Приложение 1

П-3. Теоремы о наследовании сходимости

          Суть проблемы наследования сходимости. Пусть распределения случайных величин X_n при n → ∞ стремятся к распределению случайной величины Х. При каких функциях f можно утверждать, что распределения случайных величин f(X_n) сходятся к распределению f(X), т.е. наследуется сходимость?

          Хорошо известно, что для непрерывных функций f сходимость наследуется [3]. Однако в прикладной статистике  и, в частности, в нечисловой статистике используются различные обобщения этого утверждения. Необходимость обобщений связана с тремя обстоятельствами.

          1) Статистические данные могут моделироваться не только случайными величинами, но и случайными векторами, случайными множествами, случайными элементами произвольной природы (т.е. функциями на вероятностном пространстве со значениями в произвольном множестве).

          2) Переход к пределу должен рассматриваться не только для случая безграничного возрастания объема выборки, но и в более общих случаях. Например, если в постановке статистической задачи участвуют несколько выборок объемов n(1), n(2), … , n(k), то вполне обычным является предположение о безграничном росте всех этих объемов (что можно описать и как min {n(1), n(2), … , n(k)} → ∞).

          3) Функция f не обязательно является непрерывной. Она может иметь разрывы. Кроме того, она может зависеть от параметров, по которым происходит переход к пределу. Например, может зависеть от объемов выборок. Например, если в постановке статистической задачи участвуют несколько выборок объемов n(1), n(2), … , n(k), то, как правило, необходимо рассматривать функции вида f = f(n(1), n(2), … , n(k)).

          Расстояние Прохорова и сходимость по направленному множеству. Введем необходимые для дальнейшего изложения понятия.

          Для определения расстояния (метрики) Прохорова нужны предварительные определения. Пусть С – некоторое пространство, А – его подмножество, d – метрика в С. Введем понятие ε-окрестности множества А в метрике d:

S(A,ε) = {x С: d(A,x) < ε}.

Таким образом, ε-окрестность множества А – это совокупность всех точек пространства С, отстоящих от А не более чем на положительное число ε. При этом расстояние от точки х до множества А – это точная нижняя грань расстояний от х до точек множества А, т.е.

d(A,x) = inf{d(x,y): yA}.

          Пусть P₁ и P₂ – две вероятностные меры на С (т.е. распределения двух случайных элементов со значениями в С). Пусть D₁₂ – множество чисел ε > 0 таких, что

P₁(A) < P₂(S(A,ε)+ε

для любого замкнутого подмножества А пространства С. Пусть D₂₁ – множество чисел ε > 0 таких, что

P₂(A) < P₁(S(A,ε)+ε

для любого замкнутого подмножества А пространства С. Расстояние Прохорова L(P₁,P₂) между вероятностными мерами (его можно рассматривать и как расстояние между случайными элементами с распределениями P₁ и P₂ соответственно) вводится формулой

L(P₁,P₂) = max (inf D₁₂, inf D₂₁).

С помощью метрики Прохорова формализуется понятие сходимости распределений случайных элементов в произвольном пространстве.

          Расстояние L(P₁,P₂) введено академиком РАН Юрием Васильевичем Прохоровым в середине ХХ в. и широко используется в современной теории вероятностей.

          Сходимость по направленному множеству [4, с.95-96]. Бинарное отношение > (упорядочение), заданное на множестве В, называется направлением на нем, если В не пусто и

          (а) если m, n и p – такие элементы множества В, что m > n и n > p, то m > p;

          (б) m > m для любого m из B;

          (в) если m и n принадлежат B, то найдется элемент p из B такой, что p > m и p > n.

          Направленное множество – это пара (В, >), где > - направление на множестве В. Направленностью (или «последовательностью по направленному множеству») называется пара (f, >), где f – функция, > - направление на ее области определения. Пусть f: B → Y, где Y – топологическое пространство. Направленность (f, >) сходится в топологическом пространстве Y к точке y₀, если для любой окрестности U точки y₀ найдется p из B такое, что f(q)U при любом q > p. В таком случае говорят также о сходимости по направленному множеству.

          Пусть В = {(n(1), n(2), … , n(k))} – совокупность векторов, каждый из которых составлен из объемов k выборок. Пусть

(n(1), n(2), … , n(k)) > (n₁(1), n₁(2), … , n₁(k))

тогда и только тогда, когда n(i) > n₁(i) при всех i = 1, 2, …, k. Тогда (В, >) – направленное множество, сходимость по которому эквивалентна сходимости при min {n(1), n(2), … , n(k)} → ∞.

          Чтобы охватить различные частные случаи, целесообразно предельные теоремы формулировать в терминах сходимости по направленному множеству. Будем писать B = {α}. Пусть запись α→∞ обозначает переход к пределу по направленному множеству.

          Формулировка проблемы наследования сходимости. Пусть случайные элементы X_α со значениями в пространстве С сходятся при α→∞ к случайному элементу Х, где через α→∞ обозначен переход к пределу по направленному множеству. Сходимость случайных элементов означает, что L(X_α, X) → 0 при α→∞, где L – метрика Прохорова в пространстве С.

