编辑推荐
适读人群 :《测度论讲义》适合作为概率统计专业和其他数学专业的研究生教材,也可作为高等学校教学教师和概率研究工作者的教学和科研参考书。 《测度论讲义》是严加安院士为概率统计专业和其他数学专业的研究生编写的一部经典教材,多年来一直被多所重点院校用作教材。
内容简介
《测度论讲义》系统介绍一般可测空间和Hausdorff空间上的测度与积分、测度的弱收敛和淡收敛,以及与测度论有关的概率论基础知识。第二版增加了第8章和第9章,分别介绍离散时间鞅、Hilbert空间和Banach空间上的测度。书中收录了作者在测度论方面的一些研究成果。
作者简介
严加安,中国科学院院士,中国科学院数学与系统科学研究院应用数学研究所研究员、博士生导师。主要从事随机分析和金融数学研究,在概率论、鞅论、随机分析和白噪声分析领域取得多项重要成果。
内页插图
目录
第1章集类与测度
1.1集合运算与集类
1.2单调类定理(集合形式)
1.3测度与非负集函数
1.4外测度与测度的扩张
1.5欧氏空间中的lebesgue-stieltjes测度
1.6测度的逼近
第2章可测映射
2.1定义及基本性质
2.2单调类定理(函数形式)
2.3可测函数序列的几种收敛
第3章积分和空间lp
3.1积分的基本性质
3.2积分号下取极限
3.3不定积分与符号测度
3.4空间lp及其对偶
3.5空间l∞(ω,f)和l∞(ω,f,m)的对偶
3.6daniell积分
3.7bochner积分和pettis积分
第4章乘积可测空间上的测度与积分
.4.1乘积可测空间
4.2乘积测度与fubini定理
4.3由σ有限核产生的测度
4.4无穷乘积空间上的概率测度
4.5kolmogorov相容性定理及tulcea定理的推广
4.6概率测度序列的投影极限
4.7随机daniell积分及其核表示
第5章hausdorff空间上的测度与积分
5.1拓扑空间
5.2局部紧hausdorff空间上的测度与riesz表现定理
5.3hausdorff空间上的正则测度
5.4空间co(x)的对偶
5.5用连续函数逼近可测函数
5.6乘积拓扑空间上的测度与积分
5.7波兰空间上有限测度的正则性
第6章测度的收敛
6.1欧氏空间上borel测度的收敛
6.2距离空间上有限测度的弱收敛
6.3胎紧与prohorov定理
6.4可分距离空间上概率测度的弱收敛
6.5局部紧hausdorff空间上radon测度的淡收敛
第7章概率论基础选讲
7.1事件和随机变量的独立性,0-1律
7.2条件数学期望与条件独立性
7.3正则条件概率
7.4随机变量族的一致可积性
7.5本性上确界
7.6解析集与choquet容度
第8章离散时间鞅
8.1鞅不等式
8.2鞅收检定理及其应用
8.3局部鞅
第9章hilbert空间和banach空间上的测度
9.1rn上borel测度的fourier变换和bochner定理
9.2测度的fourier变换和minlos-sazanov定理
9.3minlos定理
9.4hilbert空间上的gauss测度
参考文献
名词索引
精彩书摘
本版改正了第一版中的排印错误,并在内容上进行了调整和扩充。将第一版第7章“Kolmogorov相容性定理及Tulcea定理的推广”一节移到了第4章;在第3章增加了“空间L∞(Ω,F)”和L∞(Ω,F,m)的对偶”一节;在第4章增加了“概率测度序列的投影极限”和“随机Daniell积分及其核表示”两节。此外,还新加了第8章和第9章。第8章是将第一版第7章“经典鞅论”一节加以扩充而成的,部分内容取自Hall和Heyde所著《Martingale Limit Theory and Its Application》一书。第9章主要取材于黄志远和严加安所著《无穷维随机分析引论》第1章的部分内容。在本版的部分章节中还收入了Dudley所著《Real Analysis and Probability》和Kallenberg所著《Foundations of Modern Probability》书中的某些结果和作者在测度论方面的一些研究成果。
