Convergencia en Probabilidad y convergencia en casi toda

parte
Michel Esteven Cespedes. Cod 20111167014
Sebastian Perdomo Leiva Cod: 20111167008
4 de abril de 2017

1. Introduction
En la teoria de la medida y la teoria de la probabilidad uno trata con diferentes tipos de
sucesiones de funciones convergentes, en particular con la convergencia en casi toda parte (c.t.p) y
la convergencia en Probabilidad (e.p). en el siguiente escrito demostraremos bajo que condiciones
en un espacio de probabilidad puramente atomico la convergencia (e.p) implica la convergencia en
(c.t.p). y a la vez el reciproco de dicha afirmación.

2. Preeliminares
2.1. σ-Algebra
Definición 2.1. (a) Una coleccíon M de subconjuntos de un conjunto X se dice una σ −algebra
en X si M tiene las siguiente propiedades:
(i) X ∈ M.
(ii) Si A ∈ M, entonces Ac ∈ M, donde Ac es el complemento de A relativo a X.
S∞
(iii) Si A = n=1 An y si An ∈ M para n = 1, 2, 3 . . . , Entonces A ∈ M.
(b) Si M es una σ − algebra en X, entonces X es llamado un espacio medible. y los mienbros
de M son llamados conjuntos medibles en X.
(c) Si X es un espacio medible, Y es un espacio topologico, y f es una función de X en Y,
entonces f se dice medible probando que f −1 (V ) es un conjunto medible en X para cualquier
conjunto V en Y .
Definición 2.2. (a) Una medida positiva es una función µ definida en una σ − algebra M,
cuyo rango esta en [0, ∞] y la cual es aditiva contablemente. Esto significa que si {Ai } es
una colección contablemente disjunta de miembros de M, entonces
S∞ P∞
µ( i=1 ) = i=1 µ(Ai )..
Para evitar trivialidades, Asumiremos tambien que µ(A) < ∞ para al menos un A ∈ M.
(b) Un espacio de medida es un espacio medible el cual tiene una medida positiva definida es la
σ − algebra de estos conjuntos medibles.
Definición 2.3. En general un espacio probabilístico (Ω, B, P ) está integrado por tres componen-
tes. Primero, el conjunto Ω (llamado espacio muestral) de los posibles resultados del experimento,
llamados sucesos elementales. Segundo, por la colección B de todos los sucesos aleatorios (no solo
los elementales), que es una σ − lgebra sobre Ω. El par (Ω, B) es lo que se conoce como un espacio
de medida. Por último, una medida de probabilidad o función de probabilidad P que asigna una
probabilidad a todo suceso y que verifica los llamados axiomas de Kolmogórov:

(1) Certeza de la Presentación del experimento P (Ω) = 1.

