x ( L ) ∫ [ a , b ] f n ( x ) d x ( L ) = 1 2 n ∑ k = 0 2 n − 1 m k n ∫ [ a , b ] g n ( x ) d x ( L ) = 1 2 n ∑ k = 0 2 n − 1 M k n \int_{[a,b]}f_n(x)dx(L) \le \int_{[a,b]}f(x)dx(L)\le\int_{[a,b]}g_n(x)dx(L)\\ \int_{[a,b]}f_n(x)dx(L)=\frac{1}{2^n}\sum_{k=0}^{2^n-1}m_k^n\\ \int_{[a,b]}g_n(x)dx(L)=\frac{1}{2^n}\sum_{k=0}^{2^n-1}M_k^n ∫[a,b]fn(x)dx(L)≤∫[a,b]f(x)dx(L)≤∫[a,b]gn(x)dx(L)∫[a,b]fn(x)dx(L)=2n1k=0∑2n−1mkn∫[a,b]gn(x)dx(L)=2n1k=0∑2n−1Mkn并且 lim n → ∞ 1 2 n ∑ k = 0 2 n − 1 m k n = lim n → ∞ 1 2 n ∑ k = 0 2 n − 1 M k n = ∫ a b f ( x ) d x ( R ) \lim_{n\to\infty}\frac{1}{2^n}\sum_{k=0}^{2^n-1}m_k^n=\lim_{n\to\infty}\frac{1}{2^n}\sum_{k=0}^{2^n-1}M_k^n=\int_a^bf(x)dx(R) n→∞lim2n1k=0∑2n−1mkn=n→∞lim2n1k=0∑2n−1Mkn=∫abf(x)dx(R)由夹逼准则,就可以得到Riemann积分和Lebesgue积分值相等
定理5.2(Riemann可积的充要条件) f f f在 [ a , b ] [a,b] [a,b]上有界,则 f f f在 [ a , b ] [a,b] [a,b]上Riemann可积的充要条件是 f f f在 [ a , b ] [a,b] [a,b]上的间断点集为Lebesgue零测集
为了证明定理5.2,我们要引入一个函数——振幅函数:
对于 x 0 ∈ [ a , b ] x_0\in [a,b] x0∈[a,b],定义 x 0 x_0 x0处 f f f的振幅为 w f ( x 0 ) = lim δ → 0 + sup { ∣ f ( x 1 ) − f ( x 2 ) ∣ : x 1 , x 2 ∈ B ( x 0 , δ ) ∩ [ a , b ] } w_f(x_0)=\lim_{\delta\to0^+}\sup\{|f(x_1)-f(x_2)|:x_1,x_2\in B(x_0,\delta)\cap[a,b]\} wf(x0)=δ→0+limsup{
∣f(x1)−f(x2)∣:x1,x2∈B(x0,δ)∩[a,b]}
在反常积分的情况下,Riemann可积就不一定能推出Lebesgue可积,更具体地说,在绝对收敛的情况下,Riemann可积可以推出Lebesgue可积,但是Riemann积分还有条件收敛的情形,这种情况下,Riemann可积不能推出Lebesgue可积。
定理5.3 f f f在 [ a , x ] [a,x] [a,x]上Riemann可积, x ≥ a x\ge a x≥a,并且 ∫ a + ∞ ∣ f ( x ) ∣ d x < + ∞ \int_a^{+\infty}|f(x)|dx<+\infty ∫a+∞∣f(x)∣dx<+∞则 f f f在 [ a , + ∞ ) [a,+\infty) [a,+∞)上Lebesgue可积,并且 ( L ) ∫ a ∞ f ( x ) d x = ( R ) ∫ a ∞ f ( x ) d x (L)\int_a^\infty f(x)dx=(R)\int_a^\infty f(x)dx (L)∫a∞f(x)dx=(R)∫a∞f(x)dx
证:
