Loading [MathJax]/jax/output/HTML-CSS/jax.js

2017年8月6日日曜日

MIT OCW, Fundamentals of Probability 17日目 確率変数の様々な収束

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

XnXalmost surely converge (概収束)する
P(A)=1なる AΩがあって,
limnXn(ω)=X(ω)  ωA つまり各点収束
またこのときXna.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,Zn0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¯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yRに成立するときXna.s.Xである.例えばgn(y)=y+y2/ng(y)=y.よって
Y+Y2/na.s.Y

Xna.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[0,1]上の一様分布として,
Xn={n   if U1/n0if U>1/n
とすると
limE[Xn]=limnP(U1/n)=1
一方,Xna.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.XnXconverge in distributionする

xR, where F is continuous,   limnFn(x)=F(x)
またこのときXndXと書く.

重要な性質として,
(a)

P(X=x)=0Fxで連続

(b)

Xn=1/n,またX=0  a.s.とするとFXn(0)=P(Xn0)=0だが,FX(0)=1である.また,0Fは非連続だから,連続点のみを考えればXndX.より一般に,Xn=anまた確率1でX=aで,an1ならば,XndX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,XndY.しかしほとんどすべてのωで,Xn(ω)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(λλ,X=eλ),XndX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{1,...,n}でuniformで,Xn=Yn/nとすると,Xn[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[0,1/n]でuniformならXnd0.

(h)

XXnが連続でも,XndX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,XndX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}cRconverge in probabilityする

ϵ>0   limnP(|Xnc|ϵ)=0
このときXni.p.cと書く.
(b) X,{Xn}は同じprobability spaceのrandom variableたちとする. XnXi.p.0であるとき,XnXにconverge in probabilityするといい,Xni.p.Xと書く.

また重要な性質に
(b)

Xni.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)

Xni.p.X,Yni.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)

XndX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nXnYnが同じCDFをもち,XYも同じCDFを持つ.
(b) Yna.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,Ycommon random number generatorを使って希望する分布上に定義する.例えばU[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=F1Xn(U),F1X(U)とすると,(a)を満たしている.またこのときYna.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