Modus Konvergensi

Urutan variabel acak dapat konvergen dalam beberapa pengertian yang tidak setara, hampir pasti, dalam probabilitas, dalam rata-rata orde p, dan dalam distribusi, dan memahami hierarki mereka sangat penting untuk menyatakan dan membuktikan setiap teorema limit secara tepat.

Definition

Modus konvergensi adalah pengertian yang berbeda di mana urutan variabel acak atau distribusinya dapat mendekati suatu limit, mulai dari konvergensi hampir pasti dan rata-rata yang kuat dari variabel itu sendiri hingga konvergensi lemah dari distribusinya.

Scope

Topik ini mencakup konvergensi hampir pasti, konvergensi dalam probabilitas, konvergensi dalam rata-rata ke-p, dan konvergensi dalam distribusi, implikasi dan contoh tandingan yang menghubungkannya, integrabilitas seragam sebagai jembatan antara konvergensi dalam probabilitas dan dalam rata-rata, karakterisasi portmanteau dari konvergensi lemah, dan ketatnya dengan teorema Prohorov untuk kekompakan relatif keluarga ukuran.

Core questions

• Apa saja pengertian utama di mana variabel acak konvergen, dan bagaimana perbedaannya?
• Modus konvergensi mana yang mengimplikasikan yang lain, dan di mana implikasinya gagal?
• Kondisi tambahan apa yang meningkatkan konvergensi dalam probabilitas menjadi konvergensi dalam rata-rata?
• Kapan suatu keluarga distribusi memiliki suburutan yang konvergen?

Key concepts

• konvergensi hampir pasti
• konvergensi dalam probabilitas
• konvergensi dalam rata-rata
• konvergensi lemah
• ketatnya dan teorema Prohorov

Key theories

Hierarki modus konvergensi

Konvergensi hampir pasti dan konvergensi dalam rata-rata ke-p masing-masing mengimplikasikan konvergensi dalam probabilitas, yang pada gilirannya mengimplikasikan konvergensi dalam distribusi, sementara implikasi sebaliknya umumnya gagal, sehingga modus-modus tersebut membentuk hierarki yang ketat dengan contoh-contoh tandingan standar.

Teorema Portmanteau

Konvergensi lemah ukuran probabilitas setara dengan beberapa kondisi sekaligus, termasuk konvergensi ekspektasi fungsi kontinu terbatas dan konvergensi fungsi distribusi pada setiap titik kontinuitas, memberikan kriteria fleksibel untuk membuktikan konvergensi dalam distribusi.

Teorema Prohorov dan ketatnya

Suatu keluarga ukuran probabilitas relatif kompak untuk konvergensi lemah jika dan hanya jika ketat, yang berarti massa tidak lolos ke tak hingga, yang merupakan alat standar untuk mengekstraksi suburutan konvergen dalam studi teorema limit dan proses stokastik.

Clinical relevance

Modus konvergensi yang tepat mendasari pernyataan ketat tentang konsistensi dan distribusi asimtotik dalam statistik, konvergensi skema simulasi dan aproksimasi, dan teorema limit fungsional, seperti prinsip invarian Donsker, yang membenarkan perkiraan sistem stokastik kompleks dengan gerakan Brownian.

History

Perbedaan cermat di antara modus konvergensi muncul dengan dasar-dasar teori ukuran probabilitas, dan teori konvergensi lemah ukuran pada ruang metrik, dengan ketatnya dan kriteria kekompakan Prohorov, disistematisasi oleh Prohorov dan Billingsley pada pertengahan abad kedua puluh untuk mendukung teorema limit untuk proses stokastik.

Key figures

• Patrick Billingsley
• Yuri Prohorov
• Aleksandr Khinchin

Seminal works

• billingsley1999convergence

Frequently asked questions

Mengapa membedakan begitu banyak jenis konvergensi?

Teorema limit yang berbeda secara alami menghasilkan modus yang berbeda; hukum bilangan besar memberikan konvergensi hampir pasti, teorema limit pusat memberikan konvergensi dalam distribusi, dan kesimpulan tentang rata-rata variabel memerlukan konvergensi dalam rata-rata, sehingga modus yang tepat penting untuk apa yang dapat disimpulkan.

Apa itu ketatnya?

Suatu keluarga distribusi dikatakan ketat jika, untuk setiap tingkat yang diperlukan, satu himpunan kompak membawa setidaknya probabilitas sebanyak itu untuk setiap anggota keluarga; ketatnya mencegah massa probabilitas bocor ke tak hingga dan persis kondisi yang dibutuhkan teorema Prohorov untuk kekompakan lemah.