ความเข้าใจง่ายของทฤษฎีบท Halmos-Savage


13

ทฤษฎีบท Halmos-โหดกล่าวว่าสำหรับแบบจำลองทางสถิติเด่นสถิติก็เพียงพอแล้วถ้า (และถ้ามี) สำหรับทุกมีรุ่น -measurable ของเรดอน Nikodym อนุพันธ์ที่เป็น ตัวชี้วัดที่มีสิทธิพิเศษดังกล่าวที่สำหรับและP(Ω,A,P)T:(Ω,A,P)(Ω,A){PP}TdPdPdPP=i=1Picici>0,i=1ci=1PiP

ฉันพยายามเข้าใจอย่างถ่องแท้ว่าทำไมทฤษฎีบทถึงเป็นจริง แต่ฉันก็ไม่ประสบความสำเร็จดังนั้นคำถามของฉันคือว่ามีวิธีที่เข้าใจได้ง่ายหรือไม่


ฉันเชื่อว่าฉันมีลิงค์ที่ถูกต้องที่นี่ โปรดตรวจสอบ & ลบมันถ้าฉันทำผิด
gung - Reinstate Monica

4
อาจช่วยผู้อ่านด้วยคำศัพท์เช่นกำหนด "โมเดลทางสถิติที่โดดเด่น", " measurability" และ "มาตรการพิเศษ"T
Carl

คำตอบ:


7

บทแทรกทางเทคนิค

ฉันไม่แน่ใจว่ามันใช้งานง่ายเพียงใด แต่ผลลัพธ์ทางเทคนิคหลักที่อ้างอิงถึงทฤษฎีบท Halmos-Savage ของคุณมีดังต่อไปนี้:

บทแทรก Letเป็น -finite มาตรการ{A}) สมมติว่าคือชุดของมาตรการเช่นว่าสำหรับทุก ,\ จากนั้นก็มีลำดับหมายเลข nonnegativeและลำดับขององค์ประกอบของ ,เช่นนั้นและทุก\μσ(S,A)(S,A)ννμ{ci}i=1{νi}i=1i=1ci=1νi=1ciνiν

นี้ถูกนำมาคำต่อคำจากทฤษฎีบท A.78 ในSchervish ของทฤษฎีสถิติ (1995) ในนั้นเขาได้กล่าวถึงคุณลักษณะของHypotheses การทดสอบทางสถิติของ Lehmann (1986) ( ลิงก์ไปยังรุ่นที่สาม ) ซึ่งผลมาจากHalmos และ Savageเอง (ดูบทที่ 7) อีกหนึ่งการอ้างอิงที่ดีคือสถิติทางคณิตศาสตร์ของ Shao (ฉบับที่สองปี 2003)ซึ่งผลลัพธ์ที่เกี่ยวข้องคือ Lemma 2.1 และ Theorem 2.2

บทแทรกข้างต้นระบุว่าหากคุณเริ่มต้นด้วยตระกูลของมาตรการที่ควบคุมโดย -finite วัดแล้วในความเป็นจริงคุณสามารถแทนที่การวัดที่มีอำนาจโดยการรวมกันนูนของมาตรการจากภายในครอบครัว Schervish เขียนก่อนระบุทฤษฎีบท A.78σ

"ในแอปพลิเคชันทางสถิติเรามักจะมีคลาสของการวัดซึ่งแต่ละอย่างต่อเนื่องอย่างแน่นอนด้วยความเคารพ -finite วัดมันคงจะดีถ้าวัดที่มีอำนาจเหนือเดียวอยู่ในระดับเดิมหรืออาจสร้างจาก ชั้นเรียนทฤษฎีบทต่อไปนี้แก้ปัญหานี้ "σ

ตัวอย่างคอนกรีต

สมมติว่าเราใช้การวัดของปริมาณซึ่งเราเชื่อว่าจะต้องมีการกระจายอย่างสม่ำเสมอในช่วงสำหรับบางคนที่ไม่รู้จัก0 ในปัญหาทางสถิตินี้เราจะพิจารณาโดยปริยายชุดของโบเรลเป็นมาตรการในซึ่งประกอบด้วยการกระจายสม่ำเสมอในช่วงเวลาทั้งหมดของแบบฟอร์มtheta] นั่นคือถ้าหมายถึงการวัด Lebesgue และสำหรับ ,แสดงถึงการการกระจาย (เช่น X[0,θ]θ>0PR[0,θ]λθ>0PθUniform([0,θ])