(2) La probabilidad de un suceso A esta comprendida entre 0 y 1. 0 ≤ P (A) ≤ 1.
(3) La medida P es Aditiva contablemente.
3. Sin atomos y medida puramente atomica.
Definición 3.1. Un conjunto A ∈ M es llamado un átomo de M, si µ(A) > 0 y si, Ademas, las
relaciones A ⊃ B ∈ M implica ya sea µ(B) = 0 o µ(A) = µ(B).
Ejemplo 3.1. Sea el espacio X = N, con la medida de conteo, entonces tenemos que {n} para
todo n ∈ X es un atomo.
Observación 3.1. Vemos que para cada atomo A. Cada función medible es constante en c.t.p en
A ya que en particular los subconjuntos de A con un solo elemento llamemolos B = {b} con B ⊂ A
van a tener todos o medida 0 o el valor constante c = µ(B) = µ(b) = µ(A).
Definición 3.2. Si un conjunto B no contiene atomos, entonces B y la medida µ de B son llamada
sin atomos.
Ejemplo 3.2. La Medida de lebesgue λ es sin atomos sobre todo conjunto medible A de [a, b].Ademas
para todo α ∈ [0, µ(A)] existe un B ⊂ A tal que µ(B) = α
Demostración.
Teorema 3.1. Sea X un espacio de medida existe una descomposición de X en conjuntos disjuntos:
X = X0 + X1 + X2 + · · · , donde X0 es ya sea vacio o un conjunto sin atomos de medida positiva
y cada uno de los conjuntos X1 , X2 , · · · es ya sea un conjunto vacio o uno sin atomos.
Demostración. Sea X un espacio de medida. Entonce si X es vacio o no tiene atomos X = X0 y
X1 , X2 . . . son todos vacios. Ahora si X tiene un atomo A ∈ X podemos dividir X en dos conjuntos
disjuntos X = A + Ac donde Ac puede ser:
(a) Sin atomos.
(b) Es un atomo.
(c) contiene atomos o se intersecta con al menos uno.
Si Ac cumple o (a) o (b) ya se tendria la demostracíon. si se (c) el caso en el que se intersecta con
al menos un atomos significaria que su otra parte este en A lo cual es contradictorio. Ahora si Ac
contiene un atomo A1 , se separaria Ac en dos conjuntos A1 y Ac1 y se procederia analogamente.
Definición 3.3. Si en la descomposición anterior de X, X0 es igual a vacio. Entonces µ es llamada
puramente atomica.
Ejemplo 3.3. Cualquier finita σ − medida definida en un campo de un conjunto numerable es
puramente atomica.
Teorema 3.2. Si µ es sin atomos, entonces para cuanquier numero c con 0 < c < µ(B) existe un
conjunto C ∈ M tal que B ⊃ C y µ(C) = c.
Demostración. Ya que B es sin atomos para cualquier C ∈ B se tiene µ(C) 6= µ(B). Por ser µ una
medida positiva aditiva contablemente entonces 0 < µ(C) < µ(B) esto significa que µ(C) puede
tomar cualquier valor real c entre 0 y µ(B) por lo tanto a cada 0 < c < µ(B) le puedo asociar un
conjunto C ⊂ B tal que c = µ(C).
El teorema anterior 3.2 implica el siguiente
Teorema 3.3. Si µ es sin atomo y µ(X) = 1 entonces para cada sucesión pn con 0 ≤ pn ≤ 1
existe una sucesion {En } de conjuntos estocasticamente independientes con µ(En ) = pn .
Demostración. Para probar esto, Sea
E 0 = X − E, E 1 = E.
Para cada conjunto E ⊂ X.
Por el Teorema 3.2 existe un conjunto E, con µ(E1 ) = P1 . Si Ej esta ya definido para j ≤ n, y
si ellos son estocasticamente independientes con µ(Ej ) = pj , entonces existe en vista del Teorema
3.2 un conjuntos En+1 tal que
µ(E1i1 · · · · · Enin En+1 ) = pn+1 µ(E1i1 · · · · · Enin )
Para cada sistema i1 , i2 , . . . , in de numeros 0 y 1 es facil ver que {En } es la suceción requerida.
4. Convergencia en medida y covergencia en casi toda parte
Definición 4.1. Si E es un conjunto medible en X y si
(
1 si x ∈ E
χE (x) =
0 en otro caso.

Definición 4.2. Decimos que la secuencia de conjuntos {En } converge en medida (converge en
probabilidad) a E. Si la secuencia {χEn } converge en probabilidad. O en otros terminos, si µ(E 4
En ) → 0.
Escribimos como usualmente.
P∞ Q∞
lı́m inf En = k=1 n=k En ,
n Q∞ P∞
lı́m sup En = k=1 n=k En ,
n

y decimos que una secuencia {En } de conjuntos converge a E si y solo si

lı́m inf En = lı́m sup En
n n

Tambien podemos ver podemos escribirlos de la siguiente manera

∞ \
[ ∞
lı́m inf En = En ,
n
k=1 n=k

∞ [
\ ∞
lı́m sup En = En
n
k=1 n=k

Teorema 4.1. Una secuencia {En } converge a E si y solo si la secuencia de funciones {χEn }
converge a χE en c.t.p.
Demostración. →)Por contraccion, supongamos que χEn → χE y En 6→ E, luego
(
1 si x ∈ lı́m En
lı́m χEn = n→∞
n→∞ 0 en otro caso.
Luego como el lı́m En no corverge, entonces tenemos que χEn no esta bien definida ya que el
conjunto donde esta el x tampoco esta definido, por tanto χEn 6→ χE , lo cual es una contradiccion.
←) Por contraccion, supongamos que En → E y χEn 6→ χE , luego
(
1 si x ∈ lı́m En
lı́m χEn = n→∞
n→∞ 0 en otro caso.
(
1 si x ∈ E
=
0 en otro caso.
= χE

entonces tenemos que esto contradice nuestra hipotesis.

