Tomasz Odrzygóźdź Zadanie 4* z serii 1 Wykaż, że dla
Transkrypt
Tomasz Odrzygóźdź Zadanie 4* z serii 1 Wykaż, że dla
Tomasz Odrzygóźdź Zadanie 4* z serii 1 Wykaż, że dla rzeczywistych zmiennych losowych Xn ⇒ X wtedy i tylko wtedy, gdy istnieja zmienne losowe ˜X̃n o tym samym rozkładzie co Xn i X̃ o tym samym rozkładzie co X takie, ze ˜Xn jest zbiezny do ˜X według prawdopodobienstwa. Udowodnię trochę mocniejszą tezę. Pokażę jak mając dany ciąg rzeczywistych zmiennych losowych Xn zbieżny według rozkładu do X skonstruować zmienne losowe X̃n , oraz X̃ określone na odcinku [0, 1] (z miara Lebesque’a) takie, że X̃n ∼ Xn , X̃ ∼ X̃ oraz X̃n zbiega prawie napewno do X̃. 1) Konstrukcja zmiennych X̃n : Niech f będzie rzeczywistą zmienną losową. Zdefiniujemy zmienną losową h : [0, 1] → R w następujący sposób: h(t) = sup{β : P(f ¬ β) ¬ t} Łatwo widać, że h jest dobrze określoną, niemalejąca funkcją. Teraz udowodnię, że f ∼ h. Aby to udowodnić wystarczy pokazać, że zmienne losowe f i h mają tę samą dystrybuantę. Ponieważ, dziedziną h jest odcinek [0, 1] z miarą Lebesque’a oraz h jest funkcją niemalejącą mamy, że: Fh (t) = P(h ¬ t) = sup{α : h(α) ¬ t} = sup{α : (sup{β : P(f ¬ β) ¬ α} ¬ t)} Wybierzmy dowolnie ε > 0. Wtedy zachodzi oczywiście: sup{β : P(f ¬ β) ¬ P(f ¬ t) − ε} ¬ t. Oznacza to, że Fh (t) P(f ¬ t). Nierówność w druga stronę, tzn.: Fh (t) ¬ P(f ¬ t) wynika z prawostronnej ciągłości dystrybuanty. Mianowicie, ustalmy znów dowolnie ε > 0. Wtedy istnieje takie δ > 0, że ∀t0 ∈[t,t+δ] P(f ¬ t0 ) ¬ P(f ¬ t) + ε. Wobec tego: sup{β : P(f ¬ β) ¬ P(f ¬ t) + ε} t + δ 1 Wobec tego dystrybuanty zmiennych f i h są równe, czyli f ∼ h. 2) Dowód zbieżności prawie napewno . Wykonujemy powyższą konstrukcję przyjmując za f odpowiednio Xn i X po czym oznaczamy odpowiadające im h odpowiednio przez nazwy z tyldą. Niech t będzie punktem ciągłości funkcji X̃. Niech c = X̃(t). Gdyby istniał przedział o mierze µX równej zero i jednym z końców w c, wtedy w t funkcja X̃ miałaby ”skok” - nie byłby to punkt ciągłości (funkcja X̃ nie przyjmowałaby by wartości z tego przedziału). Zatem jeśli t jest punktem ciągłości X̃ wtedy każdy przedział o jednym z końców w c ma miarę µX dodatnią. Wybierzmy dowolnie ε > 0. Niech δ = min(µX [c − ε, c], µX [c, c + ε]). Z poprzedniego rozumowania wiemy, że δ > 0. Z definicji funkcji X̃ otrzymujemy, że wtedy: µX (−∞, c − ε) ¬ t − δ µX (−∞, c + ε) t + δ Miara probabilistyczna może mieć tylko skończenie wiele atomów, więc możemy wybrać ε tak aby punkty c + ε oraz c − ε miały miarę µX równą zero. Wtedy: lim µXn (−∞, c − ε) ¬ t − δ n→∞ lim µXn (−∞, c + ε) t + δ n→∞ Oznacza to, że zachodzi: lim sup{β : P(Xn ¬ β) ¬ t} ∈ [c − ε, c + ε] lim X̃n (t) = n→∞ n→∞ . Wobec faktu, że taki ε może być dowolnie mały otrzymujemy: lim X̃n (t) → X̃(t) n→∞ Zbiór punktów nieciągłości X̃ jest conajwyżej przeliczalny, czyli otrzymujemy zbieżność prawie napewno, która implikuje oczywiście zbieżnośc według prawdopodobieństwa. 2