          Пусть f_α: C → Y – некоторые функции. Какие условия надо на них наложить, чтобы из L(X_α, X) → 0 вытекало, что L₁(f_α(X_α), f_α(X)) → 0 при α→∞, где L₁ – метрика Прохорова в пространстве Y? Другими словами, какие условия на функции f_α: C → Y гарантируют наследование сходимости?

          В работах [5, 6] найдены необходимые и достаточные условия на функции f_α: C → Y, гарантирующие наследование сходимости. Описанию этих условий посвящена оставшаяся часть настоящего подраздела П-3.

          Приведем для полноты изложения строгие формулировки математических предположений. 

          Математические предположения. Пусть С и У – полные сепарабельные метрические пространства, Пусть выполнены обычные предположения измеримости: Х_α и Х – случайные элементы С, f_α(Х_α) и  f_α(Х) – случайные элементы в У, рассматриваемые ниже подмножества пространств С и У лежат в соответствующих σ–алгебрах измеримых подмножеств, и т.д.

          Понадобятся некоторые определения. Разбиение Т_n = {C_1n, C_2n, … , C_nn} пространства С – это такой набор подмножеств C_j, j = 1, 2, … , n, этого пространства, что пересечение любых двух из них пусто, а объединение совпадает с С. Диаметром diam(A) подмножества А множества С называется точная верхняя грань расстояний между элементами А, т.е.

diam(A) = sup {d(x,y), xA, yA},

где d(x,y) – метрика в пространстве С. Обозначим ∂А границу множества А, т.е. совокупность точек х таких, что любая их окрестность U(x) имеет непустое пересечение как с А, так и с C\А. Колебанием δ(f, B) функции f на множестве B называется δ(f, B) = sup {|f(x) – f(y)|, xB, yB}.

          Достаточное условие для наследования сходимости. Пусть L(X_α,X) → 0 при α → ∞. Пусть существует последовательность Т_n разбиений пространства С такая, что Р(Х∂А) = 0 для любого А из Т_n и, основное условие, для любого ε > 0

           (1)

при n →∞ и α→∞, где сумма берется по всем тем А из Т_n, для которых колебание функции f_α на А больше ε, т.е. δ(f_α, А) > ε. Тогда L₁(f_α(X_α), f_α(X)) → 0 при α→∞.

          Необходимое условие для наследования сходимости. Пусть У – конечномерное линейное пространство, У = R^k. Пусть случайные элементы f_α(X) асимптотически ограничены по вероятности при α→∞, т.е. для любого ε > 0 существуют число S(ε) и элемент направленного множества α(ε) такие, что Р(||f_α(X)||> S(ε))<ε при α > α(ε), где ||f_α(X)|| - норма (длина) вектора f_α(X). Пусть существует последовательность Т_n разбиений пространства С такая, что

,

т.е. последовательность Т_n является безгранично измельчающейся. Самое существенное – пусть условие (1) не выполнено для последовательности Т_n. Тогда существует последовательность случайных элементов X_α такая, что L(X_α,X) → 0 при α → ∞, но L₁(f_α(X_α), f_α(X)) не сходится к 0 при α → ∞.

          Несколько огрубляя, можно сказать, что условие (1) является необходимым и достаточным для наследования сходимости.

          Пример 1. Пусть С и У – конечномерные линейные пространства, функции f_α не зависят от α, т.е. f_α ≡ f, причем функция f ограничена. Тогда условие (1) эквивалентно требованию интегрируемости по Риману-Стилтьесу функции f по мере G(A) = P(XA). В частности, условие (1) выполнено для непрерывной функции f.

          В конечномерных пространствах С вместо сходимости L(X_α,X) → 0 при α → ∞ можно говорить о слабой сходимости функций распределения случайных векторов X_α к функции распределения случайного вектора X. Речь идет о «сходимости по распределению», т.е. о сходимости во всех точках непрерывности функции распределения случайного вектора X. В этом случае разбиения могут состоять из многомерных параллелепипедов [5, гл.2].

          Пример 2. Полученные выше результаты дают обоснование для рассуждений типа следующего. Пусть по двум независимым выборкам объемов m и n соответственно построены статистики X_m и Y_n. Пусть известно, что распределения этих статистик сходятся при безграничном росте объемов выборок к стандартному нормальному распределению с математическим ожиданием 0 и дисперсией 1. Пусть a(m, n) и b(m, n) – некоторые коэффициенты. Тогда согласно результатам примера 1 распределение случайной величины Z(m, n) = a(m, n)X_m + b(m, n)Y_n сближается с распределением нормально распределенной случайной величины с математическим ожиданием 0 и дисперсией a²(m, n) + b²(m, n). Если же a²(m, n) + b²(m, n) = 1, например,

,

то распределение Z(m, n) сходится при безграничном росте объемов выборок к стандартному нормальному распределению с математическим ожиданием 0 и дисперсией 1.