Teorema 4.2. Decimos que una secuencia {En } de conjuntos converge en c.t.p a E, si la secuencia
de funciones {χEn } converge en c.t.p a χE o en otros terminos, si:
µ(E 4 lı́m inf En ) = µ(E 4 lı́m sup En ) = 0.
n n

Teorema 4.3. la convergencia e.p de una sucesion de funciones medibles {fn } a una función
medible f implica la convergencia de {fn } a f . en c.t.p.en cualquier atomo A de µ.
Demostración. Se sigue de la observacin 3,1 que existe un atomo A∗ ⊂ A tal que µ(A − A∗ ) = 0
y que f, f1 , f2 , . . . son constantes en A∗ . Sea
c = f (x), cn = fn (x) para x ∈ A∗ .
ya que fn converge e.p. a f existe para cualquier  > 0 un numero n0 tal que
|fn (x) − f (x)| <  para n > n0 .
Fuera de un conjunto Zn con µ(Zn ) < µ(A∗). consecuentemente |cn − c| < . para n > n0 . lo cual
implica la convergencia de fn a f en c.t.p. en A.
Teorema 4.4. Si µ es sin atomos, entonces existe una secuencia (En ) de conjuntos medibles
convergentes e.p y tal que

lı́m inf En = 0, lı́m sup En = X.

n n

Demostración. Sin perdida de generalidad. Podemos suponer µ(X) = 1. por el teorema 3.3 existe
una secuencia {Bn } de ensayos de Bernoulli (Por ejemplo una secuencia de conjuntos estocastica-
mente independientes con la misma medida). con µ(Bn ) = 21 . Denotando por B 0 el complemento
de B, la secuencia.
B1 , B10 , B1 B2 , B10 B2 , B1 B20 , B10 B20 , B1 B2 B3 , B10 B2 B3 , . . .
obviamente satisface n las condiciones de la tesis
Teorema 4.5. Si la convergencia e.p. de conjuntos medibles implica su convergencia en c.t.p.
Entonces µ es puramente atomico.

Demostración. Supongase que la convergencia i.p. implica la convergencia en c.t.p. y la medida de

µ no es puramente atomica.haremos un contraejemplo. Entonces si existe una descomposición de
X = X0 + X1 + X2 + · · · donde X0 es no vacio y sin atomos y Xi para i = 1, 2, . . . es vacio o es
un atomo. Si X0 es sin atomos. µ es sin atomos en X0 , luego en particular podemos tomar una
secuencia (En ) de conjuntos medibles convergente a el conjunto vacio tal que:
lı́m inf En = 0, lı́m sup En = X0
n n

pero esto significa que lı́m inf En 6= lı́m sup En por lo tanto de la secuencia En , no converge en
n n
c.t.p.
Teorema 4.6. Las siguientes afirmaciones son equivalentes:

(a) µ es puramente atomico.

(b) La convergencia e.p de funciones medibles implica su convergencia en c.t.p.
(c) La convergencia e.p de conjuntos medible implica su convergencia en c.t.p.
Demostración. veamos que (a)⇒(b). si µ es puramente atomico en X la descomposición de X =
X0 + X1 + X2 + · · · hace que X0 sea vacio y Xi con i = 1, 2, 3, . . . , sean atomos luego usando el
Teorema 4.3. en cualquier atomo Xi se tiene.
Para ver que (b)⇒(c) sea {En } una seuencia de conjuntos medibles que convergen e.p a E entonces
usando (b) las funciones caracteristicas χEn convergen en casi toda parte a χE usando el Teorema
4.2 esto implica que la sucesion de conjuntos {En } converge en c.t.p a E. por lo tanto se cumple
(c).
La parte de (c)⇒(a) se tiene por el Teorema 4.5.

Teorema 4.7. (Teorema de Marczewski) Considere un espacio de probabilidad. Suponga que en ese
espacio la convergencia en probabilidad de funciones es equivalente a la convergencia casi segura.
Demostrar que en ese espacio la probabilidad es puramente atómica.

Demostración. Este es un caso particular las equivalencias del teorema 4.6 vistos no desde un
espacio de medida si no mas bien desde un espacio de probabilidad. La primera implicación a
izquierda (⇐) se muestra inmediatamente en 4.6. La otra implicación a derecha, hay que pasar
primero por mostrar de (a) que es nuestra hipotesis, aqui mas reducida a (b) y de (b) a (c) que es
la tesis que acá tenemos.
Referencias
[1] Walter Rudin. Real and complex analysis- Mc Graw-Hill International Editions,
3 edition
[2] Marczeswki, E. Remaks in the convergence of measurable sets and measurable
functions.

[3] Bogachev, E. Measure Theory Volumen I.Springer