设数列 { a n } \{a_n\} { an}每一项都大于 a a a并且收敛到 + ∞ +\infty +∞,由于 f I [ a , a n ] → a . e . f fI_{[a,a_n]}\xrightarrow{a.e.}f fI[a,an]a.e.f,并且 ∣ f I [ a , a n ] ∣ ≤ ∣ f ∣ |fI_{[a,a_n]}|\le |f| ∣fI[a,an]∣≤∣f∣, f f f在 [ a , + ∞ ) [a,+\infty) [a,+∞)上Lebesgue可积,由Lebesgue控制收敛定理,就有 lim n → ∞ ∫ a a n f ( x ) d x ( L ) = ( L ) ∫ a ∞ f ( x ) d x = lim n → ∞ ∫ a a n f ( x ) d x ( R ) = ( R ) ∫ a ∞ f ( x ) d x \begin{aligned} &\lim_{n\to\infty}\int_a^{a_n}f(x)dx(L)=(L)\int_a^\infty f(x)dx\\=&\lim_{n\to\infty}\int_{a}^{a_n}f(x)dx(R)=(R)\int_a^\infty f(x)dx \end{aligned} =n→∞lim∫aanf(x)dx(L)=(L)∫a∞f(x)dxn→∞lim∫aanf(x)dx(R)=(R)∫a∞f(x)dx
显然,从上面证明过程可以看出,当条件收敛时, f f f不是Lebesgue可积的,但是Riemann可积的,并且以上证明过程可以推广到瑕积分的情形,由此可见,在广义积分的情况下,Lebesgue积分不是Riemann积分的推广,恰恰舍弃了条件收敛的情形,因此,Riemann积分和Lebesgue积分各有所长,Lebesgue积分也不是Riemann积分的替代。
此外,Lebesgue积分也没有一般的计算方法,计算Lebesgue积分通常还要依靠Riemann积分进行,下面讨论的Lebesgue-Stieltjes积分也是如此,Riemann-Stieltjes积分在大多数情况下有计算方法,Lebesgue-Stieltjes积分则没有固定的计算方法,大多数情况还要化为Riemann-Stietjes积分进行计算。
Riemann-Stieltjes积分(下面简称RS积分)是Riemann积分的推广(下面简称R积分),也是分四步进行:对于左开右闭区间 [ a , b ) [a,b) [a,b)上的有界函数 f ( x ) , g ( x ) f(x),g(x) f(x),g(x):
第一步(划分区间):将左开右闭区间划分为 Δ : a = x 0 < x 1 < ⋯ < x n = b \Delta:a=x_0<x_1<\cdots<x_n=b Δ:a=x0<x1<⋯<xn=b第二步(取点):取 ξ k ∈ [ x k − 1 , x k ) k = 1 , 2 , ⋯ , n \xi_k\in[x_{k-1},x_k)\quad k=1,2,\cdots,n ξk∈[xk−1,xk)k=1,2,⋯,n第三步(作和式): S ( f , g , Δ , ξ ) = ∑ k = 1 n f ( ξ k ) Δ g k S(f,g,\Delta,\xi)=\sum_{k=1}^nf(\xi_k)\Delta g_k S(f,g,Δ,ξ)=k=1∑nf(ξk)Δgk其中, ξ = ( ξ 1 , ⋯ , ξ n ) \xi=(\xi_1,\cdots,\xi_n) ξ=(ξ1,⋯,ξn), Δ g k = g ( x k ) − g ( x k − 1 ) , k = 1 , 2 , ⋯ , n \Delta g_k=g(x_k)-g(x_{k-1}),k=1,2,\cdots,n Δgk=g(xk)−g(xk−1),k=1,2,⋯,n
第四步(取极限):如果 lim λ ( Δ ) → 0 S ( f , g , Δ , ξ ) = I \lim_{\lambda(\Delta)\to 0}S(f,g,\Delta,\xi)=I λ(Δ)→0limS(f,g,Δ,ξ)=I则称 f f f关于 g g g是 R S RS RS可积的,其中 λ ( Δ ) = max 1 ≤ k ≤ n Δ x k \displaystyle\lambda(\Delta)=\max_{1\le k \le n}\Delta x_k λ(Δ)=1≤k≤nmaxΔxk, S ( f , g , Δ , ξ ) S(f,g,\Delta,\xi) S(f,g,Δ,ξ)称为 R S RS RS和,积分记为 ∫ a b f ( x ) d g ( x ) \displaystyle \int_a^bf(x)dg(x) ∫abf(x)dg(x),同样可以仿照R积分的定义给出RS积分的定义,两者是十分类似的,这里省略其严格定义。由上面定义过程可以看出,RS积分和R积分的唯一区别在于第三步,求和式时小区间长度被替换成 Δ g k \Delta g_k Δgk,当 g ( x ) = x g(x)=x g(x)=x时,RS积分就退化成R积分,因此,RS积分是R积分的推广。
