Upload
others
View
2
Download
0
Embed Size (px)
Citation preview
数学特論C4「確率論」(2005年後期)
谷 口 説 男(九州大学数理学研究院)
1. 確率空間
Def 1.1. (i) Ωを集合とする.2Ω = A |A ⊂ Ωとする.F ⊂ 2Ω が σ 加法族であるとは次の 3条件が満たされることをいう.
(a) Ω, ∅ ∈ F, (b) A ∈ F ならば Ac = Ω \ A = ω ∈ Ω |ω /∈ A ∈ F,(c) An ∈ F,n = 1, 2, . . .,ならば,
∞∪n=1
An ∈ F.
(ii) Ωを集合,F を Ω上の σ加法族とするとき,組 (Ω,F)を可測空間 (measurable space)と呼ぶ.Ex 1.2. (i) F = ∅, Ωは σ加法族である.
(ii) F = 2Ω は σ加法族である.
(iii) A ⊂ Ωとする.F = ∅, A, Ω \ A,Ωは σ加法族である.
Lem 1.3. A ⊂ 2Ω とし,
σ(A) =A ⊂ Ω | A ⊂ F なる任意の σ加法族 F に対し,A ∈ F
とおく.σ(A)は σ加法族である.とくに,次の意味で σ(A)はAを含む最小の σ加法族である; F がA ⊂ Fなる σ加法族であれば,σ(A) ⊂ F となる.Q 1.1. Lem1.3を証明せよ.Def 1.4. (i) σ(A)をAにより生成される σ加法族という.
(ii) Ωが位相空間であり,Oをその開部分集合の全体とする.σ(O)を B(Ω)と表し,Ωのボレル σ加法族と呼ぶ.
Q 1.2. Ωを位相空間とし,C をその閉部分集合の全体とする.σ(C) = B(Ω)となることを示せ.Q 1.3. Ω = R2とする.P = (a, b) × (c, d) | a < b, c < d, a, b, c, d ∈ Rとおく.σ(P) = B(R2)となることを示せ.
Def 1.5. 可測空間 (Ω,F)上の確率測度 (probability measure)P とは,写像 P : F → [0, 1]で次の条件を満たすものをいう.
(a) P (Ω) = 1, (b) An ∈ F かつ An ∩ Am = ∅ ならば,P
( ∞∪n=1
An
)=
∞∑n=1
P (An)
三つ組 (Ω,F , P )を確率空間 (probability space)と呼ぶ.性質 (b)を σ加法性という.
Prop 1.6. (i) P (∅) = 0.
(ii) A,B ∈ F,B ⊂ Aならば P (A\B) = P (A)−P (B).とくに P (B) ≤ P (A).また P (Ω\A) = 1−P (A).
(iii) An ∈ F,An ⊂ An+1,n = 1, 2, . . .,ならば P
( ∞∪n=1
An
)= lim
n→∞P (An).
(iv) An ∈ F,An ⊃ An+1,n = 1, 2, . . .,ならば P
( ∞∩n=1
An
)= lim
n→∞P (An).
(v) P
( ∞∪n=1
An
)≤
∞∑n=1
P (An).
証明. (i) ∅ ∪ ∅ = ∅,∅ ∩ ∅ = ∅より,
P (∅) = P (∅ ∪ ∅) = P (∅) + P (∅). ∴ P (∅) = 0.
(ii) A = B ∪ (A \ B)に σ加法性を適用する.
(iii) B1 = A1,Bn = An \An−1,n ≥ 2,とおく.An =n∪
k=1
Bk,∞∪
k=1
Bk =∞∪
n=1An,Bi ∩Bj = ∅ (i 6= j)であ
る.よって
P
( ∞∪n=1
An
)= P
( ∞∪k=1
Bk
)=
∞∑k=1
P (Bk) = limn→∞
n∑k=1
P (Bk) = limn→∞
P
( n∪k=1
Bk
)= lim
n→∞P (An).
(iv) Bn = Ω \ An として (ii),(iii)を用いる;
P
( ∞∩n=1
An
)= 1 − P
( ∞∪n=1
Bn
)= lim
n→∞1 − P (Bn) = lim
n→∞P (An).
(v) Bn = An \n−1∪k=1
Ak とおく.このとき,Bn ⊂ An,∞∪
n=1Bn =
∞∪n=1
An,Bi ∩ Bj = ∅ (i 6= j)である.よって
P
( ∞∪n=1
An
)= P
( ∞∪n=1
Bn
)=
∞∑n=1
P (Bn) ≤∞∑
n=1
P (An).
Ex 1.7. 確率空間 (Ω,F , P )の例を挙げる.(i) Ω = 1, 2, . . . , N,F = 2Ω,P (A) = (Aの元の個数)/N.
N = 6は公平なサイコロ投げに対応する.
(ii) an > 0,∞∑
n=1an = 1.Ω = x1, x2, . . . ,F = 2Ω,P (A) =
∞∑n=1
an1A(xn).ただし
1A(x) =
1, (x ∈ A),0, (x /∈ A).
(iii) Ω = [0, 1],F = B([0, 1]),P (A) = |A| (Aの Lebesgue測度).Def 1.8. ω ∈ Ω毎に命題 A(ω)が与えられているとする.P (N) = 0なる N ∈ F が存在し,ω /∈ N ならばA(ω)が真であるとき,命題 Aはほとんど確実に成り立つといい,A a.s.と表す.Ex 1.9. Ω = [0, 1],F = B([0, 1]),P を Lebesgue 測度とする.A(ω) = を “ω は無理数である” とする.N = [0, 1] ∩ Qとすれば,N ∈ B([0, 1]) かつ P (N) = 0である.したがって,ほとんど確実に “ωは無理数である”.
2. 期待値
(Ω,F , P )を確率空間とする.Def 2.1. X : Ω → Rが確率変数 (random variable)であるとは,任意の B ∈ B(R)に対し,
X−1(B) = ω ∈ Ω |X(ω) ∈ B ∈ F
が成り立つことをいう.
Q 2.1. 任意の −∞ < a < ∞に対し,X−1((−∞, a]) ∈ F を満たせば,X は確率変数であることを示せ.Hint: G = B ∈ B(R) |X−1(B) ∈ Fとおき,G が全ての開集合を含む σ加法族であることを示せ.
Lem 2.2. (i) X,Y を確率変数,a, b ∈ Rとする.aX + bY,XY もまた確率変数である.
(ii) Xn,n = 1, 2, . . .,を確率変数とすれば,supn
Xn,infn
Xn,lim supn
Xn,lim infn
Xnはすべて確率変数で
ある.
Q 2.2. Lem2.2を示せ.
2
Def 2.3. (i) 確率変数 X が単純である (X ∈ SFと表す)とは n ∈ N,a1, . . . , an ∈ R,A1, . . . , An ∈ F が存在し次のように表示されることをいう.
X(ω) =n∑
k=1
ak1Ak(ω), ω ∈ Ω.
(ii) X ∈ SFに対し, その期待値 E[X]を次で定義する.
E[X] =∑
aiP (Ai).
(iii) 確率変数X ≥ 0に対し,その期待値を次で定義する.
E[X] = supE[Y ] |Y ∈ SF, 0 ≤ Y ≤ X.
(iv) 確率変数Xに対して,X+(ω) = max0, X(ω),X−(ω) = max0,−X(ω)とおき,E[X+], E[X−] < ∞のとき,期待値 E[X]を次で定める.
E[X] = E[X+] − E[X−].
(v) E[X+],E[X−] < ∞なるときX は可積分であるという.
(vi) X が可積分,A ∈ F のとき,E[X1A]を E[X; A]とも表す.Thm 2.4. (i) (線形性) 確率変数X,Y は可積分であるとし,a, b ∈ Rとする.このとき aX + bY は可積分
で,次式が成り立つ.
(2.5) E[aX + bY ] = aE[X] + bE[Y ].
(ii) (正値性) 可積分な確率変数X,Y がX ≥ Y a.s.を満たせば,E[X] ≥ E[Y ].
もしさらに E[X] = E[Y ]ならばX = Y a.s.証明は付録で与える.
Thm 2.6 (収束定理). X,Xn は確率変数とする.
(i) (単調収束定理) a.s.に 0 ≤ Xn ≤ Xn+1 X が成り立っていれば
(2.7) limn→∞
E[Xn] = E[X].
(ii) (Fatouの補題) a.s.にXn ≥ 0であれば,
E[lim infn→∞
Xn
]≤ lim inf
n→∞E[Xn].
(iii) (Lebesgueの優収束定理) Y ≥ 0は可積分で |Xn| ≤ Y が a.s.に成り立つ.Xn → X a.s.ならば,(2.7)が成り立つ.
(iv) (Lebesgueの有界収束定理) M > 0が存在し,|Xn| ≤ M が a.s.に成り立つ.Xn → X a.s.ならば,(2.7)が成り立つ.
証明. (i) すべての点で 0 ≤ Xn ≤ Xn+1 X が成り立っているとして良い (LemA.3(ii)の証明を参照).X0 = 0とする.Xk − Xk−1 ≥ 0より,Yk,n ∈ SF,≥ 0で Yk,n ≤ Yk,n+1 Xk − Xk−1 (n → ∞)なるもの
が存在する.Zn =n∑
k=1
Yk,n とおく.Zn ∈ SF,≥ 0,Zn ≤ Zn+1 である.さらに
m∑k=1
Yk,n ≤ Zn ≤n∑
k=1
(Xk − Xk−1) ≤ Xn (m ≤ n)
より,n → ∞,m → ∞とすれば,Zn X である.したがって
E[X] = limn→∞
E[Zn] ≤ lim infn→∞
E[Xn] ≤ lim supn→∞
E[Xn] ≤ E[X].
3
(ii) Yn = infm≥n
Xm とおいて (i)を用いれば,
E[lim infn→∞
Xn
]= lim
n→∞E[Yn].
Yn ≤ Xn より E[Yn] ≤ E[Xn].したがって
E[lim infn→∞
Xn
]≤ lim inf
n→∞E[Xn].
(iii) 0 ≤ (±Xn) + Y → ±X + Y であるから,Fatouの補題と線形性より
±E[X] = E[±X + Y ] − E[Y ] ≤ lim infn→∞
E[±Xn + Y ] − E[Y ] = lim infn→∞
E[±Xn].
