Integração e Probabilidade
Áreas Científicas |
Classificação |
Área Científica |
OFICIAL |
Matemática |
Ocorrência: 2021/2022 - 1S
Ciclos de Estudo/Cursos
Docência - Responsabilidades
Língua de trabalho
Português
Objetivos
O principal objectivo é fazer uma introdução geral à teoria da medida e integração com particular aplicação a teoria da probabilidade de forma a proporcionar ao aluno ferramentas que lhe permitam estudar e entender mais aprofundadamente temas relacionados em diferentes áreas como Análise, Física, Probabilidade e Estatística ou Teoria Ergódica.
Resultados de aprendizagem e competências
Familiarização com os conceitos de medida, de mensurabilidade e integração em espaços de medida. Integração à Lebesgue e Lebesgue-Stieltjes. Apreensão de conceitos e resultados como continuidade absoluta, Teorema de Radon-Nikodym, espaços produto e Teorema de Fubini. Estudo das diversas noções de convergência e relações entre as mesmas. Ligação entre conceitos de teoria de probabilidade e teoria da medida.
Modo de trabalho
Presencial
Programa
(§ 1) Teoria de Conjuntos
1.1. Operações de conjuntos
1.2. Funções, imagem recíproca e propriedades
1.3. Classes de subconjuntos
(§ 2) Funções de conjuntos
2.1. Aditividade, σ-aditividade, noção de medida
2.2. Continuidade das medidas
2.3. Decomposição de Hahn-Jordan
2.4. Espaços de Probabilidade
(§ 3) Construção da medida
3.1. Teorema da extensão de Carathéodory
3.2. Medida de Lebesgue
3.3. Medida de Lebesgue-Stieltjes
(§ 4) Integração em espaços de medida
4.1. Funções mensuráveis; noção de Variável Aleatória
4.2. Definição de integral com respeito a uma medida e propriedades
4.3. Teoremas da convergência monótona e limitada de Lebesgue
(§ 5) Relações entre espaços e medidas
5.1. Medida produto; Teorema de Fubini
5.2. Teorema de Radon-Nikodym
5.3. Teorema da representação de Riesz
(§ 6) Espaços Lp e convergência
6.1. Desigualdades de Jensen, Holder, Minkowski e Chebyshev
6.2. Convergência funcional:
(i) pontual
(ii) em medida
(iii) em média p
6.3. Relações entre modos de convergência
(§ 7) Elementos aleatórios
7.1 Distribuição e inversa generalizada
7.2 Probabilidade condicional e independência
7.3 Lei 0-1 de Kolmogorov
7.4 Lemas de Borel-Cantelli
7.5 Esperença
7.6 Esperança condicional
7.7 Funções carcaterística
(§ 8) Convergência fraca
8.1 Teorema Portmanteau
8.2 Relações com outros modos de convergência
8.3 Convergência fraca através de funções caracterísica
(§ 9) Somas de variáveis aleatórias
9.1 Lei dos grandes números
9.2 Teorema do Limite Central
9.3 Lei do logartimo iterado
(§ 10) Tópicos avançados*
10.1. Teoremas de diferenciação e densidade de Lebesgue
10.2. Tópicos de Teoria Ergódica
(i) Recorrência
(ii) Teorema ergódico de Birkhoff e a lei forte dos grandes números
*Apenas se houver disponibilidade temporal.
Bibliografia Obrigatória
J. C. Taylor; An Introduction to Measure and Probability, Springer, 1997
Kingman J. F. C. (John Frank Charles);
Introduction to measure and probability. ISBN: 0-521-05888-0
Billingsley Patrick;
Probability and measure. ISBN: 0-471-00710-2
Bibliografia Complementar
Halmos Paul R.;
Measure theory. ISBN: 0-387-90088-8
Armando Machado;
Medida e integracao
O. Knill; Probability Theory And Stochastic Processes With Applications, Overseas Press, 2009
Métodos de ensino e atividades de aprendizagem
Cada aula terá a duração de 2 horas. Sempre que possível, a última meia hora de cada aula deverá ser destinada à resolução de exemplos/exercícios. Serão disponibilizadas exercícios sobre os tópicos em estudo.
Tipo de avaliação
Avaliação distribuída com exame final
Componentes de Avaliação
Designação |
Peso (%) |
Exame |
70,00 |
Trabalho escrito |
30,00 |
Total: |
100,00 |
Componentes de Ocupação
Designação |
Tempo (Horas) |
Estudo autónomo |
135,00 |
Frequência das aulas |
78,00 |
Trabalho escrito |
30,00 |
Total: |
243,00 |
Obtenção de frequência
Não se aplica.
Fórmula de cálculo da classificação final
A avaliação consistirá num exame final que será cotado para 14 valores e trabalhos de casa com um peso de 6 valores na nota final.