RS积分的可积性理论也可以仿照R积分的可积性理论建立起来,我们这里假设 g g g是单调增函数,这里我们给出大致的思路,省略其证明:
如果 g ( x ) g(x) g(x)只是一般的有界函数,那么就不能仿照Riemann积分的方式建立Riemann-Stieltjes积分的可积性理论,但是可以建立RS积分的柯西收敛原理准则:
定理5.4 f ( x ) , g ( x ) f(x),g(x) f(x),g(x)为 [ a , b ) [a,b) [a,b)上的有界函数, f ( x ) f(x) f(x)关于 g ( x ) g(x) g(x)是 R S RS RS可积的充要条件是:对于任意的 ε > 0 \varepsilon>0 ε>0, ∃ δ > 0 \exists \delta>0 ∃δ>0,对于任意的两个分划 Δ 1 , Δ 2 \Delta_1,\Delta_2 Δ1,Δ2,只要 λ ( Δ 1 ) < δ , λ ( Δ 2 ) < δ \lambda(\Delta_1)<\delta,\lambda(\Delta_2)<\delta λ(Δ1)<δ,λ(Δ2)<δ,对 Δ 1 \Delta_1 Δ1的任意分点 ξ \xi ξ,对 Δ 2 \Delta_2 Δ2的任意分点 ζ \zeta ζ,都有 ∣ S ( f , g , Δ 1 , ξ ) − S ( f , g , Δ 2 , ζ ) ∣ < ε |S(f,g,\Delta_1,\xi)-S(f,g,\Delta_2,\zeta)|<\varepsilon ∣S(f,g,Δ1,ξ)−S(f,g,Δ2,ζ)∣<ε
这一定理的证明和实数域的柯西收敛原理的证明十分类似,在证明充分性时,可以取一个分划列 { Δ n } \{\Delta_n\} {
Δn}, λ ( Δ n ) → 0 \lambda(\Delta_n)\to0 λ(Δn)→0, Δ n \Delta_n Δn任意取分点 ξ n \xi_n ξn,则证明 { S ( f , g , Δ n , ξ n ) } \{S(f,g,\Delta_n,\xi_n)\} {
S(f,g,Δn,ξn)}是柯西列,则存在一个极限 I I I,继而证明 I I I是积分值即可
同样地可以给出RS积分的若干性质:
双线性:
(1) 如果 f , g f,g f,g都关于 h h h是RS可积的,那么对于任意的实数 k 1 , k 2 k_1,k_2 k1,k2, k 1 f + k 2 g k_1f+k_2g k1f+k2g关于 h h h是RS可积的,并且 ∫ a b [ k 1 f ( x ) + k 2 g ( x ) ] d h ( x ) = k 1 ∫ a b f ( x ) d h ( x ) + k 2 ∫ a b g ( x ) d h ( x ) \int_a^b[k_1f(x)+k_2g(x)]dh(x)=k_1\int_a^bf(x)dh(x)+k_2\int_a^bg(x)dh(x) ∫ab[k1f(x)+k2g(x)]dh(x)=k1∫abf(x)dh(x)+k2∫abg(x)dh(x)(2) f f f关于 g , h g,h g,h是RS可积的,则对于任意两个实数 k 1 , k 2 k_1,k_2 k1,k2, f f f关于 k 1 g + k 2 h k_1g+k_2h k1g+k2h是RS可积的,并且 ∫ a b f ( x ) d [ k 1 g ( x ) + k 2 h ( x ) ] = k 1 ∫ a b f ( x ) d g ( x ) + k 2 ∫ a b f ( x ) d h ( x ) \int_a^bf(x)d[k_1g(x)+k_2h(x)]=k_1\int_a^bf(x)dg(x)+k_2\int_a^bf(x)dh(x) ∫abf(x)d[k1g(x)+k2h(x)]=k1∫abf(x)dg(x)+k2∫abf(x)dh(x)区间可加性: 如果 f ( x ) f(x) f(x)关于 g ( x ) g(x) g(x)在 [ a , c ) , [ c , b ) , [ a , b ) ( a < c < b ) [a,c),[c,b),[a,b)(a<c<b) [a,c),[c,b),[a,b)(a<c<b)上均可积,则有 ∫ a b f ( x ) d g ( x ) = ∫ a b f ( x ) d g ( x ) + ∫ c b f ( x ) d g ( x ) \int_a^bf(x)dg(x)=\int_a^bf(x)dg(x)+\int_c^bf(x)dg(x) ∫abf(x)dg(x)=∫abf(x)dg(x)+∫cbf(x)dg(x)这一证明过程类似于R积分的区间可加性的证明过程,只不过,在R积分的情形下, f ( x ) f(x) f(x)关于 g ( x ) g(x) g(x)在 [ a , c ) , [ c , b ) [a,c),[c,b) [a,c),[c,b)上均可积可以推出 f ( x ) f(x) f(x)关于 g ( x ) g(x) g(x)在 [ a , b ) [a,b) [a,b)上可积,而在RS积分下却不可以作出这样的推论,同黎曼积分相同的是,如果 f ( x ) f(x) f(x)关于 g ( x ) g(x) g(x)在 [ a , b ) [a,b) [a,b)上可积,在 [ a , c ) , [ c , b ) [a,c),[c,b) [a,c),[c,b)上也可积,证明可以用RS积分的柯西收敛原理准则进行,这里不详述。
接下来给出几种常用的RS可积的情形:
情形1: f ( x ) f(x) f(x)在 [ a , b ] [a,b] [a,b]上连续, g ( x ) g(x) g(x)单调
这一情形的证明和R积分的相同的,这里省略
情形2: f ( x ) f(x) f(x)在 [ a , b ] [a,b] [a,b]上R可积, g ( x ) g(x) g(x)在 [ a , b ] [a,b] [a,b]上单调且满足利普希茨条件:即对任意的 a ≤ x ≤ y ≤ b a\le x\le y\le b a≤x≤y≤b,都有 g ( y ) − g ( x ) ≤ L ( y − x ) g(y)-g(x)\le L(y-x) g(y)−g(x)≤L(y−x)其中 L L L为常数
情形3: f ( x ) f(x) f(x)在 [ a , b ] [a,b] [a,b]上R可积,而且 g ( x ) g(x) g(x)可表为变上限积分的形式 g ( x ) = c + ∫ a x φ ( t ) d t g(x)=c+\int_a^x\varphi(t)dt g(x)=c+∫axφ(t)dt其中, φ ( x ) \varphi(x) φ(x)在 [ a , b ] [a,b] [a,b]上绝对可积
第二种情况和第一种情况的区别在于,第二种情况放松了对 f ( x ) f(x) f(x)的要求,但是加强了对 g ( x ) g(x) g(x)的要求
RS积分的计算: 下面给出几种常见的RS积分的计算的方法:
情形1: f ( x ) f(x) f(x)在 [ a , b ] [a,b] [a,b]上R可积,而且 g ( x ) g(x) g(x)可表为变上限积分的形式 g ( x ) = c + ∫ a x φ ( t ) d t g(x)=c+\int_a^x\varphi(t)dt g(x)=c+∫axφ(t)dt其中, φ ( x ) \varphi(x) φ(x)在 [ a , b ] [a,b] [a,b]上绝对可积,则 ∫ a b f ( x ) d g ( x ) = ∫ a b f ( x ) φ ( x ) d x \int_a^bf(x)dg(x)=\int_a^bf(x)\varphi(x)dx ∫abf(x)dg(x)=∫abf(x)φ(x)dx
情形2: 左右跳跃函数 ρ − ( x ) = { 0 x < 0 1 x ≥ 0 ρ + ( x ) = { 0 x ≤ 0 1 x > 0 \rho^-(x)=\begin{cases} 0&x<0\\1&x\ge 0 \end{cases}\\ \rho^+(x)=\begin{cases} 0&x\le 0\\ 1&x>0 \end{cases} ρ−(x)={
01x<0x≥0ρ+(x)={
