รูปแบบการลู่เข้า

ลำดับของตัวแปรสุ่มสามารถลู่เข้าได้หลายความหมายที่ไม่สมมูลกัน เช่น ลู่เข้าเกือบแน่ใจ (almost surely), ลู่เข้าในความน่าจะเป็น (in probability), ลู่เข้าในค่าเฉลี่ยอันดับ p (in the mean of order p) และลู่เข้าในการแจกแจง (in distribution) การทำความเข้าใจลำดับชั้นของรูปแบบเหล่านี้เป็นสิ่งสำคัญในการระบุและพิสูจน์ทฤษฎีลิมิตทุกทฤษฎีได้อย่างแม่นยำ

Definition

รูปแบบการลู่เข้าคือความหมายที่แตกต่างกันซึ่งลำดับของตัวแปรสุ่มหรือการแจกแจงของตัวแปรสุ่มสามารถเข้าใกล้ลิมิตได้ ตั้งแต่การลู่เข้าอย่างแข็งแกร่งเกือบแน่ใจและการลู่เข้าในค่าเฉลี่ยของตัวแปรเอง ไปจนถึงการลู่เข้าอย่างอ่อนของการแจกแจง

Scope

หัวข้อนี้ครอบคลุมการลู่เข้าเกือบแน่ใจ, การลู่เข้าในความน่าจะเป็น, การลู่เข้าในค่าเฉลี่ยอันดับ p, และการลู่เข้าในการแจกแจง, ความหมายและตัวอย่างค้านที่เกี่ยวข้อง, ความสามารถในการหาปริพันธ์อย่างสม่ำเสมอ (uniform integrability) ซึ่งเป็นสะพานเชื่อมระหว่างการลู่เข้าในความน่าจะเป็นและการลู่เข้าในค่าเฉลี่ย, ลักษณะเฉพาะแบบพอร์ตแมนโต (portmanteau characterization) ของการลู่เข้าอย่างอ่อน, และความกระชับ (tightness) พร้อมด้วยทฤษฎีบทของ Prohorov สำหรับความกะทัดรัดสัมพัทธ์ (relative compactness) ของตระกูลของการวัด

Core questions

• ความหมายหลักของการลู่เข้าของตัวแปรสุ่มคืออะไร และแตกต่างกันอย่างไร?
• รูปแบบการลู่เข้าใดที่บ่งชี้ถึงรูปแบบอื่น และในกรณีใดที่การบ่งชี้ล้มเหลว?
• เงื่อนไขเพิ่มเติมใดที่ยกระดับการลู่เข้าในความน่าจะเป็นไปสู่การลู่เข้าในค่าเฉลี่ย?
• เมื่อใดที่ตระกูลของการแจกแจงมีลำดับย่อยที่ลู่เข้า?

Key concepts

• การลู่เข้าเกือบแน่ใจ
• การลู่เข้าในความน่าจะเป็น
• การลู่เข้าในค่าเฉลี่ย
• การลู่เข้าอย่างอ่อน
• ความกระชับและทฤษฎีบทของ Prohorov

Key theories

ลำดับชั้นของรูปแบบการลู่เข้า

การลู่เข้าเกือบแน่ใจและการลู่เข้าในค่าเฉลี่ยอันดับ p แต่ละอย่างบ่งชี้ถึงการลู่เข้าในความน่าจะเป็น ซึ่งในทางกลับกันบ่งชี้ถึงการลู่เข้าในการแจกแจง ในขณะที่การบ่งชี้ในทางกลับกันมักจะล้มเหลว ดังนั้นรูปแบบเหล่านี้จึงก่อให้เกิดลำดับชั้นที่เข้มงวดพร้อมตัวอย่างค้านมาตรฐาน

ทฤษฎีบทพอร์ตแมนโต

การลู่เข้าอย่างอ่อนของการวัดความน่าจะเป็นเทียบเท่ากับหลายเงื่อนไขพร้อมกัน รวมถึงการลู่เข้าของค่าคาดหวังของฟังก์ชันต่อเนื่องที่มีขอบเขตและการลู่เข้าของฟังก์ชันการแจกแจงที่ทุกจุดต่อเนื่อง ซึ่งให้เกณฑ์ที่ยืดหยุ่นสำหรับการพิสูจน์การลู่เข้าในการแจกแจง

ทฤษฎีบทของ Prohorov และความกระชับ

ตระกูลของการวัดความน่าจะเป็นมีความกะทัดรัดสัมพัทธ์สำหรับการลู่เข้าอย่างอ่อนก็ต่อเมื่อมีความกระชับ ซึ่งหมายความว่ามวลไม่หลุดออกไปสู่ค่าอนันต์ ซึ่งเป็นเครื่องมือมาตรฐานสำหรับการดึงลำดับย่อยที่ลู่เข้าในการศึกษาทฤษฎีบทลิมิตและกระบวนการสุ่ม

Clinical relevance

รูปแบบการลู่เข้าที่แม่นยำเป็นพื้นฐานของการระบุความสอดคล้องและการแจกแจงเชิงเส้นกำกับ (asymptotic distribution) ในทางสถิติ, การลู่เข้าของแผนการจำลองและการประมาณค่า, และทฤษฎีบทลิมิตเชิงฟังก์ชัน เช่น หลักการไม่แปรเปลี่ยนของ Donsker (Donsker's invariance principle) ซึ่งสนับสนุนการประมาณค่าระบบสุ่มที่ซับซ้อนด้วยการเคลื่อนที่แบบบราวเนียน (Brownian motion)

History

ความแตกต่างอย่างรอบคอบระหว่างรูปแบบการลู่เข้าเกิดขึ้นพร้อมกับรากฐานเชิงทฤษฎีการวัดของความน่าจะเป็น และทฤษฎีการลู่เข้าอย่างอ่อนของการวัดบนปริภูมิเมตริก (metric spaces) พร้อมด้วยความกระชับและเกณฑ์ความกะทัดรัดของ Prohorov ได้รับการจัดระบบโดย Prohorov และ Billingsley ในช่วงกลางศตวรรษที่ 20 เพื่อสนับสนุนทฤษฎีบทลิมิตสำหรับกระบวนการสุ่ม (stochastic processes)

Key figures

• Patrick Billingsley
• Yuri Prohorov
• Aleksandr Khinchin

Seminal works

• billingsley1999convergence

Frequently asked questions

ทำไมต้องแยกแยะรูปแบบการลู่เข้ามากมาย?

ทฤษฎีบทลิมิตที่แตกต่างกันมักจะให้รูปแบบที่แตกต่างกัน กฎของจำนวนมากให้การลู่เข้าเกือบแน่ใจ ทฤษฎีบทลิมิตกลางให้การลู่เข้าในการแจกแจง และข้อสรุปเกี่ยวกับค่าเฉลี่ยของตัวแปรต้องอาศัยการลู่เข้าในค่าเฉลี่ย ดังนั้นรูปแบบที่แม่นยำจึงมีความสำคัญต่อสิ่งที่สามารถสรุปได้

ความกระชับคืออะไร?

ตระกูลของการแจกแจงจะมีความกระชับก็ต่อเมื่อสำหรับระดับที่ต้องการใดๆ เซตกระชับเพียงเซตเดียวมีโอกาสอย่างน้อยเท่ากับระดับนั้นสำหรับสมาชิกทุกตัวในตระกูล ความกระชับป้องกันไม่ให้มวลความน่าจะเป็นรั่วไหลไปสู่ค่าอนันต์ และเป็นเงื่อนไขที่ทฤษฎีบทของ Prohorov ต้องการสำหรับความกะทัดรัดอย่างอ่อน