Modos de Convergencia

Las secuencias de variables aleatorias pueden converger en varios sentidos no equivalentes: casi seguro, en probabilidad, en la media de orden p y en distribución. Comprender su jerarquía es esencial para establecer y demostrar con precisión cada teorema límite.

Definition

Los modos de convergencia son los sentidos distintos en los que una secuencia de variables aleatorias o sus distribuciones pueden aproximarse a un límite, abarcando desde la fuerte convergencia casi segura y en la media de las propias variables hasta la convergencia débil de sus distribuciones.

Scope

El tema abarca la convergencia casi segura, la convergencia en probabilidad, la convergencia en la media de orden p y la convergencia en distribución, las implicaciones y contraejemplos que las relacionan, la integrabilidad uniforme como puente entre la convergencia en probabilidad y en la media, la caracterización de Portmanteau de la convergencia débil y la tensión con el teorema de Prohorov para la compacidad relativa de familias de medidas.

Core questions

• ¿Cuáles son los principales sentidos en los que convergen las variables aleatorias y cómo difieren?
• ¿Qué modos de convergencia implican a cuáles otros, y dónde fallan las implicaciones?
• ¿Qué condición adicional mejora la convergencia en probabilidad a convergencia en la media?
• ¿Cuándo una familia de distribuciones tiene una subsecuencia convergente?

Key concepts

• convergencia casi segura
• convergencia en probabilidad
• convergencia en la media
• convergencia débil
• tensión y teorema de Prohorov

Key theories

Jerarquía de los modos de convergencia

La convergencia casi segura y la convergencia en la media de orden p implican cada una la convergencia en probabilidad, que a su vez implica la convergencia en distribución. Las implicaciones inversas generalmente fallan, por lo que los modos forman una jerarquía estricta con contraejemplos estándar.

Teorema de Portmanteau

La convergencia débil de las medidas de probabilidad es equivalente a varias condiciones simultáneamente, incluyendo la convergencia de las esperanzas de funciones continuas acotadas y la convergencia de la función de distribución en cada punto de continuidad, lo que proporciona criterios flexibles para demostrar la convergencia en distribución.

Teorema de Prohorov y tensión

Una familia de medidas de probabilidad es relativamente compacta para la convergencia débil si y solo si es tensa, lo que significa que la masa no se escapa al infinito. Esta es la herramienta estándar para extraer subsecuencias convergentes en el estudio de teoremas límite y procesos estocásticos.

Clinical relevance

Los modos precisos de convergencia sustentan las afirmaciones rigurosas de consistencia y distribución asintótica en estadística, la convergencia de esquemas de simulación y aproximación, y los teoremas límite funcionales, como el principio de invarianza de Donsker, que justifican la aproximación de sistemas estocásticos complejos mediante el movimiento browniano.

History

La distinción cuidadosa entre los modos de convergencia surgió con los fundamentos de la probabilidad basados en la teoría de la medida. La teoría de la convergencia débil de medidas en espacios métricos, con la tensión y el criterio de compacidad de Prohorov, fue sistematizada por Prohorov y Billingsley a mediados del siglo XX para apoyar los teoremas límite para procesos estocásticos.

Key figures

• Patrick Billingsley
• Yuri Prohorov
• Aleksandr Khinchin

Seminal works

• billingsley1999convergence

Frequently asked questions

¿Por qué distinguir tantos tipos de convergencia?

Diferentes teoremas límite producen naturalmente diferentes modos; la ley de los grandes números da convergencia casi segura, el teorema del límite central da convergencia en distribución, y las conclusiones sobre los promedios de las variables requieren convergencia en la media, por lo que el modo preciso importa para lo que se puede concluir.

¿Qué es la tensión?

Una familia de distribuciones es tensa si, para cualquier nivel requerido, un único conjunto compacto contiene al menos esa cantidad de probabilidad para cada miembro de la familia; la tensión evita que la masa de probabilidad se escape al infinito y es exactamente la condición que el teorema de Prohorov necesita para la compacidad débil.