Zbieżność według miary

Zbieżność ciągu funkcji według (pewnej) miary to rodzaj zbieżności ciągów funkcyjnych rozważany w teorii miary i analizie matematycznej. Pojęcie pojawiło się w sferze zainteresowań matematyków z początkiem XX wieku. W teorii prawdopodobieństwa i statystyce ten rodzaj zbieżności nazywany jest zbieżnością według prawdopodobieństwa lub zbieżnością stochastyczną.

Definicja

Teoria miary

Niech $(\Omega ,{\mathcal {F}},\mu )$ będzie przestrzenią z miarą oraz $A\in {\mathcal {F}}.$ Mówi się, że ciąg funkcji prawie wszędzie skończonych $f_{n}\colon A\to {\overline {\mathbb {R} }},\,n\in \mathbb {N}$ jest zbieżny według miary do funkcji $f\colon A\to {\overline {\mathbb {R} }},$ gdy:

$\bigwedge \limits _{\varepsilon >0}\ \left[\lim _{n\to \infty }\mu (\{x\in A\colon ,|f_{n}(x)-f(x)|\geqslant \varepsilon \})=0\right].$

Teoria prawdopodobieństwa

Niech $(\Omega ,{\mathcal {F}},P)$ będzie przestrzenią probabilistyczną.

Przypadek jednowymiarowy

Niech $X,X_{1},X_{2},...:\Omega \to \mathbb {R}$ będą zmiennymi losowymi. Ciąg zmiennych losowych $(X_{n})_{n\in \mathbb {N} }$ jest zbieżny według prawdopodobieństwa (lub zbieżny stochastycznie) do zmiennej $X,$ jeżeli

$\bigwedge \limits _{\varepsilon >0}\ \lim \limits _{n\to \infty }P\left(\{\omega \in \Omega :|X_{n}(\omega )-X(\omega )|<\varepsilon \}\right)=1.$

Ciąg zmiennych losowych $(X_{n})_{n\in \mathbb {N} }$ nazywamy stochastycznie zbieżnym do stałej $c,$ jeżeli

$\bigwedge \limits _{\varepsilon >0}\ \lim \limits _{n\to \infty }P\left(\{\omega \in \Omega :|X_{n}(\omega )-c|<\varepsilon \}\right)=1.$

Przypadek wielowymiarowy

Niech $X,X_{1},X_{2},...:\Omega \to \mathbb {R} ^{s}$ będą wektorami losowymi. Ciąg wektorów losowych $(X_{n})_{n\in \mathbb {N} }$ jest zbieżny według prawdopodobieństwa (lub zbieżny stochastycznie) do wektora $X,$ jeżeli

$\bigwedge \limits _{\varepsilon >0}\ \lim \limits _{n\to \infty }P\left(\{\omega \in \Omega :\|X_{n}(\omega )-X(\omega )\|<\varepsilon \}\right)=1,$

gdzie $\|{\cdot }\|:\mathbb {R} ^{s}\to [0,\infty )$ oznacza normę euklidesową w $\mathbb {R} ^{s}.$

Uwagi

• Terminy zbieżność według miary, zbieżność stochastyczna i zbieżność według prawdopodobieństwa są w statystyce i rachunku prawdopodobieństwa stosowane zamiennie.
• Stochastyczna zbieżność ciągu zmiennych losowych $(X_{n})_{n\in \mathbb {N} }$ do stałej $c$ oznacza, że przy $n\to \infty$ gęstość prawdopodobieństwa koncentruje się wokół wartości $c,$ tzn. rozkład jednopunktowy jest rozkładem granicznym ciągu $(X_{n})_{n\in \mathbb {N} }.$
• Zdanie: „ciąg $(f_{n})_{n\in \mathbb {N} }$ jest zbieżny według miary $\mu$ do funkcji $f$”, używając symboliki matematycznej zapisuje się krótko: $f_{n}{\xrightarrow {\mu }}f$

Twierdzenia o zbieżności według miary

• Każdy ciąg zbieżny prawie jednostajnie jest zbieżny prawie wszędzie i według miary (do tej samej funkcji).
• Każdy ciąg zbieżny według miary spełnia warunek Cauchy’ego według miary.
• Twierdzenie Riesza.

Zobacz też

• prawo wielkich liczb
• twierdzenie Jegorowa
• twierdzenie Lebesgue’a o zbieżności monotonicznej
• Warunek Cauchy’ego według miary
• zbieżność według rozkładu

Bibliografia

• Paul R. Halmos: Measure Theory. Springer-Verlag, 1974, s. 91. ISBN 0-387-90088-8.
• Jarosław Bartoszewicz: Wykłady ze statystyki matematycznej. Warszawa: Państwowe Wydawnictwo Naukowe, 1989, s. 52. ISBN 83-01-09054-5.
• Janina Jóźwiak, Jarosław Podgórski: Statystyka od podstaw. Warszawa: Państwowe Wydawnictwo Naukowe, 1995, s. 78. ISBN 83-208-0971-1.