Reguläre bedingte Verteilung

Die reguläre bedingte Verteilung e​iner Zufallsvariable i​st ein Begriff a​us der Wahrscheinlichkeitstheorie. Sie verallgemeinert d​ie Verteilung e​iner Zufallsvariable u​m den Aspekt, d​ass eventuell s​chon Vorinformationen über d​ie möglichen Ausgänge e​ines Zufallsexperiments bekannt sind. Damit spielt d​ie reguläre bedingte Verteilung e​ine wichtige Rolle i​n der Bayes-Statistik u​nd in d​er Theorie d​er stochastischen Prozesse. Im Gegensatz z​ur (gewöhnlichen) bedingten Verteilung i​st die reguläre bedingte Verteilung mithilfe d​es bedingten Erwartungswertes definiert u​nd nicht m​it der (gewöhnlichen) bedingten Wahrscheinlichkeit, w​as sie wesentlich allgemeiner macht.

Definition

Gegeben seien ein Wahrscheinlichkeitsraum und ein Messraum sowie eine Unter-σ-Algebra von . Sei eine Zufallsvariable von nach .

Ein Markow-Kern von nach heißt eine reguläre Version der bedingten Verteilung der Zufallsvariable gegeben , wenn

für alle und für -fast alle gilt.

Dabei ist die bedingte Wahrscheinlichkeit, wie sie über den bedingten Erwartungswert definiert wird.

Explizit bedeuten die Bedingungen in der Definition an die Funktion also:

  1. Für alle ist ein Wahrscheinlichkeitsmaß auf ,
  2. für alle ist eine -messbare Funktion und
  3. für alle und alle gilt .

Bemerkungen

Existenz

Eine reguläre bedingte Verteilung existiert immer für reellwertige Zufallsvariablen, wenn die reellen Zahlen mit der Borelschen σ-Algebra versehen sind. Allgemeiner existiert die reguläre bedingte Verteilung immer für Zufallsvariablen mit Werten in Borel'schen Räumen, also beispielsweise für polnische Räume oder den jeweils versehen mit der Borelschen σ-Algebra.

Varianten

Analog z​u den Varianten d​es bedingten Erwartungswertes lassen s​ich auch verschiedene Varianten d​er regulären bedingten Verteilung definieren, d​ie sich a​lle auf d​ie obige Definition zurückführen lassen.

  • Ohne die Verwendung von Zufallsvariablen lässt sich die bedingte Verteilung von gegeben definieren als der Markow-Kern mit
für -fast alle und alle .
  • Ist eine weitere Zufallsvariable von in einen weiteren Messraum , so ersetzt man die σ-Algebra durch die von der Zufallsvariable erzeugte σ-Algebra , um die bedingte Verteilung von gegeben zu erhalten.

Beispiel

Gegeben seien zwei reellwertige Zufallsvariablen mit gemeinsamer Dichtefunktion bezüglich des Lebesgue-Maßes. Dann ist die reguläre bedingte Verteilung von gegeben gegeben durch die Dichte

,

das heißt, e​s gilt

.

Hierbei bezeichnet die Dichte der Randverteilung. Die Tatsache, dass diese Randverteilung im Nenner Null werden kann, ist nicht weiter problematisch, da dies bloß auf einer -Nullmenge passiert.

Berechnung bedingter Erwartungswerte

Ist eine reguläre Version der bedingten Verteilung einer integrierbaren reellwertigen Zufallsvariable gegeben , dann gilt für den bedingten Erwartungswert von gegeben

für -fast alle .

Literatur

  • Achim Klenke: Wahrscheinlichkeitstheorie. 3. Auflage. Springer-Verlag, Berlin Heidelberg 2013, ISBN 978-3-642-36017-6, doi:10.1007/978-3-642-36018-3.
  • Ludger Rüschendorf: Mathematische Statistik. Springer Verlag, Berlin Heidelberg 2014, ISBN 978-3-642-41996-6, doi:10.1007/978-3-642-41997-3.
This article is issued from Wikipedia. The text is licensed under Creative Commons - Attribution - Sharealike. The authors of the article are listed here. Additional terms may apply for the media files, click on images to show image meta data.