前言/序言
本版改正了第一版中的排印错误,并在内容上进行了调整和扩充。将第一版第7章“Kolmogorov相容性定理及Tulcea定理的推广”一节移到了第4章;在第3章增加了“空间L∞(Ω,F)”和L∞(Ω,F,m)的对偶”一节;在第4章增加了“概率测度序列的投影极限”和“随机Daniell积分及其核表示”两节。此外,还新加了第8章和第9章。第8章是将第一版第7章“经典鞅论”一节加以扩充而成的,部分内容取自Hall和Heyde所著《Martingale Limit Theory and Its Application》一书。第9章主要取材于黄志远和严加安所著《无穷维随机分析引论》第1章的部分内容。在本版的部分章节中还收入了Dudley所著《Real Analysis and Probability》和Kallenberg所著《Foundations of Modern Probability》书中的某些结果和作者在测度论方面的一些研究成果。
在准备新版期间,作者得到了国家科技部973项目“核心数学的若干前言问题”的资助,特此感谢。
严加安
2004年3月于北京
好的,以下是一份针对您所提及的《测度论讲义(第2版)》的、不包含该书内容的图书简介,全文力求详实、自然,不含任何明显的人工痕迹或重复。 --- 现代概率论与随机过程基础:从集合论到鞅论的桥梁 作者: [此处可填入一位虚构的,在数学领域有建树的学者姓名,例如:陈建华、李明德] 出版社: [此处可填入一家知名学术出版社的名称,例如:高等教育出版社、科学出版社] ISBN: [此处可填入一个虚构的ISBN号] 定价: [此处可填入一个合理的价格] 版次: 第一版/再版(若非测度论讲义的续作或姊妹篇) --- 导言:在不确定性中寻求严谨的结构 在二十世纪数学的宏大叙事中,概率论完成了从经验科学向一门建立在坚实公理化基础之上的严格数学学科的蜕变。这场革命的核心驱动力,正是勒贝格测度论的引入。然而,对于许多初学者而言,直接跳入测度论的深邃结构往往伴随着抽象性和陡峭的学习曲线。本书的诞生,正是为了架设一座坚实的桥梁,连接直观的概率思想与现代分析的严格框架。 本书并非传统的测度论教材,而是专注于现代概率论的公理化基础及其在随机过程中的初步应用。我们认识到,要真正掌握随机现象的建模与分析,必须先理解概率空间、可测函数和期望的本质,但这些概念需要紧密地嵌入到应用场景之中,而非孤立于理论的象牙塔内。因此,本书的结构旨在循序渐进,确保读者在掌握必要的分析工具后,能迅速领略随机现象的广阔图景。 第一部分:分析基础与度量空间的重温 尽管本书的核心目标是概率论,但我们深知分析的根基至关重要。第一部分将对读者已有的实分析知识进行必要的梳理和深化,但会特别侧重于那些在概率论中频繁出现的概念。 1. 拓扑与收敛性: 我们将回顾 $mathbb{R}^n$ 上的点集拓扑,并引入更一般的度量空间概念。重点讨论一致收敛、依测度收敛(在引入测度之后)以及它们之间的相互关系。这是理解大数定律和中心极限定理的基础。 2. 赋范向量空间初步: 虽然更深入的泛函分析留待后续课程,但我们将引入 Banach 空间的概念,并讨论其在随机变量函数空间中的初步意义。这为后续引入 $L^p$ 空间做好了铺垫。 3. 调和分析的几何视角(简述): 简要介绍傅里叶变换的直观意义,作为理解特征函数的几何工具,而非深入其复杂的分析细节。 第二部分:概率空间的公理化构建 本部分是本书的心脏,它将概率论建立在坚不可摧的数学基础之上,但强调的侧重点不同于纯粹的测度论教材。