Modos de Convergência

Sequências de variáveis aleatórias podem convergir em vários sentidos não equivalentes: quase certamente, em probabilidade, na média de ordem p, e em distribuição. Compreender sua hierarquia é essencial para enunciar e provar todo teorema limite com precisão.

Definition

Modos de convergência são os sentidos distintos nos quais uma sequência de variáveis aleatórias ou suas distribuições pode se aproximar de um limite, variando desde a forte convergência quase certa e na média das próprias variáveis até a fraca convergência de suas distribuições.

Scope

O tópico abrange a convergência quase certa, a convergência em probabilidade, a convergência na média de ordem p, e a convergência em distribuição, as implicações e contraexemplos que as relacionam, a integrabilidade uniforme como ponte entre a convergência em probabilidade e na média, a caracterização "portmanteau" da convergência fraca, e a "tightness" com o teorema de Prohorov para a compacidade relativa de famílias de medidas.

Core questions

• Quais são os principais sentidos nos quais as variáveis aleatórias convergem e como eles diferem?
• Quais modos de convergência implicam quais outros, e onde as implicações falham?
• Que condição adicional eleva a convergência em probabilidade à convergência na média?
• Quando uma família de distribuições possui uma subsequência convergente?

Key concepts

• convergência quase certa
• convergência em probabilidade
• convergência na média
• convergência fraca
• tightness e teorema de Prohorov

Key theories

Hierarquia dos modos de convergência

A convergência quase certa e a convergência na média de ordem p implicam cada uma a convergência em probabilidade, que por sua vez implica a convergência em distribuição, enquanto as implicações inversas geralmente falham, de modo que os modos formam uma hierarquia estrita com contraexemplos padrão.

Teorema de Portmanteau

A convergência fraca de medidas de probabilidade é equivalente a várias condições simultaneamente, incluindo a convergência das esperanças de funções contínuas limitadas e a convergência da função de distribuição em cada ponto de continuidade, fornecendo critérios flexíveis para provar a convergência em distribuição.

Teorema de Prohorov e "tightness"

Uma família de medidas de probabilidade é relativamente compacta para a convergência fraca se e somente se for "tight", o que significa que a massa não escapa para o infinito, sendo esta a ferramenta padrão para extrair subsequências convergentes no estudo de teoremas limites e processos estocásticos.

Clinical relevance

Modos precisos de convergência fundamentam as declarações rigorosas de consistência e distribuição assintótica em estatística, a convergência de esquemas de simulação e aproximação, e os teoremas limites funcionais, como o princípio de invariância de Donsker, que justificam a aproximação de sistemas estocásticos complexos pelo movimento browniano.

History

A distinção cuidadosa entre os modos de convergência surgiu com os fundamentos da probabilidade baseados na teoria da medida, e a teoria da convergência fraca de medidas em espaços métricos, com a "tightness" e o critério de compacidade de Prohorov, foi sistematizada por Prohorov e Billingsley em meados do século XX para apoiar teoremas limites para processos estocásticos.

Key figures

• Patrick Billingsley
• Yuri Prohorov
• Aleksandr Khinchin

Seminal works

• billingsley1999convergence

Frequently asked questions

Por que distinguir tantos tipos de convergência?

Diferentes teoremas limites produzem naturalmente diferentes modos; a lei dos grandes números fornece convergência quase certa, o teorema do limite central fornece convergência em distribuição, e as conclusões sobre as médias das variáveis exigem convergência na média, portanto, o modo preciso importa para o que pode ser concluído.

O que é "tightness"?

Uma família de distribuições é "tight" se, para qualquer nível exigido, um único conjunto compacto contém pelo menos essa quantidade de probabilidade para cada membro da família; a "tightness" impede que a massa de probabilidade escape para o infinito e é exatamente a condição que o teorema de Prohorov exige para a compacidade fraca.