Эмпирический процесс

Тему управления процессом см. в разделе Управление процессами § Модель управления .

В теории вероятностей эмпирический процесс — это случайный процесс , характеризующий отклонение эмпирической функции распределения от ее ожидания.В теории среднего поля рассматриваются предельные теоремы (поскольку число объектов становится большим) и они обобщают центральную предельную теорему для эмпирических мер . Приложения теории эмпирических процессов возникают в непараметрической статистике .

Определение

Для X ₁ , X ₂ , ... X _n независимых и одинаково распределенных случайных величин в R с общей кумулятивной функцией распределения F ( x ) эмпирическая функция распределения определяется выражением

$F_{n}(x)={\frac {1}{n}}\sum _{i=1}^{n}I_{(-\infty ,x]}(X_{i}),$

где I _C – индикаторная функция множества C .

Для каждого (фиксированного) F x n ₍ x ) представляет собой последовательность случайных величин, которые сходятся к F ( x ) почти наверняка по усиленному закону больших чисел . То есть F _n сходится к F поточечно . доказав равномерную сходимость Fn Гливенко и Кантелли усилили этот результат , _F к . по Кантелли теореме Гливенко –

Центрированная и масштабированная версия эмпирической меры — это знаковая мера.

$G_{n}(A)={\sqrt {n}}(P_{n}(A)-P(A))$

Он индуцирует отображение измеримых функций f, заданных формулой

$f\mapsto G_{n}f={\sqrt {n}}(P_{n}-P)f={\sqrt {n}}\left({\frac {1}{n}}\sum _{i=1}^{n}f(X_{i})-\mathbb {E} f\right)$

По центральной предельной теореме $G_{n}(A)$ сходится по распределению к нормальной случайной величине N (0, P ( A )(1 − P ( A ))) для фиксированного измеримого множества A . Аналогично, для фиксированной функции f , $G_{n}f$ сходится по распределению к нормальной случайной величине $N(0,\mathbb {E} (f-\mathbb {E} f)^{2})$, при условии, что $\mathbb {E} f$ и $\mathbb {E} f^{2}$ существовать.

Определение

${\bigl (}G_{n}(c){\bigr )}_{c\in {\mathcal {C}}}$ называется эмпирическим процессом , индексируемым ${\mathcal {C}}$, набор измеримых подмножеств S .

${\bigl (}G_{n}f{\bigr )}_{f\in {\mathcal {F}}}$ называется эмпирическим процессом , индексируемым ${\mathcal {F}}$, набор измеримых функций от S до $\mathbb {R}$.

Важным результатом в области эмпирических процессов является теорема Донскера . Это привело к изучению классов Донскера : наборов функций, обладающих тем полезным свойством, что эмпирические процессы, индексированные этими классами, слабо сходятся к определенному гауссовскому процессу . Хотя можно показать, что классы Донскера являются классами Гливенко–Кантелли , обратное, вообще говоря, неверно.

Пример

В качестве примера рассмотрим эмпирические функции распределения . Для действительных iid случайных величин X ₁ , X ₂ , ..., X _n они определяются выражением

$F_{n}(x)=P_{n}((-\infty ,x])=P_{n}I_{(-\infty ,x]}.$

В этом случае эмпирические процессы индексируются классом ${\mathcal {C}}=\{(-\infty ,x]:x\in \mathbb {R} \}.$ Было показано, что ${\mathcal {C}}$ является классом Донскера, в частности,

${\sqrt {n}}(F_{n}(x)-F(x))$ сходится слабо в $\ell ^{\infty }(\mathbb {R} )$ к броуновскому мосту B ( F ( x )) .

См. также

• Преобразование Хмаладзе
• Слабая сходимость мер
• Теорема Гливенко – Кантелли.

Дальнейшее чтение

• Биллингсли, П. (1995). Вероятность и мера (Третье изд.). Нью-Йорк: Джон Уайли и сыновья. ISBN  0471007102 .
• Донскер, доктор медицины (1952). «Обоснование и расширение эвристического подхода Дуба к теоремам Колмогорова-Смирнова» . Анналы математической статистики . 23 (2): 277–281. дои : 10.1214/aoms/1177729445 .
• Дадли, РМ (1978). «Центральные предельные теоремы для эмпирических мер» . Анналы вероятности . 6 (6): 899–929. дои : 10.1214/aop/1176995384 .
• Дадли, РМ (1999). Равномерные центральные предельные теоремы . Кембриджские исследования по высшей математике. Том. 63. Кембридж, Великобритания: Издательство Кембриджского университета.
• Косорок, М.Р. (2008). Введение в эмпирические процессы и полупараметрический вывод . Серия Спрингера по статистике. дои : 10.1007/978-0-387-74978-5 . ISBN  978-0-387-74977-8 .
• Шорак, Греция ; Веллнер, Дж. А. (2009). Эмпирические процессы с приложениями к статистике . дои : 10.1137/1.9780898719017 . ISBN  978-0-89871-684-9 .
• ван дер Ваарт, Аад В .; Веллнер, Джон А. (2000). Слабая сходимость и эмпирические процессы: с приложениями к статистике (2-е изд.). Спрингер. ISBN  978-0-387-94640-5 .
• Джапаридзе, КО; Никулин, М.С. (1982). «Вероятностные распределения статистики Колмогорова и омега-квадрата для непрерывных распределений с параметрами сдвига и масштаба». Журнал советской математики . 20 (3): 2147. doi : 10.1007/BF01239992 . S2CID   123206522 .

Внешние ссылки

• «Эмпирические процессы: теория и приложения » Дэвида Полларда, учебник, доступный в Интернете.
• «Введение в эмпирические процессы и полупараметрический вывод » Майкла Косорока, еще один учебник, доступный в Интернете.