Pθ(A)=1θλ(A[0,θ])=A1θ1[0,θ](x)dx
สำหรับทุก Borel ) จากนั้นเราก็มี นี้เป็นชุดของการกระจายผู้สมัครสำหรับการวัดของเราXAR
P={Pθ:θ>0}.
X

ครอบครัวเด่นชัดโดย Lebesgue วัด (ซึ่งคือสิ้นสุด) ดังนั้นบทแทรกเหนือ (กับ ) รับประกันการมีอยู่ของลำดับของตัวเลข nonnegative รวมกับและลำดับของเครื่องแบบกระจายในเช่นนั้น สำหรับแต่ละ0 ในตัวอย่างนี้เราสามารถสร้างลำดับดังกล่าวอย่างชัดเจน!Pλσ=P{ci}i=11{Qi}i=1P

Pθi=1ciQi
θ>0

อันดับแรกให้จะนับของตัวเลขที่มีเหตุผลในเชิงบวก ( นี้สามารถทำได้อย่างชัดเจน ) และให้สำหรับแต่ละฉันถัดไปให้เพื่อให้1 ฉันอ้างว่าการรวมกันของและทำงานได้(θi)i=1Qi=Pθiici=2ii=1ci=1{ci}i=1{Qi}i=1

ที่เห็นนี้แก้ไขและให้เป็นส่วนหนึ่งของ Borelเช่นว่า0 เราจำเป็นต้องแสดงให้เห็นว่า0 ตั้งแต่และแต่ละตัวตั้งไม่สามารถลบมันตามที่สำหรับแต่ละฉันนอกจากนี้เนื่องจากแต่ละเป็นบวกก็ต่อว่าสำหรับแต่ละฉันนั่นคือสำหรับเรามี เนื่องจากแต่ละθ>0ARi=1ciQi(A)=0Pθ(A)=0i=1ciQi(A)=0ciQi(A)=0iciQi(A)=0ii

Qi(A)=Pθi(A)=1θiλ(A[0,θi])=0.
θiเป็นบวกก็ต่อว่าสำหรับแต่ละฉันλ(A[0,θi])=0i

ตอนนี้เลือกการเรียงต่อกันของที่เข้าหาจากด้านบน (สามารถทำได้ เนื่องจากหนาแน่นใน ) จากนั้นเป็นดังนั้นโดยความต่อเนื่องของการวัดเราสรุปได้ว่า และอื่น ๆ0 สิ่งนี้พิสูจน์ข้อเรียกร้อง{θik}k=1{θi}i=1θQRA[0,θθik]A[0,θ]k

λ(A[0,θ])=limkλ(A[0,θik])=0,
Pθ(A)=0

ดังนั้นในตัวอย่างนี้เราสามารถสร้างชุดค่าความน่าจะเป็นนูนที่นับได้จากตระกูลที่เราปกครองซึ่งยังครองทั้งครอบครัวไว้อย่างชัดเจน เลมม่าด้านบนรับประกันได้ว่าสิ่งนี้สามารถทำได้สำหรับครอบครัวที่ถูกครอบงำ (อย่างน้อยตราบใดที่มาตรการการปกครองคือสิ้นสุด)σ

ทฤษฎีบท Halmos-Savage

ดังนั้นตอนนี้ถึงทฤษฎีบท Halmos-Savage (ซึ่งฉันจะใช้สัญกรณ์แตกต่างกันเล็กน้อยกว่าในคำถามเนื่องจากการตั้งค่าส่วนตัว) ให้ทฤษฎีบท Halmos-Savage ทฤษฎีบทการแยกตัวประกอบฟิชเชอร์ - เนย์แมนเป็นเพียงแอปพลิเคชั่นหนึ่งของบทแทรก Doob-Dynkin และกฎลูกโซ่สำหรับอนุพันธ์เรดอน - นิโคดีออกไป!