これより望む等式を得る.(iv) 定数関数は可積分であるから,(iii)から従う.
3. 分布と分布関数
この節を通じて,(Ω,F , P )を確率空間とする.Def 3.1. (Ω′,F ′)を可測空間とする.写像 T : Ω → Ω′ が可測であるとは
T−1(A) = ω ∈ Ω |T (ω) ∈ A ∈ F , ∀A ∈ F ′
が成り立つことをいう.
Lem 3.2. (Ω′,F ′)を可測空間,T : Ω → Ω′ を可測写像とする.
P ′(A) = P (T−1(A)), A ∈ F ′
とおけば,P ′ は確率測度である.
証明. T−1(Ω′ \ A) = Ω \ T−1(A),T−1( ∞∪
n=1An
)=
∞∪n=1
T−1(An)となることより従う.
Def 3.3. 上の P ′ を P T−1 と書き,T の (Ω′, F ′)に誘導する確率測度 (induced measure by T )という.とくに (Ω′,F ′) = (R,B(R))で,X : Ω → Rが確率変数となっているとき,P X−1を PX と表し,X の
分布と呼ぶ.
Thm 3.4. (Ω′,F ′)を可測空間,T : Ω → Ω′,f : Ω′ → R を可測写像とする ((R,B(R))を考えている).このとき g = f T : Ω → Rは可測となる.さらに gが P について可積分となるためには f が P T−1について可積分となることが必要かつ十分であり,さらにこのとき
(3.5) EP [g] = EPT−1[f ]
となる.ただし EP は P に関する期待値を表す.
証明. A ∈ B(R)に対し,
g−1(A) = (f T )−1(A) = T−1(f−1(A)) ∈ F
となるから,gは可測である.f ≥ 0と仮定する.fn : Ω′ → R,∈ SFを 0 ≤ fn ≤ fn+1 f となるようにとる.gn = fn T とおけば,
gn ∈ SFで,0 ≤ gn ≤ gn+1 g.定義より明らかに
EP [gn] = EPT−1[fn]
単調収束定理より,n → ∞として (3.5)を得る.これを |f |に適用して可積分性の同値性を得,さらに f± に適用して一般の f に対する (3.5)を得る.
Q 3.1. X を確率変数とし,ξ : R → Rを恒等写像,ξ(x) = x (∀x ∈ R)とする.このとき次の等式を示せ.
EP [X] = EP X
[ξ].
Rem 3.1. 可測空間 (R,B(R))上の確率測度を考えるとき,恒等写像 ξ : R → Rは自然に確率変数と見なすことができる.
4
Def 3.6. X を確率変数,PX をその分布とする.
FX(x) = PX((−∞, x]) = P (ω |X(ω) ≤ x), x ∈ R
とおき,この FX をX の分布関数という.µが (R,B(R))上の確率測度のとき,恒等写像 ξ : R → Rの分布関数を Fµ と書き,µの分布関数と呼ぶ.
Thm 3.7. X,Y を確率変数とする.PX = PY が成り立つためには FX = FY が成り立つことが必要十分である.
証明. 必要性は明らかである.十分性を示す.A = B ∈ B(R) |PX(B) = PY (B)とおく.確率測度の単調性より,Aは σ加法族となる.
FX = FY より,(−∞, a] ∈ Aである.(a, b] = (−∞, b] \ (−∞, a]より,(a, b] ∈ Aとなる.さらに (a, b) =∞∪
n=1(a, b − (1/n)] ∈ A.Rの開集合は開区間の可算和集合として表されるから,Aは任意の開集合を含む.し
たがって B(R) = Aとなり,十分性が示される.Rem 3.2. PX = PY は,確率変数 X がボレル集合 B に見いだされる確率と Y のそれが,どの B についても等しいことを意味しており,この意味で『X と Y は同一のものである』と見なせることを意味する.
Thm 3.8. 分布関数 FX は非減少関数で,右連続かつ左極限を持つ.さらにlim
x→−∞FX(x) = 0, lim
x→∞FX(x) = 1となる.とくに不連続点は高々可算個.
証明. 確率測度の単調性と∩
ε>0(−∞, x + ε] = (−∞, x],
∩ε>0
(−∞, x − ε] = (−∞, x)という関係式より明
らかである.0 ≤ FX ≤ 1と非減少性より,FX(x+) − FX(x−) ≥ 1/nなる xは高々n個しか存在しない.よって不連続
点は高々可算個となる.
Thm 3.9. g : R → Rを有界かつ連続とする.Riemann-Stieltjes積分を用いて
E[g(X)] =∫
Rg(x)dFX(x)
と表される.
証明. 関数 gn : R → Rを,gn(x) = g(k/2n),x ∈ (k/2n, (k+1)/2n],k ∈ Z,と定義する.gn(x) → g(x)(∀x ∈ R)であり,さらに
supn∈N
|gn(X)| ≤ supx∈R
|g(x)|, gn(X) =∞∑
k=−∞
g(k/2n)1(k/2n,(k+1)/2n](X).
Lebesgueの有界収束定理より
E[g(X)] = limn→∞
E[gn(X)] = limn→∞
∞∑k=−∞
g(k/2n)P (k/2n < X ≤ (k + 1)/2n)
= limn→∞
∞∑k=−∞
g(k/2n)FX((k + 1)/2n) − FX(k/2n) =∫
Rg(x)dFX(x).
Def 3.10. FX が階段関数となるとき,X を離散型確率変数という.FX が非負な Lebesgue可積分関数 fX を用いて FX(x) =
∫ x
−∞ fX(y)dyと表されるとき連続型確率変数という.
Thm 3.11. (i) X が離散型確率変数ならば ann∈N (ai 6= aj (i 6= j))が存在し,∞∑
n=1P (X = an) = 1とな
る.とくに P (X ∈ a1, a2, . . . , ) = 1.さらに有界かつ連続な g : R → Rに対し
E[g(X)] =∞∑
n=1
g(an)P (X = an).
(ii) X が連続型確率変数ならば,有界かつ連続な g : R → Rに対し
E[g(X)] =∫ ∞
−∞g(x)fX(x)dx.
5
証明. 期待値の表示式は Thm3.9より従う.FX(x−) = P (X < x),FX(x) = P (X ≤ x)であるから,ann∈N = x ∈ R |FX(x−) 6= FX(x)とおけ
ば,1)の前半が得られる.Lem 3.12 (Schwarzの不等式). X2, Y 2が可積分となるような確率変数X,Y に対し,XY もまた可積分であり,次式が成り立つ. ∣∣E[XY ]
∣∣ ≤ (E[X2]
)1/2(E[Y 2])1/2
.
証明. |XY | ≤ (|X|2 + |Y |2)/2より,XY は可積分である.期待値の正値性より,
0 ≤ E[(X + tY )2
]= (E[Y 2])t2 + 2(E[XY ])t + E[X2], ∀t ∈ R
となるから,2次方程式の判別式から望む不等式を得る.Def 3.13. X,Y をX2, Y 2 が可積分な確率変数とする.X の分散 Var(X),X,Y の共分散 Cov(X,Y )を次で定義する.
Var(X) = E[(X − E[X])2], Cov(X,Y ) = E[(X − E[X])(Y − E[Y ])].
Q 3.2. Var(X) = E[X2] − (E[X])2,Cov(X,Y ) = E[XY ] − E[X]E[Y ]となることを示せ.Q 3.3. Var(X) ≥ 0であり,等号成立は a ∈ Rが存在しX = a a.s.となるときに限ることを証明せよ.Q 3.4. X1, . . . , Xn を確率変数とし,Cij = Cov(Xi, Xj)とおく.行列 C = (Cij)1≤i,j≤n は対称非負定値となることを証明せよ.
4. 特性関数
Def 4.1. (i) (R,B(R))上の確率測度 µの特性関数 φµ : R → Cを次で定義する.
φµ(t) = Eµ[e√−1 tξ], t ∈ R.
ただし ξ(x) = x (x ∈ R).
(ii) X が確率変数で,µ = PX のとき φP X を φX と書き,X の特性関数と呼ぶ; φX(t) = E[e√−1 tX ].
Thm 4.2. µを (R,B(R))上の確率測度とする.φµ(0) = 1,|φµ(t)| ≤ 1となる.さらに φµは連続であり,次の意味で正定値である; 任意の n ∈ N,t1, . . . , tn ∈ Rに対し,行列 (φµ(ti − tj))1≤i,j≤n はエルミート行列であり,
(4.3)n∑
i,j=1
φ(ti − tj)ξiξj ≥ 0, ∀ξ1, . . . , ξn ∈ C.
証明. φµ(0) = 1,|φµ(t)| ≤ 1は容易に分かる.
|φµ(t) − φµ(s)| =∣∣Eµ[esξ(e
√−1 (t−s)ξ − 1)]
∣∣ ≤ Eµ[|e√−1 (t−s)ξ − 1|]
より,Lebesgueの有界収束定理により連続性を得る.正値性は e
√−1 (x−y) = e
√−1 xe
√−1 y に注意し,
n∑i,j=1
φ(ti − tj)ξiξj = Eµ
[( n∑i=1
e√−1 tiξξi
)( n∑i=1
e√−1 tiξξi
)]と変形すれば明らかである.
Thm 4.4. (R,B(R))上の確率測度 µ, ν が φµ = φν を満たせば µ = ν である.
証明. 急減少関数 f ∈ S はf(x) =
12π
∫RF [f ](ξ)e
√−1 ξxdξ
と表現できる (付録 §D参照).Fubiniの定理より∫R
f(x)µ(dx) =12π
∫RF [f ](ξ)
(∫R
e√−1 ξxµ(dx)
)dξ =
12π
∫RF [f ](ξ)φµ(ξ)dξ =
12π
∫RF [f ](ξ)φν(ξ)dξ
=∫
Rf(x)ν(dx).
6
−∞ < a < b < ∞とする.fn ∈ S を,
fn(x) =
0, x ≤ aもしくは x ≥ b,
1, x ∈ [a + 1/n, b − 1/n],
を満たすものとする.このとき上の等式より
µ((a, b)) = limn→∞
∫R
fn(x)µ(dx) = limn→∞
∫R
fn(x)ν(dx) = ν((a, b)).
よって µ = ν である.
Thm 4.5. E[|X|n] < ∞ならば,φX は k回微分可能で,E[Xk] =√−1−kφ
(k)X (0),k ≤ n.
