Mathematische Annalen

, Volume 104, Issue 1, pp 415–458 | Cite as

Über die analytischen Methoden in der Wahrscheinlichkeitsrechnung

  • A. Kolmogoroff
Article

Zusammenfassung

Ein physikalischer Prozeß (die Änderung eines physikalischen Systems) heißt stochastisch-definit, wenn aus der Kenntnis des ZustandesX0 des Systems in einem gewissen Zeitmomentt0 die Kenntnis der Verteilungsfunktion der Wahrscheinlichkeiten für die möglichen ZuständeX des Systems in einem Zeitmomentt>t0 folgt.

Der verfasser betrachtet systematisch die einfachsten Fälle der stochastischdefiniten Prozesse und in erster Linie solche, die nach der Zeit stetig sind (darin besteht die wesentliche Neuheit der Methode: Bis jetzt betrachtete man gewöhnlich einen stochastischen Prozeß als eine Reihe von diskreten „Ereignissen”).

Wenn die MengeU der möglichen verschiedenen Zustände des Systems endlich ist, so läßt sich der stochastisch-definite Prozeß durch gewöhnliche lineare Differentialgleichungen charakterisieren (Kap. II). Wenn der Zustand des Systems durch einen oder mehrere stetige Parameter definiert ist, so wird der analytische Apparat durch parabolische partielle Differentialgleichungen gegeben (Kap. IV). Man kommt dabei zu verschiedenen Verteilungsfunktionen, unter denen die Laplacesche Normalverteilung als natürlicher einfachster Fall erscheint.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literaturnachweis

  1. 1).
    Ein wohlbekanntes Beispiel für diese Methode wird dadurch gegeben, daß man in der Beschreibung des Zustandes eines mechanischen Systems nicht nur die Koordinaten seiner Punkte, sondern auch die Komponenten ihrer Geschwindigkeiten einführt.Google Scholar
  2. 2).
    I. Théorie de la spéculation. Ann. de l'École norm.17 (1900), p. 21. II. Les probabilités à plusieurs variables, ibid27 (1910), p. 339. III. Calcul des probabilités 1912.Google Scholar
  3. 3).
    Über diese Begriffe sowie über die additiven Mengensysteme usw. siehe z. B.: M. Fréchet, Sur l'intégrale d'une fonctionnelle étendue à un ensemble abstrait, Bull. de la Soc. Math. de France43 (1915), p. 248.Google Scholar
  4. 4).
    Siehe 2) I. Théorie de la spéculation. Ann. de l'École norm.17 (1900), p. 21.Google Scholar
  5. 5).
    Comptes rendus186 (1928), S. 59, 189, 275.Google Scholar
  6. 6).
    Siehe 5) Comptes rendus186 (1928), S. 59, 189, 275.Google Scholar
  7. 7).
    Vgl. mit den im Kap. IV betrachteten FunktionenF (s, x, t, y), welche fürt=s notwendig Unstetigkeitspunkte besitzen.Google Scholar
  8. 8).
    Man könnte auch umgekehrt (47 a) und (50) a priori voraussetzen und daraus die Stetigkeit und die Differenzierbarkeit vonP i j(s, t) nacht beweisen.Google Scholar
  9. 9).
    Wahrscheinlichkeitstheorie, S. 141 (russ.).Google Scholar
  10. 10).
    Leçons sur l'intégration, 2. Ausg., S. 261.Google Scholar
  11. 11).
    Siehe z. B.: P. Lévy, Calcul des probabilités, S. 187.Google Scholar
  12. 12).
    Math. Zeitschr.15 (1922), S. 211.Google Scholar
  13. 13).
    Siehe Fußnote 2) I und III Théorie de la spéculation. Ann. de l'École norm.17 (1900), p. 21. Calcul des probabilités 1912.Google Scholar
  14. 14).
    Siehe 2) II Les probabilités à plusieurs variables, ibid.27 (1910), p. 339.Google Scholar

Copyright information

© Springer-Verlag 1931

Authors and Affiliations

  • A. Kolmogoroff
    • 1
  1. 1.Moskau

Personalised recommendations