01x≤0x>0如果 f ( x ) f(x) f(x)在 x = c x=c x=c处连续, a < c ≤ b a<c\le b a<c≤b,则 ∫ a b f ( x ) d ρ − ( x − c ) = f ( c ) \int_a^bf(x)d\rho^-(x-c)=f(c) ∫abf(x)dρ−(x−c)=f(c)之所以不能 c = a c=a c=a,是因为 c = a c=a c=a时以上积分值为0,同理 a ≤ c < b a\le c<b a≤c<b时 ∫ a b f ( x ) d ρ + ( x − c ) = f ( c ) \int_a^bf(x)d\rho^+(x-c)=f(c) ∫abf(x)dρ+(x−c)=f(c)
情形3: f ( x ) f(x) f(x)在 [ a , b ] [a,b] [a,b]上R可积, g ( x ) g(x) g(x)在 [ a , b ] [a,b] [a,b]上连续,除去有限个点外,在 [ a , b ] [a,b] [a,b]上有导数 g ′ ( x ) g^\prime(x) g′(x),并且 g ′ ( x ) g^\prime(x) g′(x)在 [ a , b ] [a,b] [a,b]上绝对可积,则 ∫ a b f ( x ) d g ( x ) = ∫ a b f ( x ) g ′ ( x ) d x \int_a^bf(x)dg(x)=\int_a^bf(x)g^\prime(x)dx ∫abf(x)dg(x)=∫abf(x)g′(x)dx这是情形1的直接推论
情形4: f ( x ) f(x) f(x)在区间 [ a , b ] [a,b] [a,b]上连续,而 g ( x ) g(x) g(x)除去有限个点 c 0 = a < c 1 < ⋯ < c n − 1 < c n = b c_0=a<c_1<\cdots<c_{n-1}<c_n=b c0=a<c1<⋯<cn−1<cn=b外均可导,并且在这些点上 g g g的左右极限均存在,并且 g ′ ( x ) g^\prime(x) g′(x)在 [ a , b ] [a,b] [a,b]上绝对可积,则 ∫ a b f ( x ) d g ( x ) = ∫ a b f ( x ) g ′ ( x ) d x + a 0 + f ( a ) + ∑ k = 1 n − 1 f ( c k ) [ a k − + a k + ] + f ( b ) a n − \int_a^bf(x)dg(x)=\int_a^bf(x)g^\prime(x)dx+a_0^+f(a)+\sum_{k=1}^{n-1}f(c_k)[a_k^-+a_k^+]+f(b)a_n^- ∫abf(x)dg(x)=∫abf(x)g′(x)dx+a0+f(a)+k=1∑n−1f(ck)[ak−+ak+]+f(b)an−其中 a 0 + a_0^+ a0+为 g g g在 a a a处的右跳跃度, a k + , a k − a_k^+,a_k^- ak+,ak−为 g g g在 c k c_k ck处的右跳跃度和左跳跃度, a n − a_n^- an−为 g g g在 b b b处的左跳跃度
我们仅将讨论局限于 g ( x ) g(x) g(x)是准分布函数的情形,设其诱导的LS测度为 μ g \mu_g μg,测度空间 ( R , B R , μ g ) (R,\mathscr{B}_R,\mu_g) (R,BR,μg)上的积分称为LS积分。下面我们讨论RS积分和LS积分的关系。
如果 f ( x ) f(x) f(x)关于 g ( x ) g(x) g(x)在 [ a , b ) [a,b) [a,b)上RS可积,设 Δ n {\Delta_n} Δn是 [ a , b ) [a,b) [a,b)的一个不断加细分划列,并且 lim n → ∞ λ ( Δ n ) = 0 \displaystyle \lim_{n\to\infty}\lambda(\Delta_n)=0 n→∞limλ(Δn)=0,令 Δ n : x 0 ( n ) < x 1 ( n ) < ⋯ < x N n ( n ) \Delta_n:x_0^{(n)}<x_1^{(n)}<\cdots<x_{N_n}^{(n)} Δn:x0(n)<x1(n)<⋯<xNn(n),再令 M k ( n ) = inf { f ( x ) : x k − 1 ( n ) ≤ x < x k ( n ) } , m k ( n ) = sup { f ( x ) : x k − 1 ( n ) ≤ x < x k ( n ) } , k = 1 , 2 , ⋯ , N n , n = 1 , 2 , ⋯ M_k^{(n)}=\inf\{f(x):x_{k-1}^{(n)}\le x<x_k^{(n)}\},m_k^{(n)}=\sup\{f(x):x_{k-1}^{(n)}\le x<x_k^{(n)}\},k=1,2,\cdots,N_n,n=1,2,\cdots Mk(n)=inf{ f(x):xk−1(n)≤x<xk(n)},mk(n)=sup{ f(x):xk−1(n)≤x<xk(n)},k=1,2,⋯,Nn,n=1,2,⋯
