David Gamarnik, and John Tsitsiklis. 6.436J Fundamentals of Probability. Fall 2008. Massachusetts Institute of Technology: MIT OpenCourseWare, https://ocw.mit.edu. License: Creative Commons BY-NC-SA.
Lecture 17. Convergence of Random Variables
1. Definitions
1.1 Almost Sure Convergence (概収束)
Definition 17-1
Xn がXにalmost surely converge (概収束)する
⇔P(A)=1なる A⊂Ωがあって,
limnXn(ω)=X(ω) ∀ω∈A つまり各点収束
またこのときXn→a.s.Xと書く.
このときXn,Xは必ず同じprobability spaceのrandom variableでなければならない. さらに,Xnたちは一般にhighly dependentである.a.s. convergenceが現れる状況は以下の2つである.
(a)
確率的試行を何度も繰り返すとする.n回目の試行に,Zn≥0というrandom variableを関連付ける(例えばn日目の収入). このときXn=∑ni=1Znとするとn日目までの収入の合計であって,X=∑∞k=1Xkは生涯の収入と考えることが出来る. Xは¯Rでうまく定義されている.
(b)
あるrandom variableYと,可測関数gn,gによって作られる様々なrandom variableXn=gn(Y),X=g(Y)があって,limngn(y)=g(y)が任意のy∈Rに成立するときXn→a.s.Xである.例えばgn(y)=y+y2/n→g(y)=y.よって
Y+Y2/n→a.s.Y
Xn→a.s.Xであるとき,dominated convergence theorem(優収束定理)から,
ϕXn(t)→ϕX(t)
である.一方
E[Xn]→E[X]
は一般には成り立たない.例えばUを[0,1]上の一様分布として,
Xn={n if U≤1/n0if U>1/n
とすると
limE[Xn]=limnP(U≤1/n)=1
一方,Xn→a.s0で,E[X]=0
1.2 Convergence in Distribution (分布収束)
Definition 17-2
X,Xnをrandom variableとし,CDFをそれぞれF,Fnとする.XnがXにconverge in distributionする
⇔
∀x∈R, where F is continuous, limn→∞Fn(x)=F(x)
またこのときXn→dXと書く.
重要な性質として,
(a)
P(X=x)=0⇔Fはxで連続
(b)
Xn=1/n,またX=0 a.s.とするとFXn(0)=P(Xn≤0)=0だが,FX(0)=1である.また,0でFは非連続だから,連続点のみを考えればXn→dX.より一般に,Xn=anまた確率1でX=aで,an→1ならば,Xn→dXである.
よってconvergence in distributionは実数の収束とconsistent.
(c)
この定義は,random variableたちのmarginal distributionだけを考えていて,異なったprobability spaceにおけるrandom variableについても,cenvergence in distributionは定義されている.
(d)
Yがcontinuous random variableで,PDFが0において対称とする.Xn=(−1)nYとすると,Xnは全て同じdistributionを持っていて,Xn→dY.しかしほとんどすべてのωで,Xn(ω)はX(ω)に収束しない.
(e)
random variableのdistributionがparametric(例えば,Xn=eλnであるとき)かつそのparameterが収束して,その収束先によってXを定義するとき(λ→λ,X=eλ),Xn→dXである.
(f)
discrete random variableの列がcontinuous random variableにconverge in distributionすることがある.例えばYnが{1,...,n}でuniformで,Xn=Yn/nとすると,Xnは[0,1]上のuniform random variableにconverge in distributionする.
(g)
continuous random variableの列がdiscrete random variableにconverge in distributionすることがある.例えばXnが[0,1/n]でuniformならXn→d0.
(h)
XとXnが連続でも,Xn→dXだからといってPDFたちが連続であるとは限らない.
(i)
X,Xnが整数値を取って,Xn→dXならば,PMFもまたpXn(k)→pX(k)と各点収束する.
1.3 Convergence in Probability (確率収束)
Definition 17-3
(a) 必ずしも同じprobability spaceのrandom variable列でない{Xn}がc∈Rにconverge in probabilityする
⇔
∀ϵ>0 limn→∞P(|Xn−c|≥ϵ)=0
このときXn→i.p.cと書く.
(b) X,{Xn}は同じprobability spaceのrandom variableたちとする. Xn−X→i.p.0であるとき,XnはXにconverge in probabilityするといい,Xn→i.p.Xと書く.
また重要な性質に
(b)
Xn→i.p.cというのは,直感的には,nが増加するに従ってほとんどすべてのprobability massがcの周りの小さな区間に集まってくるということである. 一方nを固定するとその小さな区間からはみ出るprobability massがあってそれはslowly decaying tailをもつ(?). このようなtailはexpected valueに大きな影響が有る. よってconvergence in probability は極限のexpected valueを知るのには役立たない.
(c)
Xn→i.p.X,Yn→i.p.Yで,全てが同じprobability space上のrandom variableなら(Xn+Yn)→i.p.(X+Y)である.
2. Convergence in Distribution
convergence in distributionとalmost sure convergenceの関係を詳しく見ることで,convergence in distributionの意味を把握する.
Theorem 17-1 (証明略)
Xn→dXなら,あるprobability spaceと,以下を満たすその上のrandom variableY,Ynが存在する.
(a) 任意のnにXnとYnが同じCDFをもち,XとYも同じCDFを持つ.
(b) Yn→a.s.Y
convergence in distributionでは,random variable Xnたちが独立であるか否かは問題ではなく,同じprobability space上で定義されている必要もない. 一方almost sure convergenceでは,random variableたちの強いdependenceが暗示されている. Theorem 17-1はmarginal distributionの保存を言っているが,Xnたちの間の特別な形のdependenceを導入していて,結果almost sure convergenceが現れる.
このdependenceはYn,Yをcommon random number generatorを使って希望する分布上に定義する.例えばUを[0,1]上のuniformly distrubutionとする.
すべてのCDFたちが連続で狭義単調増加するときYn=F−1Xn(U),F−1X(U)とすると,(a)を満たしている.またこのときYn→a.s.Yである.これはsection 1.1(b)からわかる.
0 件のコメント:
コメントを投稿