証明. φX(t) = E[e√−1 tX ]である.(d/dt)ke
√−1 tX =
√−1 kXke
√−1 tX であるから,Lebesgueの優収束
定理 (微分版)より主張を得る.いくつかの確率変数の例を挙げその特性関数を計算しておく.
Def 4.6. X は確率空間 (Ω,F , P )上の確率変数とする.
(i) X がパラメータ (n, p)の二項分布に従う (X ∼ B(n, p))とは,
P (X = k) =(
n
k
)pk(1 − p)n−k, k = 0, 1, 2, . . . , n.
(ii) X がパラメータ pの幾何分布に従う (X ∼ Ge(p))とは,
P (X = k) = p(1 − p)k, k = 0, 1, 2, . . .
(iii) X がパラメータ (m, p)の負の二項分布に従う (X ∼ NB(m, p))とは,
P (X = k) =(
m + k − 1k
)pm(1 − p)k, k = 0, 1, 2, . . .
(iv) X がパラメータ λのポアソン分布に従う (X ∼ Po(λ))とは,
P (X = k) = (λk/k!)e−λ, k = 0, 1, 2, . . .
(v) X が [a, b]上の一様分布に従う (X ∼ U(a, b))とは,
FX(x) =∫ x
−∞
1b − a
1[a,b](y)dy.
(vi) X がパラメータ λの指数分布に従う (X ∼ Ex(λ))とは,
FX(x) =∫ x
−∞λe−λy1(0,∞)(y)dy.
(vii) X がパラメータ (ν, λ)のガンマ分布に従う (X ∼ Γ(ν, λ))とは,
FX(x) =∫ x
−∞
λνe−λy
Γ(ν)1(0,∞)(y)dy.
(viii) X がコーシー分布 (X ∼ Cau)に従うとは
FX(x) =∫ x
−∞
1π(1 + y2)
dy.
(ix) X がパラメータ (m,σ2)のガウス分布に従う (X ∼ N(m,σ2))とは,
FX(x) =∫ x
−∞
1√2πσ2
exp[−(y − m)2/(2σ2)]dy.
7
Prop 4.7. 上の定義の確率変数の特性関数は次のようになる.
X φX(t)B(n, p) (e
√−1 tp + (1 − p))n
Ge(p) p/1 − (1 − p)e√−1 t
NB(m, p) pm1 − (1 − p)e√−1 t−m
Po(λ) exp[λ(e√−1 t − 1)]
U(a, b) (e√−1 tb − e
√−1 ta)/
√−1 t(b − a)
Ex(λ) (1 − (√−1 t)/λ)−1
Γ(ν, λ) (1 − (√−1 t)/λ)−ν
Cau e−|t|
N(m, σ2) exp[√−1 tm − (σ2t2)/2]
Q 4.1. 上の Prop 4.7を示せ.
5. 概収束,確率収束,弱収束
Def 5.1. (i) (Ω,F , P )を確率空間とし,Xn, X : Ω → Rを確率変数とする.
(a) Xn がX に概収束するとは,Xn → X a.s.となることをいう.
(b) Xn がX に確率収束するとは,次が成り立つことをいう.
limn→∞
P(|Xn − X| > ε
)= 0 ∀ε > 0.
(c) XnがX に弱収束するとは,FX のすべての連続点 xにおいて FXn(x) → FX(x)となることをいう.
(ii) µn, µを (R,B(R))上の確率測度とする.µn が µに弱収束するとは,Fµ のすべての連続点 xにおいてFµn(x) → Fµ(x)となることをいう.
Rem 5.1. Xn がX に弱収束することは PXn が PX に弱収束することの言い換えに過ぎない.
Prop 5.2. Xn がX に確率収束するための必要十分条件は
limn→∞
E[
|Xn − X|1 + |Xn − X|
]= 0
となることである.とくにXn がX に概収束すれば確率収束する.
証明. 後半は有界収束定理より従う.写像 [0,∞) 3 x 7→ x/(1 + x)は単調増加である.x > εならば,x/(1 + x) > ε/(1 + ε) である.よって
P (|X − Xn| > ε) ≤ 1 + ε
εE
[|Xn − X|
1 + |Xn − X|
]となる.これより十分性が従う.x ≤ εでは x/(1 + x) ≤ ε/(1 + ε)となることから
E[
|Xn − X|1 + |Xn − X|
]= E
[|Xn − X|
1 + |Xn − X|; |X − Xn| > ε
]+ E
[|Xn − X|
1 + |Xn − X|; |X − Xn| ≤ ε
]≤ P (|Xn − X| > ε) +
ε
1 + ε
n → ∞,ε 0として必要性を得る.Thm 5.3. µn, µを (R,B(R))上の確率測度とする.次の条件は同値となる.
(i) µn は µに弱収束する.
(ii) 任意の有界連続関数 f : R → Rに対し limn→∞
Eµn [f ] = Eµ[f ].
(iii) 任意の有界一様連続関数 f : R → Rに対し limn→∞
Eµn [f ] = Eµ[f ].
(iv) 任意の閉集合 F ⊂ Rに対し,lim supn→∞ µn(F ) ≤ µ(F )となる.
8
(v) 任意の開集合 F ⊂ Rに対し,lim infn→∞ µn(F ) ≥ µ(F )となる.
(vi) 任意の境界が µ-零集合となる A ∈ B(E)に対し,limn→∞ µn(A) = µ(A)となる.
(vii) limn→∞
φµn(t) = φµ(t) (∀t ∈ R).
証明. (ii)⇒(iii),(iv)⇔(v),(vi)⇒(i),(ii)⇒(vii)は明らか.(i)⇒(ii): ε, δ > 0を任意に固定する.M = sup
x∈R|f(x)|とおく.Fµの連続点 a < bを Fµ(a) < ε,Fµ(b) > 1− ε
となるように選ぶ.∃N0 ∈ N : Fµn(a) < 2ε, Fµn(b) < 1 − 2ε, ∀n ≥ N0.
f の [a, b]での一様連続性に注意し,a = a1 < · · · < aN+1 = bを,各 aiは Fµの連続点で, supx,y∈[aj ,aj+1]
|f(x)−
f(y)| < δとなるように選ぶ.h(x) =N∑
j=1
f(aj)1(aj ,aj+1](x)とおく.このとき |f(x)− h(x)| < δ(∀x ∈ (a, b])と
なる.
Eν [h] =N∑
j=1
f(aj)Fν(aj+1) − Fν(aj), ν ∈ µn, µ : n ∈ N
であるから, ∣∣∣∣Eµn [f ] −N∑
j=1
f(aj)Fµn(aj+1) − Fµn(aj)∣∣∣∣ ≤ δ + 4Mε
∣∣∣∣Eµ[f ] −N∑
j=1
f(aj)Fµ(aj+1) − Fµ(aj)∣∣∣∣ ≤ δ + 2Mε
となる.したがってlim sup
n→∞
∣∣Eµn [f ] − Eµ[f ]∣∣ ≤ 2δ + 6Mε.
δ, ε → 0として,(ii)を得る.(iii)⇒(iv): F ⊂ Rを閉集合とし,ρ(x, F )を xと F の距離とする.fk(x) = (1 + ρ(x, F ))−k,k = 1, 2, . . . とおけば,fk : R → Rは有界一様連続であり,さらに 1F ≤ fk,limk→∞ fk(x) = 1F (x) (x ∈ R)が成り立つ.したがって (iii)より
lim supn→∞
µn(F ) ≤ lim supn→∞
Eµn [fk] = Eµ[fk].
Lebesgueの有界収束定理によりlim
k→∞Eµ[fk] = µ(F ).
したがってlim sup
n→∞µn(F ) ≤ µ(F ).
(iv),(v)⇒(vi): A ∈ B(R)の内部を A,閉包を Aとし,µ(A \ A) = 0と仮定する.このとき (iii),(iv)の不等式より
µ(A) = µ(A) ≤ lim infn→∞
µn(A) ≤ lim infn→∞
µn(A) ≤ lim supn→∞
µn(A) ≤ µ(A) = µ(A).
(vii)⇒(iii) f : R → Rが急減少関数であるとする.このとき急減少関数 g : R → Cが見つかって,f(x) =∫ ∞−∞ g(t)e
√−1 txdtと表現できる (§D参照).とくに
Eν [f ] =∫ ∞
−∞g(t)φν(t)dt, ∀ν ∈ µ, µn |n ∈ N
である.優収束定理より n → ∞とすれば,
limn→∞
Eµn [f ] = limn→∞
∫ ∞
−∞g(t)φµn(t)dt =
∫ ∞
−∞g(t)φµ(t)dt = Eµ[f ].
9
f : R → Rが有界一様連続とする.
fε(x) =∫ ∞
−∞f(y)(2πε)−1/2 exp[−(y − x)2/(2ε)]dy
とおけば,fε は急減少関数で,ε → 0とすれば fε は f に一様収束する.したがって,等式
limn→∞
Eµn [fε] = Eµ[fε]
において ε → 0とすれば (iii)を得る.Cor 5.4. Xn がX に確率収束すれば,弱収束する.
証明. f : R → Rを有界一様連続とする.任意の ε > 0に対し,δ > 0を,|x−y| ≤ δならば |f(x)−f(y)| < εとなるように選ぶ.M = sup
x∈R|f(x)|とおけば,
∣∣EP Xn[f ] − EP X
[f ]∣∣ =
∣∣E[f(Xn)] − E[f(X)]∣∣ ≤ ε + MP (|Xn − X| > δ)
したがって,Thm5.3(iii)より,PXn は PX に弱収束する.
Q 5.1. Ω = [0, 1],F = B([0, 1]),P を Lebesgue測度とする.n = 2m + k(0 ≤ k < 2m)のとき,Xn(ω) =1[k2−m,(k+1)2−m] とおく.
(i) Xn は 0に確率収束することを示せ.
(ii) lim infn→∞
Xn(ω),lim supn→∞
Xn(ω)を求めよ.
(iii) Xn は概収束するか?
Q 5.2. Xn がX に確率収束するとき,部分列 Xnkを,X に概収束するように選べることを証明せよ.
Q 5.3. X ∼ B(1, 1/2),Xn = (−1)n(2X − 1)とする.PXn は PX に弱収束することを示せ.Xnは確率収束するか?
6. 独立確率変数
Def 6.1. (Ω,F , P )を確率空間とする.
