一致可积

一致可积

如果随机变量$X$在概率空间$(\Omega ,\mathcal{A},P)$是可积的，即
$${\int }_{\Omega }|X|dP<+\infty ，$$
那么则有：
$$\underset{C\to +\infty }{\lim }{\int }_{\Omega }|X|1_{|X(\omega )|>C}dP=0.$$
对于随机序列$Y_1,Y_2,\dots ,Y_n,\dots$，自然也想要
$$\underset{C_n\to +\infty }{\lim }{\int }_{\Omega }|Y_n|1_{|Y_n(\omega )|>C_n}dP=0.$$
注意这里$C_n$和$Y_n$是对应的，那么一致可积的意思就是，如果有一个$C$，能够直接控制这一列随机变量，那么就是一致可积的。
显然，对于每个$C$去计算
$${\int }_{\Omega }|Y_n|1_{|Y_n(\omega )|>C}dP$$
得到的就是一个数列，必然有上确界，记为 s u p n E { ∣ Y n ∣ 1 ∣ Y n ( ω ) ∣ > C } sup_nE\{|Y_n|1_{|Y_n(\omega)|>C}\} supn​E{∣Yn​∣1∣Yn​(ω)∣>C​}，那么如果
lim ⁡ C → + ∞ s u p n E { ∣ Y n ∣ 1 ∣ Y n ( ω ) ∣ > C } = 0 , {\lim_{C \to +\infty}}sup_nE\{|Y_n|1_{|Y_n(\omega)|>C}\}=0, C→+∞lim​supn​E{∣Yn​∣1∣Yn​(ω)∣>C​}=0,
就可以说一致可积了，因为对于每个$C$，这个随机变量 E { ∣ Y n ∣ 1 ∣ Y n ( ω ) ∣ > C } E\{|Y_n|1_{|Y_n(\omega)|>C}\} E{∣Yn​∣1∣Yn​(ω)∣>C​}自然都小于其上界 s u p n E { ∣ Y n ∣ 1 ∣ Y n ( ω ) ∣ > C } sup_nE\{|Y_n|1_{|Y_n(\omega)|>C}\} supn​E{∣Yn​∣1∣Yn​(ω)∣>C​}，$C$能够控制这个上界让它收敛到0，就是所谓的“一致”，否则则说明在 { C n } \{C_n\} {Cn​}中找不到一个统一的$C$。

等价定义

$$\begin{gathered} su{p}_{n}E|Y_n|<+\infty \\ \forall ϵ,\exists \delta s.t.\forall A\in \mathcal{A}\&P(A)<\delta , \\ su{p}_{n}E|Y_n|1_A<ϵ \end{gathered}$$
证明略。
同理也是，$E|Y_n|$存在可以得到，
$$\underset{C\to +\infty }{\lim }{\int }_{\Omega }|Y_n|1_{|Y_n(\omega )|>C}dP=0.$$
自然可以找到一个对应的 ${\delta }_n$，但是，$\delta$是他们之中最小的那个，不一定存在。因此直接找${\delta }_n$和$\delta$有一定困难，一般都是直接考虑$su{p}_{n}E|Y_n|1_A$并利用各种不等式来证明一致可积，而这，往往都是充要条件才比较可行。