[논문 리뷰] Weak Convergence (IA). Sequences of Random Vectors

Gane Samb Lô, Modou Ngom외 1명|arXiv (Cornell University)|2016. 10. 18.

Probability and Risk Models참고 문헌 5인용 수 17

한 줄 요약

이 논문은 $ℝ^k$에서의 랜덤 벡터 수열에 대한 약한 수렴에 대해 자립적이고 엄밀한 다루기를 제공하며, 거리공간에서의 기본 결과와 점점 증가하는 통계에의 응용을 포함한다. 포트만테오 정리, 연속 함수 변환 정리, 기능적 경험 과정과 같은 핵심 도구를 수립하고, 분포 수렴과 특성 함수 수렴의 등가성을 증명하며, 다변량 중심극한정리와 극값 이론 응용에 중점을 둔다.

ABSTRACT

(English) This monograph aims at presenting the core weak convergence theory for sequences of random vectors with values in $\mathbb{R}^k$. In some places, a more general formulation in metric spaces is provided. It lays out the necessary foundation that paves the way to applications in particular subfields of the theory. In particular, the needs of Asymptotic Statistics are addressed. A whole chapter is devoted to weak convergence in $\mathbb{R}$ where specific tools, for example for handling weak convergence of sequences using independent and indentically distributed random variables such that the Renyi's representations by means of standard uniform or exponential random variables, are stated. The function empirical process is presented as a powerful tool for solving a considerable number of asymptotic problems in Statistics. The text is written in a self-contained approach whith the proofs of all used results at the exception of the general Skorohod-Wichura Theorem.

연구 동기 및 목표

• $ℝ^k$에서의 랜덤 벡터 수열과 일반적인 거리공간에서의 약한 수렴에 대해 엄밀하고 자립적인 기초를 구축하기.
• 특히 다변량 극한정리와 경험 과정 이론에서의 핵심 요구사항을 해결하기.
• 특성 함수, 분포 함수, 그리고 타이트성 기준을 통한 수렴 분석을 위한 도구를 제공하기.
• 기능적 경험 과정을 통계적 점점 증가 문제 해결의 통합 도구로 제시하기.
• 분포 수렴과 특성 함수 수렴의 등가성을 증명하고, 다변량 중심극한정리 및 극값 이론에의 응용을 포함하기.

제안 방법

• 약한 수렴의 중심적 특성으로 포트만테오 정리를 사용하여 분포 수렴을 연속 집합에서의 확률 수렴과 연결한다.
• 연속 함수 변환 정리를 적용하여 약한 수렴 하에서 랜덤 벡터의 함수의 수렴을 도출한다.
• 특성 함수를 수렴을 증명하는 핵심 도구로 활용하고, 르베 특성 정리의 응용을 통해 분석한다.
• 기능적 경험 과정을 경험 과정에서의 약한 수렴 분석을 위한 강력한 도구로 도입한다.
• 증명 없이 스코로호드-비히우라 정리를 적용하여 거의 확실히 수렴하는 랜덤 벡터의 형태를 구성함으로써 수렴 증명을 가능하게 한다.
• 특히 다항분포와 경험 분포에 대해 $ℝ^k$에서의 약한 수렴을 확립하기 위해 타이트성 및 상대적 컴acts성 기준을 활용한다.

실험 결과

연구 질문

• RQ1 $ℝ^k$에 값을 갖는 랜덤 벡터 수열의 약한 수렴을 위한 필수 및 충분 조건은 무엇인가?
• RQ2 특성 함수는 어떻게 약한 수렴을 특성화할 수 있으며, 르베 특성 정리는 어떤 역할을 하는가?
• RQ3 기능적 경험 과정은 통계 모델에서 점점 증가 행동 분석을 어떻게 용이하게 하는가?
• RQ4 다변량 델타 방법과 다항분포 법칙의 약한 수렴은 점점 증가 추론에 어떻게 기여하는가?
• RQ5 실수값 랜덤 변수 수열이 극한을 갖는 조건는 무엇이며, 이는 어떤 유리수 간격에 대한 업크로싱 기준과 코시 수열과 어떻게 관련되는가?

주요 결과

• $ℝ^k$에서의 약한 수렴은 르베 특성 정리에 의해 특성 함수 수렴과 등가임이 보장된다.
• 기능적 경험 과정은 특히 경험 분포에 대한 약한 수렴 결과 유도에 강력한 도구로 밝혀졌다.
• 연속 함수 변환 정리는 약한 수렴이 연속 변환 하에서도 유지됨을 보장하여, 랜덤 벡터의 함수의 수렴 가능성을 보장한다.
• 특히 다항분포와 경험 법칙에 응용되는 $ℝ^k$에서의 타이트성과 상대적 컴acts성은 약한 수렴의 충분 조건이다.
• 모순과 상한/하한 극한 분석을 통해 실수값 수열의 유한한 극한 존재성과 모든 유리수 간격에 대한 업크로싱 수의 유한성 간의 등가성을 확립하였다.
• 실수에서의 코시 수열은 항 간의 차이가 0으로 수렴할 때에만 수렴함이 보여졌으며, 이는 유한한 극한의 존재를 의미한다.