(i) A,B ∈ F が独立とは P (A ∩ B) = P (A)P (B)が成り立つことをいう.
(ii) 確率変数X,Y が独立とは,任意の A,B ∈ B(R)に対し,X−1(A)と Y −1(B)が独立となることをいう.
(iii) 確率変数列X1, . . . , Xn が独立とは,任意の A1, . . . , An ∈ B(R)に対し,次が成り立つことをいう.
P
( n∩j=1
X−1j (Aj)
)=
n∏j=1
P (X−1j (Aj)).
(iv) 確率変数列X1, X2, . . . が独立とは,任意の n ∈ Nに対し,X1, . . . , Xn が独立となることをいう.
(v) 確率変数列 X1, X2, . . . が独立で,さらに分布 PXi が一致するとき,すなわち PXi = PXj となるとき,独立同分布な (independent identically distributed)確率変数列という.略して i.i.d.確率変数列とも書く.
Q 6.1. サイコロを 2 回投げることに対応する空間 Ω = (i, j) | i, j = 1, . . . , 6 を考える.F = 2Ω とし,P (A) = #A/36とする.X((i, j)) = i,Y ((i, j)) = j とすれば,X と Y は独立となることを証明せよ.同じ Ωで,X,Y が独立とならないような P の例を挙げよ.
Q 6.2. 任意の a < b, c < dに対し,P (X ∈ (a, b), Y ∈ (c, d)) = P (X ∈ (a, b))P (Y ∈ (c, d))となるとき,X,Y は独立であることを証明せよ.
Q 6.3. 確率変数X1, X2, X3 は任意の i 6= j に対しXi とXj が独立になるという.このとき X1, X2, X3 は独立か?
Thm 6.2. X,Y を確率変数とする.次の条件は同値である.
10
(i) X と Y は独立である.
(ii) T : Ω → R2 を T (ω) = (X(ω), Y (ω))とおく.このとき,T の (R2,B(R2))に誘導する確率測度 P T−1
は直積確率測度 PX × PY に一致する.
(iii) φaX+bY (t) = φX(at)φY (bt) (∀a, b, t ∈ R).
証明. (i)⇒(ii): A,B ∈ B(R)とすれば,独立性より
P T−1(A × B) = P (X−1(A) ∩ Y −1(B)) = P (X−1(A))P (Y −1(B))
= PX(A)PY (B) = PX × PY (A × B).
Caratheodoryの拡張定理 (ThmB.1)より,B(R2)上,P T−1 = PX × PY となる.
(ii)⇒(iii): ξ : R 3 x 7→ x ∈ R,ξi : R2 3 (x1, x2) 7→ xi ∈ R (i = 1, 2)とおけば,Fubiniの定理より,
φaX+bY (t) = EP [e√−1 t(aX+bY )] = EPT−1
[e√−1 t(aξ1+bξ2)]
= EP X×P Y
[e√−1 t(ξ1+ξ2)] = EP X
[e√−1 atξ]EP Y
[e√−1 btξ] = φX(at)φY (bt).
(iii)⇒(i): fi : R → R を急減少関数とし,gi = (2π)−1F[fi] とすれば fi(x) =∫
R gi(a)e√−1 axda である
(i = 1, 2).(§D参照).Fubiniの定理より
E[f1(X)f2(Y )] =∫
R
∫R
g1(a)g2(b)φaX+bY (1)dadb
=∫
R
∫R
g1(a)g2(b)φX(a)φY (b)dadb = E[f1(X)]E[f2(Y )].
任意の a < bに対し,fn ∈ S がとれ,0 ≤ fn ≤ fn+1 1(a,b) とできる.したがって上式より,
P (X ∈ (a, b), Y ∈ (c, d)) = P (X ∈ (a, b))P (Y ∈ (c, d))
となる.よってX,Y は独立となる.
Q 6.4. X,Y が独立でともに可積分ならば,X,Y もまた可積分で,E[XY ] = E[X]E[Y ]となることを証明せよ.
Hint: まず,X,Y ともに SFの元であるときに示せ.次に,単調収束定理を用いてX,Y ≥ 0の場合に拡張せよ.最後に一般のX,Y に対し証明せよ.
Q 6.5. X,Y が独立ならば,Cov(X,Y ) = 0,Var(X + Y ) = Var(X) + Var(Y )となることを示せ.
7. 大数の法則
Thm 7.1 (大数の弱法則). X1, X2, . . . は可積分な i.i.d. 確率変数列とする.E[Xi] = m とおく.このとき(X1 + · · · + Xn)/nはmに確率収束する.
P
(∣∣∣∣X1 + · · · + Xn
n− m
∣∣∣∣ ≥ δ
)→ 0 (n → ∞), ∀δ > 0.
証明. C > 0を任意に固定し,
XCi =
Xi, |Xi| ≤ C,
0 |Xi| > C, Y C
i = Xi − XCi , aC = E[XC
i ], bC = E[Y Ci ]
とおく.優収束定理より
E[|Y Ci |] = E[|Y C
1 |] → 0 (C → ∞).
Chebyshevの不等式を使えば,
P
(∣∣∣∣XC1 + . . . XC
n
n− aC
∣∣∣∣ ≥ δ
)≤ δ−2Var((XC
1 + · · · + XCn )/n) ≤ δ−2 1
nVar(XC
1 ) ≤ C2
nδ2
11
となる.X1 + · · · + Xn
n− m =
XC1 + · · · + XC
n
n− aC +
Y C1 + · · · + Y C
n
n− bC
であるから,
P
(∣∣∣∣X1 + · · · + Xn
n− m
∣∣∣∣ ≥ δ
)≤ P
(∣∣∣∣XC1 + · · · + XC
n
n− aC
∣∣∣∣ ≥ δ/2)
+ P
(∣∣∣∣Y C1 + · · · + Y C
n
n− bC
∣∣∣∣ ≥ δ/2)
≤ 4C2
nδ2+
2δ
E[∣∣∣∣Y C
1 + · · · + Y Cn
n− bC
∣∣∣∣] ≤ 4C2
nδ2+
4δ
E[|Y C1 |]
n → ∞,C → ∞とすれば,主張を得る.
Lem 7.2 (Borel-Cantelliの補題). (i)∞∑
n=1P (An) < ∞ならば,
P
( ∞∩m=1
∪n≥m
An
)= 0.
(ii) A1, A2, . . . が独立で,∞∑
n=1P (An) = ∞ならば,
P
( ∞∩m=1
∪n≥m
An
)= 1.
証明. (i)
P
( ∞∩m=1
∪n≥m
An
)≤
∞∑n=m
P (An), ∀m ∈ N
となるから,仮定より,m → ∞として,
P
( ∞∩m=1
∪n≥m
An
)= 0.
(ii)∞∑
n=1P (An) = ∞とする.このとき明らかに
∞∑n=m
P (An) = ∞ (∀m)である.
P
( ∪n≥m
An
)= 1 − P
( ∩n≥m
(Ω \ An))
= 1 −∏
n≥m
(1 − P (An)) (∵独立性)
≥ 1 − exp[−
∑n≥m
P (An)]
= 1 (∵ 1 − x ≤ e−x).
したがって測度の単調性より主張を得る.
Thm 7.3 (大数の強法則 (I)). X1, X2, . . . は i.i.d.確率変数列とする.Xiは 4乗可積分,すなわちX4i が可積
分であると仮定する.このときX1 + · · · + Xn
n→ E[X1] a.s.
証明. Yi = Xi −E[X1]は i.i.d.で期待値は 0である.(Y1 + · · ·+ Yn)/n = (X1 + · · ·+ Xn)/n−E[X1]であるから,(Y1 + · · ·+ Yn)/n → 0 a.s.となることが示せれば主張を得る.よって E[Xi] = 0と仮定して良い.独立性と E[Xi] = 0より,i 6= j ならば E[XiXjX
2k ] = E[XiX
3j ] = 0となるので,
E[(X1 + · · · + Xn)4] =n∑
j=1
E[X4j ] +
(42
) ∑i 6=j
E[X2i X2
j ]
= nE[X41 ] + 3n(n − 1)(E[X2
1 ])2 ≤ (n + 3n2)E[X41 ] ≤ 4n2E[X4
1 ].
12
これより
P(∣∣(X1 + · · · + Xn)/n
∣∣ ≥ δ)≤ P
(∣∣X1 + · · · + Xn
∣∣ ≥ nδ)
≤ (nδ)−4E[(X1 + · · · + Xn)4] ≤ 4δ−4E[X41 ]n−2.
したがって∞∑
n=1
P(∣∣(X1 + · · · + Xn)/n
∣∣ ≥ δ)
< ∞.
Borel-Cantelliの補題より,
P
( ∞∪m=1
∩n≥m
|(X1 + · · · + Xn)/n| < δ
)= 1.
すなわち,ほとんどすべてのω ∈ Ωに対し,n(ω) ∈ Nがとれて,n ≥ n(ω)ならば,|(X1(ω)+· · ·+Xn(ω))/n| < δとなる.したがって
P(lim sup
n→∞|(X1 + · · · + Xn)/n| ≤ δ
)= 1, ∀δ > 0.
δ 0とすれば,P
(lim sup
n→∞|(X1 + · · · + Xn)/n| = 0
)= 1.
すなわち (X1 + · · · + Xn)/n → 0 a.s.
8. 独立確率変数の和
Lem 8.1. X1, X2, . . . を独立な確率変数列とし,Sk,Tn を次で定義する.
Sk = X1 + · · · + Xk, Tn = sup1≤k≤n
|Sk|.
(i) (Kolmogorovの不等式) 各 Xi は 2乗可積分,すなわち X2i が可積分で,E[Xi] = 0を満たすと仮定す
る.σ2n =
n∑i=1
Var(Xi) とおく.このとき
P(Tn ≥ `
)≤ σ2
n/`2, ∀` > 0.
(ii) (Levyの不等式) ` > 0, δ ∈ (0, 1)とする.もし
P(|Xi + Xi+1 + · · · + Xn| ≥ `/2
)≤ δ, 1 ≤ ∀i ≤ n,
が成り立てば,P
(Tn ≥ `
)≤ δ/(1 − δ).
証明.Ek =
|S1| < `, . . . , |Sk−1| < `, |Sk| ≥ `
とおく.Ei ∩ Ej = ∅であり,Tn ≥ ` =
n∪k=1
Ek となる.