令 f n ( x ) = ∑ k = 1 N n m k I [ x k − 1 ( n ) , x k ( n ) ) g n ( x ) = ∑ k = 1 N n M k I [ x k − 1 ( n ) , x k ( n ) ) ( n = 1 , 2 , 3 , ⋯ ) f_n(x)=\sum_{k=1}^{N_n}m_kI_{[x_{k-1}^{(n)},x_k^{(n)})}\\ g_n(x)=\sum_{k=1}^{N_n}M_kI_{[x_{k-1}^{(n)},x_k^{(n)})}\\ (n=1,2,3,\cdots) fn(x)=k=1∑NnmkI[xk−1(n),xk(n))gn(x)=k=1∑NnMkI[xk−1(n),xk(n))(n=1,2,3,⋯)
则有 f n ( x ) ≤ f ( x ) ≤ g n ( x ) n = 1 , 2 , ⋯ f_n(x)\le f(x)\le g_n(x)\quad n=1,2,\cdots fn(x)≤f(x)≤gn(x)n=1,2,⋯并且 h n ( x ) = g n ( x ) − f n ( x ) = ∑ k = 1 N n w k ( n ) I [ x k − 1 ( n ) , x k ( n ) ) n = 1 , 2 , ⋯ \displaystyle h_n(x)=g_n(x)-f_n(x)=\sum_{k=1}^{N_n}w_k^{(n)}I_{[x_{k-1}^{(n)},x_k^{(n)})}\quad n=1,2,\cdots hn(x)=gn(x)−fn(x)=k=1∑Nnwk(n)I[xk−1(n),xk(n))n=1,2,⋯,因此, f n ( x ) {f_n(x)} fn(x)单调上升, g n ( x ) {g_n(x)} gn(x)单调下降 ∫ [ a , b ) h n d μ g = ∑ k = 1 N n w k μ g ( [ x k − 1 ( n ) , x k ( n ) ) ) = ∑ k = 1 N n w k Δ k ( n ) g ( x ) ↓ 0 f n ↑ m , g n ↓ M m ( X ) ≤ f ( x ) ≤ M ( x ) \int_{[a,b)}h_nd\mu_g=\sum_{k=1}^{N_n}w_k\mu_g([x_{k-1}^{(n)},x_k^{(n)}))=\sum_{k=1}^{N_n}w_k\Delta^{(n)}_kg(x)\downarrow 0\\ f_n\uparrow m, g_n\downarrow M\\ m(X)\le f(x)\le M(x) ∫[a,b)hndμg=k=1∑Nnwkμg([xk−1(n),xk(n)))=k=1∑NnwkΔk(n)g(x)↓0fn↑m,gn↓Mm(X)≤f(x)≤M(x)由Levi定理及Lebesgue控制定理 ∫ [ a , b ) m d μ g = ∫ [ a , b ) M d μ g \int_{[a,b)}md\mu_g=\int_{[a,b)}Md\mu_g ∫[a,b)mdμg=∫[a,b)Mdμg从而 M = m a . e M=m\quad a.e M=ma.e,因此, f ( x ) f(x) f(x)几乎处处等于一个可测函数, f f f几乎处处可测。
至于可积性,假设 f ( x ) f(x) f(x)是有界的,那么, f ( x ) f(x) f(x)必定是RS可积的,则上面一节的 f n ↑ f a . e f_n\uparrow f\quad a.e fn↑fa.e,并且 { f n } \{f_n\} { fn}一致有界,则 ∫ [ a , b ) f n d μ g ↑ ∫ a b f ( x ) d g ( x ) ( R S ) ∫ [ a , b ) f n d μ g ↑ ∫ [ a , b ) f d μ g ( L S ) \int_{[a,b)}f_nd\mu_g\uparrow\int_a^bf(x)dg(x)(RS)\\ \int_{[a,b)}f_nd\mu_g\uparrow\int_{[a,b)}fd\mu_g(LS) ∫[a,b)fndμg↑∫abf(x)dg(x)(RS)∫[a,b)fndμg↑∫[a,b)fdμg(LS)因此对 f f f而言,RS积分和LS积分是等价的
