Fraca e fraca- * convergência de medidas de probabilidade

Aug 27 2020

Presumir $\mu_n,\mu$ são medidas de probabilidade Borel em $X=\mathbb{R}$ (ou mais geralmente em um espaço polonês $X$) Assuma também que$\mu_n\stackrel{*}{\rightharpoonup}\mu$, ou seja, $\int f\ d\mu_n\to\int f\ d\mu$ para todas as funções contínuas $f\in C_0(X)$desaparecendo no infinito. Existem condições necessárias, seja em$\mu$ ou $X$, implicando que $\mu_n\rightharpoonup\mu$, ou seja, $\int f\ d\mu_n\to\int f\ d\mu$ para todas as funções contínuas limitadas $f\in C_b(X)$? Eu sei que se$X$ é compacto, então essas duas noções de convergência são equivalentes, então estou procurando condições mais fracas do que compactação de $X$ ou $\text{supp}(\mu)$. À luz do teorema de Prokhorov, também podemos perguntar: sob quais condições em$X$ ou $\mu$é uma seqüência convergente fraca * firme? Talvez se$\mu$ satisfaz alguma condição de integrabilidade, por exemplo, finitude do primeiro momento?

Respostas

AndréCaldas Aug 27 2020 at 23:07

Como você já sabe disso $\mu$ é uma probabilidade, significa que nenhuma medida está "vazando" para $\infty$. Por exemplo, pegue$$\mu_n(A) = \begin{cases}1,&n \in A \\ 0,& n \not \in A\end{cases}.$$ Nesse caso, $\mu_n \xrightarrow{*} 0$.

Isso não acontece no seu caso.

Agora, para qualquer $\varepsilon > 0$, você pode escolher um conjunto compacto $K \subset \mathbb{R}$ de tal modo que $\mu(K) > 1 - \varepsilon$. E você pode pegar alguns$g \in C_0$ de tal modo que $g|_K = 1$e $0 \leq g \leq 1$. Observe que se$n$ é grande o suficiente, $$ \int g \,\mathrm{d}\mu_n \geq \int g \,\mathrm{d}\mu - \varepsilon \geq \mu(K) > 1 - \varepsilon. $$ Portanto, para qualquer grande o suficiente $n$, $$ \int (1-g) \,\mathrm{d}\mu_n < \varepsilon. $$

Então, para qualquer limite contínuo $f$, para qualquer grande o suficiente $n$, $$ \left| \int f \,\mathrm{d}\mu_n - \int gf \,\mathrm{d}\mu_n \right| = \left| \int (1-g)f \,\mathrm{d}\mu_n \right| \leq \sup |f| \varepsilon. $$ Considerar $$ \left| \int f \,\mathrm{d}\mu_n - \int f \,\mathrm{d}\mu \right| \leq \left| \int f \,\mathrm{d}\mu_n - \int gf \,\mathrm{d}\mu_n \right| + \left| \int gf \,\mathrm{d}\mu_n - \int gf \,\mathrm{d}\mu \right| + \left| \int gf \,\mathrm{d}\mu - \int f \,\mathrm{d}\mu \right|. $$ Já mostramos que o primeiro termo do lado direito pode ser feito menos que $\sup |f| \varepsilon$ para $n$grande o suficiente. O segundo termo pode ser reduzido, para$\mu_n \xrightarrow{*} \mu$e $gf \in C_0$. E o último termo também é menor que$\sup |f| \varepsilon$, pela escolha de $K$. Desde a$\varepsilon$ foi arbitrário, $\int f \,\mathrm{d}\mu_n \rightarrow \int f \,\mathrm{d}\mu$.

O ponto chave é que $\mu$é uma medida de probabilidade. A diferença entre os dois tipos de convergência é que um pode convergir para uma não probabilidade enquanto o outro diverge.