(i) Sk1Ekは X1, . . . , Xk から定まるので,Sn − Sk = Xk+1 + · · · + Xn とは独立になる.E[Sn − Sk] = 0な
ので,
P (Ek) ≤ 1`2
E[S2k1Ek
] ≤ 1`2
E[S2k + (Sn − Sk)21Ek
]
=1`2
E[S2k + 2Sk(Sn − Sk) + (Sn − Sk)21Ek
] =1`2
E[S2n1Ek
].
kについて和をとれば,
P (Tn ≥ `) ≤ 1`2
E[S2n1Tn≥`] ≤
1`2
E[S2n] =
σ2n
`2.
13
(ii) 仮定よりP
(Tn ≥ ` ∩ |Sn| > `/2
)≤ P
(|Sn| > `/2
)≤ δ.
また Ek と Sn − Sk の独立性より,
P(Tn ≥ ` ∩ |Sn| ≤ `/2
)=
n∑k=1
P(Ek ∩ |Sn| ≤ `/2
)≤
n∑k=1
P(Ek ∩ |Sn − Sk| ≥ `/2
)=
n∑k=1
P (Ek)P(|Sn − Sk| ≥ `/2
)≤ δ
n∑k=1
P (Ek) = δP (Tn ≥ `).
上とあわせてP (Tn ≥ `) ≤ δP (Tn ≥ `) + δ
となり,これより望む不等式を得る.
Thm 8.2 (Levyの定理). X1, X2, . . . を独立確率変数列とし,Sn = X1 + · · ·+ Xnとする.次の条件 (i),(ii),(iii)は同値である.
(i) Sn は弱収束する. (ii) Sn は確率収束する. (iii) Sn は概収束する.
証明. (iii)⇒(ii)⇒(i)は既知である.(i)⇒(ii)⇒(iii)を示す.
(i)⇒(ii): δ > 0とする.n(N) < m(N) < n(N + 1) < m(N + 1) < · · · ∞を
lim supn,m→∞
P (|Sn − Sm| ≥ δ) = limN→∞
P (|Sn(N) − Sm(N)| ≥ δ)
となるように選ぶ.φSn
(t) =∏n
j=1 φXi(t)となる (Thm6.2)から,PSn の弱収束極限を µとすれば,Thm5.3より,φSn
(t) →φµ(t)である.φµ(0) = 1より,r > 0が存在し,|t| ≤ rならば φµ(t) 6= 0となる.したがって
φSn(N)−Sm(N)(t) =φSn(N)(t)φSm(N)(t)
→ 1 (N → ∞), ∀|t| ≤ r
となる.
|φSn(N)−Sm(N)(t) − φSn(N)−Sm(N)(s)|
≤ E[|e√−1 (t−s)(Sn(N)−Sm(N)) − 1|] ≤
(E[|e
√−1 (t−s)(Sn(N)−Sm(N)) − 1|2]
)1/2
=(2E[(1 − cos[(t − s)(Sn(N) − Sm(N))])]
)1/2 ≤(|1 − φSn(N)−Sm(N)(t − s)|
)1/2
であるから,上とあわせてφSn(N)−Sm(N)(t) → 1 (N → ∞), ∀t ∈ R.
δ0を原点に集中したDirac測度とすれば,φδ0(t) ≡ 1であるから,PSn(N)−Sm(N) は δ0に弱収束する (Thm5.3).集合 (−∞,−δ] ∪ [δ,∞)は,δ0 のもと境界が測度零の集合となっているから,再び Thm5.3より
limN→∞
P (|Sn(N) − Sm(N)| ≥ δ) = 0
である.これよりlim
n,m→∞P (|Sn − Sm| ≥ δ) = 0 (∗)
となり,Sn が確率収束するといえる.
(ii)⇒(iii): Snが確率収束するので,上の (∗)が成立する.これより,自然数列 Nk∞k=1をNk < Nk+1 ∞,
supm,n≥Nk
P (|Sn − Sm| ≥ 2−k−1) ≤ 2−k−1
14
となるように選ぶことができる.とくに
supNk<m≤Nk+1
P (|Sm − SNk| ≥ 2−k−1) ≤ 2−k−1.
Levyの不等式より,
(8.3) P
(sup
Nk<m≤Nk+1
|Sm − SNk| ≥ 2−k
)≤ 2−k−1
1 − 2−k−1≤ 2−k, k = 1, 2, . . .
となる.Borel-Cantelliの補題より,
P
( ∞∪j=1
∩k≥j
sup
Nk<m≤Nk+1
|Sm − SNk| < 2−k
)= 1.
これより
Sn − Sm = (Sn − SNk) − (Sm − SN`
) +k−1∑p=`
(SNp+1 − SNp), n > m, Nk < n ≤ Nk+1, N` < m ≤ N`+1,
と表せば,Sn は概収束するといえる.
Thm 8.4. X1, X2, . . . は独立確率変数列とし,Sn = X1 + · · · + Xn とおく.
(i) (Kolmogorovの 1級数定理) Xiは 2乗可積分で,E[Xi] = 0,かつ∞∑
n=1Var(Xn)が収束すれば,Snは概
収束する.
(ii) (Kolmogorovの 2級数定理) Xiは 2乗可積分で,∞∑
n=1E[Xn]と
∞∑n=1
Var(Xn)が収束すれば,Snは概収束
する.
(iii) (Kolmogorovの 3級数定理) Snが概収束するためには,次を満す C > 0が存在することが必要かつ十分である.
(a)∞∑
n=1P (|Xn| > C)が収束する.
(b) Yn = Xn1[−C,C](Xn)とおけば,∞∑
n=1E[Yn]が収束する.
(c)∞∑
n=1Var(Yn)が収束する.
証明. (i) Kolmogorovの不等式より,任意の δ > 0に対し,
P
(sup
m<k≤n|Sk − Sm| ≥ δ
)≤ δ−2
n∑k=m+1
Var(Xk).
これより
lim supm,n→∞
P
(sup
m<k≤n|Sk − Sm| ≥ δ
)= 0.
これより,自然数列 Nkを Nk < Nk+1 ∞,
P
(sup
Nk<m≤Nk+1
|Sm − SNk| ≥ 2−k
)≤ 2−k, k = 1, 2, . . .
となるように選べる.すなわち,(8.3)を得る.以下は Thm8.2の証明と同様である.
(ii) Yn = Xn − E[Xn]とし,(i)を適用すれば,Y1 + · · · + Yn が概収束する.したがって Xn + · · · + Xn =(Y1 + · · · + Yn) + (E[X1] + · · · + E[Xn])もまた概収束する.
15
(iii)(十分性) 仮定 (b),(c)と (ii)より,Y1 + · · · + Yn は概収束する.仮定 (a)より,
∞∑n=1
P (Xn 6= Yn) =∞∑
n=1
P (|Xn| > C) < ∞.
Borel-Cantelliの補題により,
P
( ∞∪m=1
∩n≥m
Xn = Yn
)= 1.
すなわち,ほとんどすべての ωに対し,n(ω) ∈ Nがとれて Xn(ω) = Yn(ω) (∀n ≥ n(ω))となる.よって Xn
も概収束する.
(iii)(必要性) C = 1として (a),(b),(c)を示す.Snが概収束するから,Xnは 0に概収束する.したがって
P
( ∞∩m=1
∪n≥m
|Xn| > 1
)= 0 (#)
となる.|Xn| > 1,n = 1, 2, . . .,は独立であるから Borel-Cantelliの補題 (ii)から (a)を得る.(#)より,
P
( ∞∪m=1
∩n≥m
Xn = Yn
)= 1.
したがって Sn = Y1 + · · · + Yn もまた概収束する.(c)が示されれば,Var(Yn) = Var(Yn − E[Yn])なので,Yn −E[Yn]に (i)を適用して
∑n(Yn −E[Yn])の概収束がいえる.
∑n Ynの概収束と合わせて,(b)が従う.し
たがってあとは (c)を示せば良い.Y ′
i を Yi の独立なコピーとする (正確には直積確率空間を用意する).Y ′1 + · · · + Y ′
n も概収束し,従ってZn = Yn−Y ′
nとおけば,Z1+· · ·+Znも概収束する.Yn, Y ′nが独立であるから,Var(Zn) = Var(Yn)+Var(Y ′
n) =
2Var(Yn)である.したがって∞∑
n=1Var(Zn) < ∞を示せば良い.
Fn =ω
∣∣ |Z1(ω) + · · · + Zj(ω)| ≤ `, j = 1, 2, . . . , n
とおく.Z1 + · · · + Zn が収束するから,` > 0,δ > 0が存在し,P (Fn) ≥ δ (∀n)となる.Zn の独立性とE[Zn] = 0により,
E[(Z1 + · · · + Zn)2; Fn−1] = E[(Z1 + · · · + Zn−1)2; Fn−1] + E[Z2n;Fn]
= E[(Z1 + · · · + Zn−1)2; Fn−1] + Var(Zn)P (Fn−1)
≥ E[(Z1 + · · · + Zn−1)2; Fn−1] + δVar(Zn).
Fn ⊂ Fn−1 に注意すれば,
E[(Z1 + · · · + Zn)2; Fn−1] = E[(Z1 + · · · + Zn)2; Fn] + E[(Z1 + · · · + Zn)2; Fn−1 \ Fn]
≤ E[(Z1 + · · · + Zn)2; Fn] + (` + 2)2P (Fn−1 \ Fn).
これより
δVar(Zn) ≤ E[(Z1 + · · · + Zn)2; Fn] − E[(Z1 + · · · + Zn−1)2; Fn−1] + (` + 2)2P (Fn−1 \ Fn).
Fn−1 \ Fn は互いに素となるから,nについて和をとれば
δm∑
n=1
Var(Zn) ≤ E[(Z1 + · · · + Zm)2; Fm] + (` + 2)2 ≤ `2 + (` + 2)2.
m → ∞として,∑
n Var(Zn) < ∞を得る.Thm 8.5 (大数の法則 (II)). X1, X2, . . . を i.i.d.確率変数列とする.X1は可積分であるとし,E[Xi] = 0と仮定する.このとき (X1 + · · · + Xn)/nは 0に概収束する.