在初等概率论中,我们只能就连续型随机变量和离散型随机变量两种特殊情形给出期望的定义,实际上,有了概率空间和概率空间上的积分,我们可以直接给出随机变量期望的统一定义。
定义5.1 ( X , F , P ) (X,\mathscr{F},P) (X,F,P)是概率空间, f f f是其上的随机变量,如果 f f f的积分有意义,则称 f f f的期望有意义,称 E f Ef Ef为 f f f的期望,如果 ∣ E f ∣ < + ∞ |Ef|<+\infty ∣Ef∣<+∞,称 f f f期望存在
这样,所有类型的随机变量可以定义一个期望。问题是:
为了解决这些疑问,我们引入另外两个定义,而这两个定义直接给我们计算部分类型随机变量的期望的方法。
定理5.5 ( X , F X ) , ( Y , F Y ) (X,\mathscr{F}_X),(Y,\mathscr{F}_Y) (X,FX),(Y,FY)是两个可测空间, f : X → Y f:X\to Y f:X→Y是可测映射, μ \mu μ是 F Y \mathscr{F}_Y FY上的测度,则对于 Y Y Y上的任意可测函数 g g g,只要 ∫ X g ∘ f d μ , ∫ Y g d ( μ f − 1 ) \displaystyle\int_Xg\circ fd\mu,\int_Ygd(\mu f^{-1}) ∫Xg∘fdμ,∫Ygd(μf−1)任意一个积分有意义,则另一个积分也有意义,并且等式 ∫ X g ∘ f d μ = ∫ Y g d ( μ f − 1 ) \int_Xg\circ fd\mu=\int_Ygd(\mu f^{-1}) ∫Xg∘fdμ=∫Ygd(μf−1)成立
这一定理可以直接用典型方法证出,但更重要的是,我们可以由这个定理得到著名的佚名统计学家公式。
定理5.6(佚名统计学家公式) ( X , F , P ) (X,\mathscr{F},P) (X,F,P)是一概率空间, f f f是其上的一随机变量, g g g是一Borel可测函数,如果 E ( g ∘ f ) E(g\circ f) E(g∘f)有意义, f ∼ F f\sim F f∼F,则 E ( g ∘ f ) = ∫ R g ( x ) d F ( x ) ( L S ) E(g\circ f)=\int_Rg(x)dF(x)(LS) E(g∘f)=∫Rg(x)dF(x)(LS)
这是因为由测度扩张的唯一性定理, P f − 1 Pf^{-1} Pf−1就是 F ( x ) F(x) F(x)诱导的LS测度,这样,由定理5.5,就可以直接得到佚名统计学家公式。由于 f = I ∘ f f=I\circ f f=I∘f,这里, I I I是 R R R上的恒同变换,即 I ( x ) = x ∀ x ∈ R I(x)=x\quad \forall x\in R I(x)=x∀x∈R,于是, f f f期望有意义等价于积分 ∫ R x d F ( x ) \displaystyle \int_RxdF(x) ∫RxdF(x)有意义,等价于 ∫ R ∣ x ∣ d F ( x ) < + ∞ \displaystyle\int_R|x|dF(x)<+\infty ∫R∣x∣dF(x)<+∞,并且, E f = ∫ R x d F ( x ) \displaystyle Ef=\int_RxdF(x) Ef=∫RxdF(x)。
如果期望存在,那么,此时,广义RS积分就等价于广义LS积分,此时,也可以把上面的积分理解成RS积分,由此,我们就得到了随机变量期望的三种等价定义: 概 率 空 间 上 的 积 分 定 义 ‾ , L S 积 分 定 义 ‾ , R S 积 分 定 义 ‾ \underline{概率空间上的积分定义},\underline{LS积分定义},\underline{RS积分定义} 概率空间上的积分定义,LS积分定义,RS积分定义
我们前面已经给出了RS积分的计算方法,由此不难看出,初等概率论中的期望计算公式,只是RS积分的特例,因此,初等概率论中的期望定义和这里的期望定义是不冲突的,相反,这里的期望定义,对初等概率论中的期望给出了一个统一的定义!