ทฤษฎีบท Halmos-Savage ปล่อยเป็นแบบจำลองทางสถิติที่โดดเด่น (หมายถึงเป็นชุดของความน่าจะเป็นมาตรการและมีสิ้นสุดการวัดบนเช่นนั้นสำหรับทั้งหมด ปล่อยให้เป็นฟังก์ชันที่วัดได้ที่เป็นมาตรฐาน Borel ช่องว่าง จากนั้นต่อไปนี้จะเทียบเท่า:(X,B,P)PBσμBPμPPT:(X,B)(T,C)(T,C)

  1. Tเพียงพอสำหรับ (หมายความว่ามีความน่าจะเป็นเคอร์เนลเช่นนั้นเป็นรุ่นของสำหรับและทั้งหมดPr:B×T[0,1]r(B,T)P(BT)BBPP
  2. มีลำดับของตัวเลขที่ไม่ใช่ค่าลบเช่นและลำดับของความน่าจะเป็นมาตรการในเช่นสำหรับทั้งหมดที่และ สำหรับแต่ละมีอยู่รุ่น -measurable ของ *{ci}i=1i=1ci=1{Pi}i=1PPPPPP=i=1ciPiPPTdP/dP

พิสูจน์ โดยบทแทรกข้างต้นเราอาจแทนที่โดยสำหรับบางลำดับของตัวเลขที่ไม่จำเป็นเช่นนั้นและลำดับของมาตรการความน่าจะเป็นใน{P}μP=i=1ciPi{ci}i=1i=1ci=1{Pi}i=1P

(1. หมายถึง 2. ) สมมติว่าเพียงพอ จากนั้นเราจะต้องแสดงให้เห็นว่ามีรุ่น -measurable ของสำหรับทุก{P} ให้คือเคอร์เนลความน่าจะเป็นในประโยคของทฤษฎี สำหรับแต่ละและเรามี ดังนั้นเป็นรุ่นสำหรับทั้งหมดTTdP/dPPPrAσ(T)BB

P(AB)=i=1ciPi(AB)=i=1ciAPi(BT)dPi=i=1ciAr(B,T)dPi=Ar(B,T)dP.
r(B,T)P(BT)BB

สำหรับแต่ละให้แสดงรุ่นของ Radon-Nikodym อนุพันธ์บนพื้นที่ที่วัดได้ (โดยเฉพาะอย่างยิ่งคือวัดได้) ดังนั้นสำหรับและเรามี ดังนั้นในความเป็นจริงคือPPfPdP/dP(X,σ(T))fPTBBPP

P(B)=XP(BT)dP=Xr(B,T)dP=Xr(B,T)fPdP=XP(BT)fPdP=XEP[1BfPT]dP=BfPdP.
fPTรุ่น -measurable ของบน{B}) นี่เป็นการพิสูจน์ว่าเงื่อนไขแรกของทฤษฎีบทมีความหมายอย่างที่สองdP/dP(X,B)

(2 หมายถึง 1. ) สมมติว่าหนึ่งสามารถเลือก -measurable รุ่นของสำหรับแต่ละ{P} สำหรับแต่ละปล่อยให้แสดงถึงรุ่นที่เฉพาะเจาะจงของ (เช่นเป็นฟังก์ชันดังกล่าวที่เป็นรุ่น ) เนื่องจากเป็นพื้นที่ Borel มาตรฐานเราอาจเลือกในลักษณะที่ทำให้เคอร์เนลน่าจะเป็น (ดูตัวอย่างเช่นทฤษฎีบท B.32 ในทฤษฎีสถิติของ Schervish (1995)) เราจะแสดงให้เห็นว่าTfPdP/dPPPBBr(B,t)P(BT=t)r(B,t)r(B,T)P(BT)(T,C)rr(B,T)เป็นรุ่นสำหรับและใด ๆ ดังนั้นให้และได้รับ จากนั้นสำหรับเรามี สิ่งนี้แสดงให้เห็นว่าเป็นรุ่นของสำหรับและและการพิสูจน์คือ เสร็จแล้วP(BT)PPBBAσ(T)BBPP

P(AB)=A1BfPdP=AEP[1BfPT]dP=AP(BT)fPdP=Ar(B,T)fPdP=Ar(B,T)dP.
r(B,T)P(BT)PPBB

สรุป. ผลลัพธ์ทางเทคนิคที่สำคัญที่อ้างอิงทฤษฎีบท Halmos-Savage ดังที่นำเสนอในที่นี้คือความจริงที่ว่าตระกูลความน่าจะเป็นของการวัดความน่าจะเป็นจริงโดยการรวมกันของการวัดความน่าจะเป็นนูนออกจากครอบครัว จากผลดังกล่าวส่วนที่เหลือของทฤษฎีบท Halmos-Savage ส่วนใหญ่เป็นเพียงการจัดการกับคุณสมบัติพื้นฐานของอนุพันธ์ Radon-Nikodym และความคาดหวังตามเงื่อนไข

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.