16
証明. Yn = Xn1[−n,n](Xn)とおき,
an = P (Xn 6= Yn), bn = E[Yn], cn = Var(Yn)
とおく.このとき
∞∑n=1
an =∞∑
n=1
P (|X1| > n) = E[ ∞∑
n=1
1|X1|>n
]= E
[ ∞∑n=1
n1n<|X1|≤n+1
]≤ E[|X1|] < ∞,
limn→∞
bn = limn→∞
E[X11|X1|≤n] → E[X1] = 0,
∞∑n=1
cn
n2≤
∞∑n=1
E[Y 2n ]
n2=
∞∑n=1
E[X2
1
n21|X1|≤n
]= E
[X2
1
∑n≥|X1|
1n2
]≤ CE
[max|X1|, 2
]< ∞.
ただし C は定数.また x ≥ 2ならば,∑
n≥x
n−2 ≤ (x − 1)−1 ≤ 2/xを用いた.
E[(Yn − bn)/n] = 0,Var((Yn − bn)/n) = cn/n2であるから,2級数定理より,∑
n(Yn − bn)/nが収束するといえる.
∑n anが収束するから,Borel-Cantelliの補題より,ほとんどすべての ωに対し nが十分大きけれ
ばXn(ω) = Yn(ω)となる.よって∑
n(Xn − bn)/nが収束する.一般に
∑n(an/n)が収束すれば (a1 + · · · + an)/nは 0に収束する.
(∵) cn = an/n,dn = c1 + · · · + cn とする.仮定より dn → ∃d.
a1 + · · · + an
n=
n∑k=1
k
nck = dn −
n−1∑k=1
n − k
nck = dn − d1 + · · · + dn−1
n→ d − d = 0. ///
よって (X1 − b1) + · · ·+ (Xn − bn)/nは 0に概収束する.bn → 0より,(b1 + · · ·+ bn)/n → 0である.よって (X1 + · · · + Xn)/nは 0に概収束する.
9. 中心極限定理
Thm 9.1 (中心極限定理). X1, X2, . . . を i.i.d. 確率変数列とする.Xn は 2 乗可積分であり,E[Xn] = 0,σ2 = Var(Xn) > 0を仮定する.Sn = X1 + · · · + Xnとおき,X ∼ N(0, σ2)とする.このとき PSn/
√nは PX
に弱収束する.
証明. Xn は i.i.d.であるからφSn/
√n(t) =
φXn(t/
√n)
n
となる.Taylor展開
eitx = 1 + itx − t2x2
2− x2
∫ t
0
∫ s
0
(eiux − 1)duds
より,
R(t) = −∫ t
0
∫ s
0
E[X2(eiuX − 1)]duds
とおけば
φXn(t/√
n) = 1 − t2σ2
2n+ E[R(t/
√n)] (∗)
となる.変数変換 (√
nu,√
ns) 7→ (u, s)と Lebesgueの優収束定理より
n∣∣E[R(t/
√n)]
∣∣ ≤ ∫ t
0
∫ s
0
E[X2eiuX/√
n − 1]duds → 0 (n → ∞).
これと (∗)より φXn(t/
√n)
n → exp[−σ2t2/2] = φX(t).
Thm5.3より,PSn/√
n は PX に弱収束する.
17
Thm 9.2 (Lindebergの定理). X1, X2, . . . を 2乗可積分で E[Xn] = 0なる独立確率変数列とする.sn > 0を
s2n =
n∑j=1
Var(Xj)とおき,s2n → ∞と,次の Lindebergの条件を仮定する.
limn→∞
1s2
n
n∑j=1
E[X2j ; |Xj | ≥ εsn] = 0 ∀ε > 0.
このとき PSn/sn は PX (X ∼ N(0, 1))に弱収束する.ただし Sn = X1 + · · · + Xn.
証明. Xn,j = Xj/sn とおく.φXn,j
(t) = φXj(t/sn)
である.T > 0を固定する.E[Xj ] = 0であるから
sup|t|≤T
|φXn,j (t) − 1| = sup|t|≤T
∣∣E[e√−1 tXj/sn − 1]
∣∣= sup
|t|≤T
∣∣E[e√−1 tXj/sn − 1 − itXj/sn]
∣∣ ≤ (T 2/2)E[(Xj/sn)2](9.3)
≤ (T 2/2)ε2 + (T 2/2)E[(Xj/sn)2 ; |Xj | ≥ ε/sn]
≤ (T 2/2)ε2 +T 2
2s2n
n∑j=1
E[X2j ; |Xj | ≥ ε/sn].
ただし
|e√−1 x − 1 −
√−1x| =
∣∣∣∣∫ x
0
∫ y
0
eiydy
∣∣∣∣ ≤ x2/2
を用いた.Lindebergの条件より
lim supn→∞
sup1≤j≤n
sup|t|≤T
|φXn,j (t) − 1| ≤ (T 2/2)ε2.
ε → 0とすれば
(9.4) limn→∞
sup1≤j≤n
sup|t|≤T
|φXn,j (t) − 1| = 0.
(9.3)と s2n の定義より
(9.5) sup|t|≤T
n∑j=1
|φXn,j (t) − 1| ≤ (T 2/2)n∑
j=1
E[X2j /s2
n] = T 2/2, ∀n ∈ N.
(9.4) より |φXn,j (t) − 1| < 1/2 としてよい.D = z ∈ C | |z| < 1/2 上 log(1 + z) は正則関数となり,| log(1 + z) − z| ≤ C|z|2 (∀z ∈ D)を満たす定数 C が存在する.とくに (9.4),(9.5)より∣∣∣∣ n∑
j=1
log(1 + (φXn,j (t) − 1)) − (φXn,j (t) − 1)∣∣∣∣ ≤ C
n∑j=1
|φXn,j (t) − 1|2
≤ C
sup1≤j≤n
sup|t|≤T
|φXn,j (t) − 1|
sup|t|≤T
n∑j=1
|φXn,j (t) − 1|
≤ C(T 2/2) sup1≤j≤n
sup|t|≤T
|φXn,j (t) − 1| → 0 (n → ∞)
となる.Xj の独立性より,
φSn/sn(t) =
n∏j=1
φXn,j (t) =n∏
j=1
(1 + (φXn,j (t) − 1))
と表すことができるので,
(9.6) φSn/sn(t) exp
[−
n∑j=1
(φXn,j (t) − 1)]
=n∏
j=1
exp[log(1 + (φXn,j (t) − 1)) − (φXn,j (t) − 1)] n→∞−→ 1.
18
σ2j = Var(Xj)とする.
|e√−1 x − 1 −
√−1x + (x2/2)| ≤ minx2, |x|3/6
となることに注意すれば
sup|t|≤T
∣∣∣∣( n∑j=1
(φXn,j(t) − 1)
)+
t2
2
∣∣∣∣ ≤ sup|t|≤T
n∑j=1
∣∣∣∣φXn,j(t) − 1 +
t2σ2j
2s2n
∣∣∣∣≤ sup
|t|≤T
n∑j=1
E[∣∣∣∣e√−1 tXj/sn − 1 −
√−1 (tXj/sn) +
t2X2j
2s2n
∣∣∣∣]
≤ sup|t|≤T
n∑j=1
E[|tXj/sn|3/6 ; |Xj | < εsn
]+ E
[|tXj/sn|2 ; |Xj | ≥ εsn
]≤ (T 2 + T 3)
ε
s2n
n∑j=1
E[X2j ] +
T 2 + T 3
s2n
n∑j=1
E[X2j ; |Xj | ≥ εsn]
= (T 2 + T 3)ε + (T 2 + T 3)n∑
j=1
E[X2j ; |Xj | ≥ εsn]
Lindebergの条件より,n → ∞とし,さらに ε → 0とすれば,
limn→∞
sup|t|≤T
∣∣∣∣( n∑j=1
(φXn,j (t) − 1))
+t2
2
∣∣∣∣ = 0.
これを (9.6)と合わせれば,φSn/sn
(t) → e−t2/2
となり,結論を得る.
10. 条件付き期待値
Thm 10.1. (Ω,F , P )を確率空間,G ⊂ F を σ加法族,X を可積分な確率変数とする.このとき,G 可測かつ可積分な確率変数 YX が存在し,
(10.2) E[XZ] = E[YXZ]
が任意の有界な G 可測な確率変数 Z に対して成立する.さらに YX も同じ性質を満たせば,YX = YX a.s.となる.証明. 一意性: YX,YX に対し,(10.2)が成り立つので
E[(YX − YX)Z] = 0
となる.Z = 1YX≥ fYXとおけば,(YX − YX)Z ≥ 0であるから,期待値の正値性 (Thm2.4)より,上式とあわ
せて,(YX − YX)Z = 0 a.s.となる.すなわち,YX ≤ YX a.s. 同様に逆の不等号もいえ,YX = YX a.s.となる.
存在: (第 1段階) X は有界とする.次のような 2乗可積分な G 可測確率変数 YX が存在し,それは (10.2)を満たす.
(10.3) E[(X − YX)2] = infE[(X − Y )2 |Y は G 可測で 2乗可積分
(∵) G 可測 2乗可積分確率変数列 Yn を
limn→∞
E[(X − Yn)2] = infE[(X − Y )2 |Y は G 可測で 2乗可積分 =: c2
ととる.Minkowskiの不等式より,
c ≤(E[X − (Yn + Ym)/22]
)1/2
≤ 12(E[X − Yn2]
)1/2 +12(E[X − Ym2]
)1/2 → c (n,m → ∞).
19
これより
limn,m→∞
E[(X − Yn)(X − Ym)]
= 2 limn,m→∞
E[X − (Yn + Ym)/22] − 1
4E[(X − Yn)2] − 1
4E[(X − Ym)2]
= 2c2 − (c2/4) − (c2/4) = c2.
よって
limn,m→∞
E[(Yn − Ym)2]
= limn,m→∞
E[(X − Yn)2] + E[(X − Ym)2] − 2E[(X − Yn)(X − Ym)]
= c2 + c2 − 2c2 = 0.
増大自然数列 nkを
E[(Ynk− Ynk+1)
2] ≤ 2−3k, k = 1, 2, . . .なるように選び,YX = lim inf
k→∞Ynkとおけば,YX は G 可測な 2乗可積分確率変数であ
り,さらに E[(Ynk− YX)2] → 0となる.よって YX は (10.3)を満たす.
