Skip to content

定义Definition

一致可积性

施工中 · 内容逐步修订

Uniform integrability · Uniformly integrable family

一族可积随机变量在统一截断水平之外的绝对期望可以一致地趋于零。

形式陈述 ​

设 X 是同一概率空间上的一族可积实随机变量。若

limK→∞supX∈XE[|X|1{|X|>K}]=0,

则称 X 一致可积,简称 UI。这里控制的是尾部的绝对期望,不是只有尾事件的概率。量词的顺序也不能交换:必须先找到一个共同的 K,再让族中每个变量的尾部贡献都小。每个变量分别可积只保证各自的尾部趋于零。

UI 蕴含 supX∈XE|X|<∞:取尾部期望统一小于 1 的 K,分成 |X|≤K 与其补集即可得到 E|X|≤K+1。反向一般不成立。概率空间上另一个等价判据是:绝对期望统一有界,并且对每个 ε>0,存在 δ>0,使

P(A)<δ⟹supX∈XE[|X|1A]<ε.

从尾部定义出发,右端至多为 KP(A)+supXE[|X|1|X|>K];反过来,绝对期望的统一界与Markov 不等式保证 P(|X|>K) 一致变小,再应用小集合判据。

直觉

均值有界只限制总量;UI 还限制这些总量能否集中在越来越罕见、数值越来越大的事件上。一个序列在几乎每条路径上趋于零,仍可能靠极少数巨大值保持均值为一。UI 排除的正是这种“路径上消失、期望中仍有质量”的现象。

寻找共同控制变量是检验 UI 的一种方便方法。若 |X|≤Y 对族中所有变量成立,且 EY<∞,则

supXE[|X|1|X|>K]≤E[Y1Y>K]⟶0.

最后一步由控制收敛定理保证。UI 的定义本身不要求先找出这样一个 Y;直接估计尾部往往更灵活。

例子与边界

高度增长仍可一致可积 ​

令 U 在 (0,1) 上均匀分布,Xn=n21{U<n−3},n≥1。它的高度为 n2,出现概率为 n−3,所以 EXn=1/n。当 n2≤K 时尾部贡献为零;当 n2>K 时,贡献为 1/n。因此对 K≥1,

supnE[Xn1Xn>K]=supn>K1n≤K−1/2.

这给出共同截断的明确选择:要使尾部小于 ε,可取 K>ε−2。对每个 U>0,事件 U<n−3 最终不再发生,故 Xn→0 几乎必然;同时 E|Xn|=1/n→0。

若把概率改成 n−2,即 Yn=n21{U<n−2},则依然几乎必然趋于零,却有 EYn=1。对每个有限 K,总能选到 n2>K,该变量的全部期望都在尾部,故尾部期望的上确界恒为 1。这说明一致 L1 有界不足以推出 UI。

高阶矩是便于使用的充分条件 ​

若某个 p>1 满足 supXE|X|p=C<∞,则在 |X|>K 上有 |X|≤K1−p|X|p,从而尾部期望至多为 CK1−p。这里 p>1 正是让截断误差衰减的条件;取 p=1 就回到上面的失败边界。

推论与应用

Vitali 判据的双向截断证明 ​

设 Xn 可积,X 为同一空间上的有限实随机变量,且 Xn→X 依概率。则 Xn→X 在 L1 中成立,当且仅当 {Xn} UI。

先假设 UI。统一一阶矩有界;依概率收敛的子列原则给出一个几乎必然收敛子列,沿它使用Fatou 引理得到 E|X|<∞。令 TK(x)=max(−K,min(x,K))。它是1-Lipschitz函数,且对任意 η>0,

E|TK(Xn)−TK(X)|≤η+2KP(|Xn−X|>η).

固定 K,先令 n→∞、再令 η↓0,便得有界部分的 L1 收敛;这里没有把依概率收敛误当成逐路径收敛。又有

E|Xn−X|≤E|TK(Xn)−TK(X)|+E[|Xn|1|Xn|>K]+E[|X|1|X|>K].

先令 n→∞,再令 K→∞;第二项由 UI 统一消去,第三项由可积 |X| 支配的控制收敛消去,得到结论。

反过来,若 E|Xn−X|→0 且 X∈L1,将 {|Xn|>K} 按 |X|≤K/2 与其补集拆开。第一部分上 |Xn|≤2|Xn−X|,第二部分用三角不等式,得到

E[|Xn|1|Xn|>K]≤2E|Xn−X|+E[|X|1|X|>K/2].

给定 ε>0,先选 n0 使 n≥n0 时第一项小于 ε/2,再选共同 K 使第二项小于 ε/2。剩下有限多个 X1,…,Xn0−1 分别可积,其尾部都趋零;将 K 再增大便同时控制全族。这就闭合了反向证明。

这一判据在鞅的 L¹ 收敛定理中把路径极限提升为均值极限;在可选停止定理中,它保证有界截断停时的结论能够传到无界停时。使用时应明确检查的是原变量族还是停止后的变量族,两者不能不加论证地互换。

自测。 若 supnE|Zn|3/2≤8,怎样保证所有尾部期望不超过 0.1?上面的估计为 8/K,因此 K≥6400 足够。这个检验给出可用的共同阈值,不要求知道每个 Zn 的具体分布。

参考资料
  • Rick Durrett, Probability: Theory and Examples, 5th ed., Cambridge University Press, 2019,2019-01-11 作者稿,§4.6,印页244–246,Theorems 4.6.1–4.6.3及完整证明(一致可积判据与Vitali收敛);本页明确展开有界依概率收敛的阈值拆分及反向统一尾界。
关系图谱15 个相邻概念 · 2 类关系

拖动节点调整位置。

显示关系

显示:依赖

  1. 前置三跳
  2. 前置二跳
  3. 前置一跳
  4. 当前条目
  5. 后续一跳
  6. 后续二跳
  7. 后续三跳
文字版关系按与当前条目的最短距离分组
类型化关系