文章浏览阅读1.6k次。安装配置gi、安装数据库软件、dbca建库见下:http://blog.csdn.net/kadwf123/article/details/784299611、检查集群节点及状态:[root@rac2 ~]# olsnodes -srac1 Activerac2 Activerac3 Activerac4 Active[root@rac2 ~]_12c查看crs状态
文章浏览阅读1.3w次,点赞45次,收藏99次。我个人用的是anaconda3的一个python集成环境,自带jupyter notebook,但在我打开jupyter notebook界面后,却找不到对应的虚拟环境,原来是jupyter notebook只是通用于下载anaconda时自带的环境,其他环境要想使用必须手动下载一些库:1.首先进入到自己创建的虚拟环境(pytorch是虚拟环境的名字)activate pytorch2.在该环境下下载这个库conda install ipykernelconda install nb__jupyter没有pytorch环境
文章浏览阅读5.2k次,点赞19次,收藏28次。选择scoop纯属意外,也是无奈,因为电脑用户被锁了管理员权限,所有exe安装程序都无法安装,只可以用绿色软件,最后被我发现scoop,省去了到处下载XXX绿色版的烦恼,当然scoop里需要管理员权限的软件也跟我无缘了(譬如everything)。推荐添加dorado这个bucket镜像,里面很多中文软件,但是部分国外的软件下载地址在github,可能无法下载。以上两个是官方bucket的国内镜像,所有软件建议优先从这里下载。上面可以看到很多bucket以及软件数。如果官网登陆不了可以试一下以下方式。_scoop-cn
文章浏览阅读4.5k次,点赞2次,收藏3次。首先要有一个color-picker组件 <el-color-picker v-model="headcolor"></el-color-picker>在data里面data() { return {headcolor: ’ #278add ’ //这里可以选择一个默认的颜色} }然后在你想要改变颜色的地方用v-bind绑定就好了,例如:这里的:sty..._vue el-color-picker
文章浏览阅读640次。基于芯片日益增长的问题,所以内核开发者们引入了新的方法,就是在内核中只保留函数,而数据则不包含,由用户(应用程序员)自己把数据按照规定的格式编写,并放在约定的地方,为了不占用过多的内存,还要求数据以根精简的方式编写。boot启动时,传参给内核,告诉内核设备树文件和kernel的位置,内核启动时根据地址去找到设备树文件,再利用专用的编译器去反编译dtb文件,将dtb还原成数据结构,以供驱动的函数去调用。firmware是三星的一个固件的设备信息,因为找不到固件,所以内核启动不成功。_exynos 4412 刷机
文章浏览阅读2w次,点赞24次,收藏42次。Linux系统配置jdkLinux学习教程,Linux入门教程(超详细)_linux配置jdk
文章浏览阅读3.3k次,点赞5次,收藏19次。xlabel('\delta');ylabel('AUC');具体符号的对照表参照下图:_matlab微米怎么输入
文章浏览阅读119次。顺序读写指的是按照文件中数据的顺序进行读取或写入。对于文本文件,可以使用fgets、fputs、fscanf、fprintf等函数进行顺序读写。在C语言中,对文件的操作通常涉及文件的打开、读写以及关闭。文件的打开使用fopen函数,而关闭则使用fclose函数。在C语言中,可以使用fread和fwrite函数进行二进制读写。 Biaoge 于2024-03-09 23:51发布 阅读量:7 ️文章类型:【 C语言程序设计 】在C语言中,用于打开文件的函数是____,用于关闭文件的函数是____。
文章浏览阅读3.4k次,点赞2次,收藏13次。跟随鼠标移动的粒子以grid(SOP)为partical(SOP)的资源模板,调整后连接【Geo组合+point spirit(MAT)】,在连接【feedback组合】适当调整。影响粒子动态的节点【metaball(SOP)+force(SOP)】添加mouse in(CHOP)鼠标位置到metaball的坐标,实现鼠标影响。..._touchdesigner怎么让一个模型跟着鼠标移动
文章浏览阅读178次。项目运行环境配置:Jdk1.8 + Tomcat7.0 + Mysql + HBuilderX(Webstorm也行)+ Eclispe(IntelliJ IDEA,Eclispe,MyEclispe,Sts都支持)。项目技术:Springboot + mybatis + Maven +mysql5.7或8.0+html+css+js等等组成,B/S模式 + Maven管理等等。环境需要1.运行环境:最好是java jdk 1.8,我们在这个平台上运行的。其他版本理论上也可以。_基于java技术的停车场管理系统实现与设计
文章浏览阅读3.5k次。前言对于MediaPlayer播放器的源码分析内容相对来说比较多,会从Java-&amp;gt;Jni-&amp;gt;C/C++慢慢分析,后面会慢慢更新。另外,博客只作为自己学习记录的一种方式,对于其他的不过多的评论。MediaPlayerDemopublic class MainActivity extends AppCompatActivity implements SurfaceHolder.Cal..._android多媒体播放源码分析 时序图
文章浏览阅读2.4k次,点赞41次,收藏13次。java 数据结构与算法 ——快速排序法_快速排序法