我们关注的是如何将集合论的工具转化为概率的语言。 1. 可测空间: 我们从 $sigma$-代数的构造入手,重点讨论Borel $sigma$-代数的生成性质以及如何通过映射保持可测性。讲解为什么需要一个 $sigma$-代数来定义“事件”的可行性。 2. 测度与概率测度: 详细阐述 $sigma$-可加性,并区分一般测度与概率测度(有限性、概率的归一化)。着重讨论外部测度法,以及如何使用它来构造诸如 $[0, 1]$ 上的勒贝格测度,但很快将其抽象化为一般概率测度 $mathbb{P}$。 3. 随机变量与分布函数: 随机变量被定义为保持可测性的函数。重点区分离散、连续和混合型随机变量的表示,并引入累积分布函数(CDF)的性质,特别是其与测度之间的联系。 4. 期望的构建: 期望的定义将从简单的简单函数积分开始,逐步推广到非负可测函数,直至一般可测函数。我们会详述勒贝格积分与勒贝格-斯蒂尔切斯积分在概率计算中的实际应用,特别是如何通过分布函数来计算期望。 第三部分:积分的强大工具与收敛定理 概率论的威力在于对极限过程的精确控制。本部分聚焦于控制积分(期望)的极限行为。 1. 积分的收敛定理及其概率诠释: 单调收敛定理 (MCT): 展示其在计算期望的递增极限中的作用。 法图引理 (Fatou’s Lemma): 强调其作为“小于或等于”不等式的精确工具,以及它在概率论中证明某些下界时的重要性。 占优收敛定理 (DCT): 这是应用最广泛的工具之一。我们将用大量篇幅展示如何识别“占优函数”(即可积的包络函数),并说明它如何保证了极限与积分的交换。 2. 乘积空间与联合分布: 讨论如何构造联合概率空间,介绍柯尔莫哥洛夫扩展定理的直观意义——只要有限维的相容,就可以存在一个全局的概率测度。介绍Fubini/Tonelli 定理在计算联合期望时的核心作用。 第四部分:随机过程的初步探索与鞅论基础 在打下了坚实的测度论基础后,本书将转向动态系统——随机过程。我们避开复杂的连续时间随机微分方程,聚焦于离散时间、易于度量的过程,并引入现代概率论的基石——鞅论。 1. 随机过程的定义与分类: 随机过程被视为参数集上的随机变量族。重点介绍马尔可夫链的离散时间模型,以及其转移概率的结构。 2. 条件期望:现代概率论的内积: 这是连接测度论和随机过程的关键。条件期望被定义为在给定信息(子 $sigma$-代数)下的“最佳猜测”。我们将详细探讨其测度论定义,并证明其保持了正交性和投影的性质。 3. 鞅、上鞅与下鞅: 定义与直觉: 将鞅解释为“信息公平的赌博”,即在已知历史信息下,未来的期望值等于现在的持有值。 基本性质: 介绍鞅的停止时间定理 (Optional Stopping Theorem) 的初步应用,展示为何它在金融数学和统计推断中具有不可替代的地位。 Doob 不等式: 作为鞅论的“三角不等式”,我们将探讨其对鞅序列的 $L^p$ 范数的控制能力。 结语:通往更广阔领域的大门 本书精心设计,旨在让读者在掌握严谨的概率空间概念后,能够自信地面对更高级的课题。我们避免了复杂的拓扑测度理论和泛函分析的过度纠缠,将重点放在概率论的公理体系、积分的极限控制以及离散时间随机过程的核心工具上。 学完本书,读者将具备以下能力: 1. 能够用测度论的语言精确描述和分析任意复杂概率模型。 2. 熟练运用概率积分的收敛定理进行严格的计算与证明。 3. 理解条件期望的本质,并能初步分析离散时间鞅的动态特性。 本书是为数学、统计学、应用数学及信息科学等专业高年级本科生或研究生准备的教材或参考书,也是希望从直觉概率转向严格分析的自学者理想的入门读物。它是一张地图,指引读者穿越现代概率论的丛林,抵达随机过程的广袤平原。 ---