Z を有界な G 可測確率変数とする.このとき
0 ≤ E[(X − YX + aZ)2] − c2 = 2aE[(X − YX)Z] + a2E[Z2], ∀a ∈ R.
したがって E[(X − YX)Z] = 0.すなわち (10.2)が成り立つ. ///
(第 2段階) X,X ′ は有界な可積分確率変数で,X ≤ X ′ とする.このとき YX ≤ YX′ a.s.(∵) Z = 1YX>YX′ とする.このとき (10.2)より
0 ≤ E[(X ′ − X)Z] = E[(YX′ − YX)Z].
よって (YX′ − YX)Z = 0 a.s. すなわち Z = 0 a.s.つまり YX ≤ YX′ a.s.
(第 3段階) X は可積分確率変数で,X ≥ 0とする.このとき (10.2)を満たす G 可測な確率変数 YX が存在する.
(∵) Xn = minX,nとおく.(第 2段階)より,YXn ≤ YXn+1 a.s. YX = lim supn→∞
YXn とお
けば,単調収束定理より,任意の非負有界 G 可測確率変数 Z に対し,
E[XZ] = limn→∞
E[XnZ] = limn→∞
E[YXnZ] = E[YXZ].
したがって (10.2)が成り立つ.(第 4段階) 一般のX については YX = YX+ − YX− とおけばよい.
Def 10.4. Thm10.1の YX を E[X|G]と表し,G で条件付けられたX の条件付き期待値という.A ∈ F のとき E[1A|G](ω)を P (ω,A)と表し,Aの条件付き確率という.
Q 10.1. A ∈ Fとし,G = ∅, A, Ω\A,Ωとおく.G可測な確率変数は,適当な a, b ∈ Rを用いて a1A +b1Ω\A
と表されることを示せ.
Q 10.2. A ∈ F は,は 0 < P (A) < 1を満たすと仮定する.G = ∅, A, Ω \ A,Ωとおく.B ∈ F に対し,
P (·, B) =P (A ∩ B)
P (A)1A +
P ((Ω \ A) ∩ B)P (Ω \ A)
1Ω\A
となることを示せ.
Thm 10.5. X,Y を可積分な確率変数とする.G ⊂ F を σ加法族とする.
(i) E[E[X|G]
]= E[X].
(ii) もしX が G 可測ならば,E[X|G] = X a.s. とくに E[1|G] = 1 a.s.
20
(iii) X ≥ Y a.s.ならば,E[X|G] ≥ E[Y |G] a.s. とくに∣∣E[X|G]∣∣ ≤ E[|X| | G] a.s.
(iv) a, b ∈ Rに対し,E[aX + bY |G] = aE[X|G] + bE[Y |G] a.s.
(v) Z が有界な G 可測確率変数ならば E[ZX|G] = ZE[X|G] a.s.
(vi) H ⊂ G が σ加法族ならば,E
[E[X|G]
∣∣H]= E[X|H] a.s.
(vii) X と G が独立なとき,すなわち,任意の A ∈ B(R)と B ∈ G に対し,X−1(A)と B が独立になるとき,
E[X|G] = E[X] a.s.
証明. (i)は (10.2)より従う.(ii)は E[·|G]の一意性より従う.(iii)は Thm10.1の (存在)(第 2段階)と同様.(iv),(v),(vi)は (10.2)と E[·|G]の一意性より従う.例えば,Z を G 可測な有界確率変数とすれば,
E[E[aX + bY |G]Z
]= E[(aX + bY )Z] = aE[XZ] + bE[Y Z]
= aE[E[X|G]Z
]+ bE
[E[Y |G]Z
]= E
[(aE[X|G] + bE[Y |G])Z
]と変形し一意性を用いる.
(vii) Z を G 可測な有界確率変数とすれば,X と Z は独立である.問題 6.4より,
E[XZ] = E[X]E[Z] = E[E[X]Z
].
これより,一意性により主張を得る.
Q 10.3. 上の Thmの (i)—(vi)を証明せよ.
11. マルチンゲール
Def 11.1. (i) (Ω,F , P )を確率空間とする.Fn ⊂ F,n = 0, 1, 2, . . .,が σ加法族で Fn ⊂ Fn+1 を満たすとき,Fnn=0,1,2,... をフィルトレーションという.四つ組 (Ω,F , P, Fn)をフィルターつき確率空間(filetered probability space)と呼ぶ.
(ii) 確率変数列X0, X1, X2, . . . をX = Xnn=0,1,2,...(またはX = Xnn≥0)と表し,確率過程とよぶ.Ex 11.2. 確率過程X = Xnn=0,1,2,... は次のように自然にフィルトレーションを定める.
FXn = σ
[X−1
j (A) | 1 ≤ j ≤ n,A ∈ B(R)]
とおく.このとき FXn n=0 はフィルトレーションである.
Def 11.3. (Ω,F , P, Fn)をフィルターつき確率空間とする.確率過程M = Mnn≥0が Fnマルチンゲールであるとは,次の条件が成り立つことをいう.
(i) Mn は可積分かつ Fn 可測である.
(ii) E[Mn+1|Fn] = Mn a.s. n = 0, 1, 2, . . .
条件 (ii)の等号を不等号 ≤で置き換えたものが成り立つとき,M を Fn優マルチンゲールという.また不等号 ≥で置き換えたものが成り立つとき,M を Fn劣マルチンゲールという.フィルトレーション Fnが明らかなときは Fnを略して,単に (優,劣)マルチンゲールともいう.
Thm 11.4. (i) Mnが可積分かつFn可測であるとする.M = Mnn≥0がマルチンゲールとなるための必要十分条件は
E[Mm|Fn] = Mn a.s. ∀m > n.
優マルチンゲールとなるための必要十分条件は上の等号を不等号≤で置き換えたものであり,劣マルチンゲールとなるための必要十分条件は上の等号を不等号 ≥で置き換えたものである.
(ii) M = Mnn≥0 がマルチンゲールならば,|Mn|n≥0 は劣マルチンゲールである.
21
(iii) M = Mnn≥0 が劣マルチンゲールで各Mn が非負かつ p乗可積分 (p ≥ 1)ならば,Mpnも劣マルチ
ンゲールである.
(iv) X0, X1, . . . を可積分な独立確率変数列とする.E[Xn] = 0 (∀n)と仮定する.Sn = X1 + · · · + Xn とすれば,S = Sn∞n=0 は FS
n マルチンゲールである.証明. (i) 十分性は明らか.必要性は Thm10.5(vi)より,
E[Mm|Fn] = E[E[Mm|Fm−1]
∣∣Fn
]= E[Mm−1|Fn] = · · · = E[Mn+1|Fn] = Mn.
他の必要十分性も同様に証明できる.(ii) Thm10.5(iii)より,
E[|Mn+1| |Fn] ≥∣∣E[Mn+1|Fn]
∣∣ = |Mn|.(iii) G ⊂ F を σ加法族とし,X ≥ 0とすれば,(
E[X|G])p ≤ E[Xp|G].
(∵) Xn =n2n∑j=0
k2−n1[k2−n,(k+1)2−n)(X) とおく.n2n∑k=0
1[k2−n,(k+1)2−n)(X) = 1 より,
n2n∑k=0
E[1[k2−n,(k+1)2−n)(X)
∣∣G]= 1.
xp は凸関数なので,
(E[Xn|G]
)p ≤n2n∑k=0
(k2−n)pE[1[k2−n,(k+1)2−n)(X)|G] = E[Xpn|G].
n → ∞とすれば,単調収束定理より主張を得る.///
これを用いれば,Mn ≥ 0よりE[Mp
n+1|Fn] ≥(E[Mn+1|Fn]
)p ≥ Mpn.
(iv) Thm10.5(ii),(iv),(vii)より,
E[Sn+1|FSn ] = E[Sn + Xn+1|FS
n ] = Sn + E[Xn+1] = Sn.
Thm 11.5 (Doobの不等式). M = Mnn≥0を非負劣マルチンゲールとする.このとき,任意のN ∈ N∪0に対し,
(11.6) P(
max0≤n≤N
Mn ≥ x)≤ 1
xE
[MN ; max
0≤n≤NMn ≥ x
], ∀x > 0.
さらに,もし p > 1に対しMpn が可積分ならば,次が成り立つ.
(11.7) E[
max0≤n≤N
Mpn
]≤
( p
p − 1
)p
E[MpN ].
証明. En = Mj < x, j = 0, . . . , n − 1, Mn ≥ xとおく.
P(
max0≤n≤N
Mn ≥ x)
=N∑
n=0
P (En)
≤N∑
n=0
E[(Mn/x); En
](∵ En 上Mn/x ≥ 1)
≤ (1/x)N∑
n=0
E[MN ; En] (∵ En ∈ Fn, Mn ≤ E[MN |Fn])
= (1/x)E[MN ; max
0≤n≤NMn ≥ x
]
22
Mpnもまた劣マルチンゲールである.(11.6)より
P(
max0≤n≤N
Mn > x)
= P(
max0≤n≤N
Mpn > xp
)≤ x−pE
[Mp
N ; max0≤n≤N
Mpn > xp
].
これより,
(11.8) limx→∞
xpP(
max0≤n≤N
Mn > x)
= 0.
1 < q < pとする.部分積分の公式より,非負確率変数X に対し
E[Xq] = −∫ ∞
0
xqdFX(x) = q
∫ ∞
0
xq−1FX(x)dx
が成り立つことに注意すれば,劣マルチンゲール Mqnに (11.6)を適用して
E[
max0≤n≤N
Mqn
]≤ q
∫ ∞
0
xq−1P(
max0≤n≤N
Mn > x)dx < ∞. (∵ (11.8))
またこの不等式より
E[
max0≤n≤N
Mqn
]≤ q
∫ ∞
0
xq−1 1x
E[MN ; max
0≤n≤NMn ≥ x
]dx (∵ (11.6))
= qE[MN
∫ max0≤n≤N Mn
0
xq−2dx
](∵ Fubiniの定理)
=q
q − 1E
[MN
(max
0≤n≤NMn
)q−1]≤ q
q − 1(E[Mq
N ])1/q
(E
[(max
0≤n≤NMn
)q])(q−1)/q
(∵ Horderの不等式).
よってE
[max
0≤n≤NMq
n
]≤
( q
q − 1
)q
E[MqN ].
q pとして主張を得る.
