一致可积
如果随机变量
X
X
X在概率空间
(
Ω
,
A
,
P
)
(\Omega, \mathcal{A}, P)
(Ω,A,P)是可积的,即
∫
Ω
∣
X
∣
d
P
<
+
∞
,
\int_{\Omega}|X|dP<+\infty,
∫Ω∣X∣dP<+∞,
那么则有:
lim
C
→
+
∞
∫
Ω
∣
X
∣
1
∣
X
(
ω
)
∣
>
C
d
P
=
0.
{\lim_{C \to +\infty}}\int_{\Omega}|X|1_{|X(\omega)|>C}dP=0.
C→+∞lim∫Ω∣X∣1∣X(ω)∣>CdP=0.
对于随机序列
Y
1
,
Y
2
,
…
,
Y
n
,
…
Y_1, Y_2, \dots, Y_n, \dots
Y1,Y2,…,Yn,…,自然也想要
lim
C
n
→
+
∞
∫
Ω
∣
Y
n
∣
1
∣
Y
n
(
ω
)
∣
>
C
n
d
P
=
0.
{\lim_{C_n \to +\infty}}\int_{\Omega}|Y_n|1_{|Y_n(\omega)|>C_n}dP=0.
Cn→+∞lim∫Ω∣Yn∣1∣Yn(ω)∣>CndP=0.
注意这里
C
n
C_n
Cn和
Y
n
Y_n
Yn是对应的,那么一致可积的意思就是,如果有一个
C
C
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
C
C去计算
∫
Ω
∣
Y
n
∣
1
∣
Y
n
(
ω
)
∣
>
C
d
P
\int_{\Omega}|Y_n|1_{|Y_n(\omega)|>C}dP
∫Ω∣Yn∣1∣Yn(ω)∣>CdP
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}\}
supnE{∣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→+∞limsupnE{∣Yn∣1∣Yn(ω)∣>C}=0,
就可以说一致可积了,因为对于每个
C
C
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}\}
supnE{∣Yn∣1∣Yn(ω)∣>C},
C
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
C
C。
等价定义
s
u
p
n
E
∣
Y
n
∣
<
+
∞
∀
ϵ
,
∃
δ
s
.
t
.
∀
A
∈
A
&
P
(
A
)
<
δ
,
s
u
p
n
E
∣
Y
n
∣
1
A
<
ϵ
sup_nE|Y_n|<+\infty \\ \forall \epsilon, \exist \delta \ s.t. \ \forall A \in \mathcal{A} \ \& \ P(A)<\delta, \\ sup_nE|Y_n|1_{A} < \epsilon
supnE∣Yn∣<+∞∀ϵ,∃δ s.t. ∀A∈A & P(A)<δ,supnE∣Yn∣1A<ϵ
证明略。
同理也是,
E
∣
Y
n
∣
E|Y_n|
E∣Yn∣存在可以得到,
lim
C
→
+
∞
∫
Ω
∣
Y
n
∣
1
∣
Y
n
(
ω
)
∣
>
C
d
P
=
0.
{\lim_{C \to +\infty}}\int_{\Omega}|Y_n|1_{|Y_n(\omega)|>C}dP=0.
C→+∞lim∫Ω∣Yn∣1∣Yn(ω)∣>CdP=0.
自然可以找到一个对应的
δ
n
\delta_n
δn,但是,
δ
\delta
δ是他们之中最小的那个,不一定存在。因此直接找
δ
n
\delta_n
δn和
δ
\delta
δ有一定困难,一般都是直接考虑
s
u
p
n
E
∣
Y
n
∣
1
A
sup_nE|Y_n|1_{A}
supnE∣Yn∣1A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。