Q 11.1. X ≥ 0は p乗可積分 (p > 1)とする.
limqp
E[Xq] = E[Xp]
となることを示せ.Hint: E[Xq; X < 1]に有界収束定理,E[Xq;X ≥ 1]に単調収束定理を適用せよ.
付 録
A. 定理 2.4の証明
いつかの補題に分けて証明する.
Lem A.1. X,Y ∈ SFがX,Y ≥ 0を満たし,a ≥ 0ならば,X+Y,aXは可積分で,E[X+Y ] = E[X]+E[Y ],E[aX] = aE[X]となる.さらにX ≥ Y ならば,E[X] ≥ E[Y ].
証明. A1, . . . , An ∈ F が存在し,Ai ∩ Aj = ∅,n∪
i=1
Ai = Ω を満し,さらに X =∑n
i=1 ai1Ai,Y =∑ni=1 bi1Ai,と表すことができる.主張はこの表示から直ちに従う.
Lem A.2. (i) Xn, Y ∈ SFは Xn, Y ≥ 0,Xn ≤ Xn+1, limn→∞
Xn ≥ Y を満たすとする.このとき E[Y ] ≤lim
n→∞E[Xn].
23
(ii) Xn, Yn ∈ SFはXn, Yn ≥ 0,Xn ≤ Xn+1,Yn ≤ Yn+1, limn→∞
Xn = limn→∞
Yn を満たすとする.このとき
limn→∞
E[Xn] = limn→∞
E[Yn].
(iii) Xn ∈ SFはXn ≥ 0,Xn ≤ Xn+1 を満たすとする.X = limn→∞
Xn とすれば,E[X] = limn→∞
E[Xn].
(iv) 確率変数X,Y がX,Y ≥ 0を満たし,a ≥ 0ならば,E[X + Y ] = E[X] + E[Y ],E[aX] = aE[X]となる.さらにX ≥ Y ならば,E[X] ≥ E[Y ].
(v) 確率変数X が可積分となるためには E[|X|] < ∞となることが必要十分である.
(vi) 確率変数X が可積分で,確率変数 Y は |Y | ≤ |X|を満すとする.このとき Y もまた可積分である.
証明. (i) Y =n∑
k=1
ak1Ak(Ai ∩Aj = ∅)と表す.ε > 0を固定し,Ak,n = ω ∈ Ak |Xn(ω) ≥ (1 − ε)ak
とおく.このとき,Ak,n ⊂ Ak,n+1 Ak,Xn ≥ (1 − ε)n∑
k=1
ak1Ak,nであるから,
limn→∞
E[Xn] ≥ (1 − ε) lim infn→∞
n∑k=1
akP (Ak,n) = (1 − ε)n∑
k=1
akP (Ak) = (1 − ε)E[Y ].
ここで ε 0とすれば良い.(ii) 仮定より lim
n→∞Xn ≥ Ym (∀m). したがって (i)より limn E[Xn] ≥ E[Ym].m → ∞とすれば,limn E[Xn] ≥
limn E[Yn].逆も同様.(iii) 定義より E[Xn] ≤ E[X].X の期待値の定義より,Yn ∈ SFがとれて 0 ≤ Yn ≤ X,limn E[Yn] = E[X]となる.Zn = maxXn, Y1, . . . , Ynとおけば,Zn ∈ SF,≥ 0,Zn ≤ Zn+1 X である.(ii)と LemA.1より,
limn→∞
E[Xn] = limn→∞
E[Zn] ≥ limn→∞
E[Yn] = E[X].
(iv) An,k(X) = ω | k2−n ≤ X(ω) < (k + 1)2−nとし,Xn =n2n∑k=0
k2−n1An,k(X),Yn =n2n∑k=0
k2−n1An,k(Y ) と
おく.Xn, Yn ∈ SF,≥ 0であり,Xn ≤ Xn+1 X,Yn ≤ Yn+1 Y である.さらに aXn, Xn +Yn ∈ SF,≥ 0,aXn ≤ aXn+1 aX,Xn + Yn ≤ Xn+1 + Yn+1 X + Y でもある.よって
E[X + Y ] = limn→∞
E[Xn + Yn] = limn→∞
E[Xn] + E[Yn] = E[X] + E[Y ].
E[aX] = limn→∞
E[aXn] = limn→∞
aE[Xn] = aE[X].
X ≥ Y ならばXn ≥ Yn であるから,E[Xn] ≥ E[Yn].n → ∞として,E[X] ≥ E[Y ].(v) |X| = X+ + X− であるから,(iv)より明らか.(vi) (iv),(v)より明らか.Lem A.3. (i) 確率変数X,Y は可積分であるとし,a ∈ Rとする.このときX + Y, aX はともに可積分で,
E[X + Y ] = E[X] + E[Y ],E[aX] = aE[X].
(ii) 可積分な確率変数X,Y がX ≥ Y a.s.を満たせば,E[X] ≥ E[Y ].
もしさらに E[X] = E[Y ]ならばX = Y a.s.証明. (i) |aX| = |a||X|,|X + Y | ≤ |X| + |Y |より,可積分性は LemA.2より従う.a > 0ならば (aX)± = aX±,a < 0ならば (aX)± = −aX∓ である.E[aX] = aE[X]は期待値の定義と
LemA.2より従う.A,B ∈ F,A∩B = ∅ならば,LemA.2より E[X±(1A + 1B)] = E[X±1A] + E[X±1B ]となる (復号同順).
これよりE[X(1A + 1B)] = E[X1A] + E[X1B ].
E++ = X ≥ 0, Y ≥ 0,E+− = X ≥ 0, Y < 0,E−+ = X < 0, Y ≥ 0,E−− = X < 0, Y < 0とおけば,示すべきは次の等式である (復号同順).
(A.4) E[(X + Y )1E±± ] = E[X1E±± ] + E[Y 1E±± ].
24
E++, E−−で (A.4)が成立することは LemA.2とスカラー倍についての線形性より従う.E+−上では次のように考える.E+−+ = E+− ∩ ±(X + Y ) ≥ 0,E+−− = E+− ∩ ±(X + Y ) < 0とおく.LemA.2とスカラー倍についての線形性より
E[X1E+−+ ] = E[(X + Y )1E+−+ ] − E[Y 1E+−+ ]−E[Y 1E+−− ] = E[E[X1E+−− ] − E[E[(X + Y )1E+−− ]
となる.これより E+− で (A.4)が成立する.E−+ で (A.4)が成立することも同様に証明できる.
(ii) (i)より『X ≥ 0 a.s.ならば E[X] ≥ 0となり,さらにこのとき E[X] = 0ならば X = 0 a.s.となる』ことを示せば良い.E = X < 0とおく.P (E) = 0である.さらに Xn ∈ SFを 0 ≤ Xn ≤ Xn+1 X ととる.Yn = Xn1E とおけば,Yn ∈ SF, 0 ≤ Yn ≤ Yn+1 X1E となる.よって E[X1E ] = limn E[Yn] = 0.線形性より E[X] = E[X1Ω\E ] + E[X1E ] = E[X1Ω\E ] ≥ 0.
E[X] = 0とする.En = X ≥ 1/nとおく.X ≥ (1/n)1En であるから,0 = E[X] ≥ (1/n)P (En) ≥ 0.よって P (En) = 0.n → ∞とすれば,P (X > 0) = 0となる.
B. 拡張定理
Thm B.1 (Caratheodoryの拡張定理). Ωを集合とし,A ⊂ 2Ω とする.Aは,(i) ∅,Ω ∈ A, (ii) A ∈ Aならば Ω \ A ∈ A,(iii) A,B ∈ Aならば A ∩ B,A ∪ B ∈ A
を満すとする.P : A → [0, 1]は(a) P (Ω) = 1,
(b) A1, A2, · · · ∈ A,Ai ∩ Aj = ∅,∞∪
j=1
Aj ∈ Aならば P
( ∞∪j=1
Aj
)=
∞∑j=1
P (Aj)
を満すとする.このとき (Ω, σ(A))上の確率測度 Qで,Q(A) = P (A) (∀A ∈ A)となるものがただ一つ存在する.
Rem B.1. (b)は次と同値である.(b′) An ∈ Aが An ⊃ An+1 ∅ ならば,P (An) → 0 (n → ∞).証明.
P ∗(B) = inf ∞∑
j=1
P (Aj)∣∣∣∣ ∞∪
j=1
Aj ⊃ B, Aj ∈ A
, B ∈ 2Ω
とおく.P ∗ は P の拡張となっている.
(B.2) P ∗(A) = P (A), ∀A ∈ A.
(∵) A ∈ Aとする.A ⊂ Aより,P ∗(A) ≤ P (A)は明らか.
• ε > 0とし,Aj ∈ Aを∞∪
j=1
Aj ⊃ A,∞∑
j=1
P (Aj) ≤ P ∗(A) + εとなるようにとる.
Cj = A ∩
Aj \(j−1∪
k=1
Ak
)とすれば,Cj ∈ A,
∞∪j=1
Cj = A,Ci ∩ Cj = ∅となる.
仮定 (b)より
P (A) =∞∑
j=1
P (Cj) ≤∞∑
j=1
P (Aj) ≤ P ∗(A) + ε.
ε → 0とすれば P (A) ≤ P ∗(A).///• 次が成り立つ.
(B.3) P ∗( ∞∪
j=1
Bj
)≤
∞∑j=1
P ∗(Bj), ∀B1, B2, · · · ∈ 2Ω.
25
(∵) ε > 0を任意に固定し,An,k ∈ Aを∞∪
k=1
An,k ⊃ Bn,∞∑
k=1
P (An,k) < P ∗(Bn)+ε2−n
となるように選ぶ.このとき,∞∪
n,k=1
An,k ⊃∞∪
n=1Bn であるから,
P ∗( ∞∪
n=1
Bn
)≤
∞∑n,k=1
P (An,k) ≤∞∑
n=1
P ∗(Bn) + ε2−n
≤
∞∑n=1
P ∗(Bn) + ε.
ε ↓ 0とすればよい.///•
M = B ⊂ Ω |P ∗(G) = P ∗(B ∩ G) + P ∗(Bc ∩ G), ∀G ⊂ Ω
とおく.ただし Bc = Ω \ B.このとき
(B.4)
(a) ∅, Ω ∈ M, (b) A ∈ M =⇒ Ac ∈ M,
(c) Bk ∈ M , k = 1, 2, . . . , n, =⇒n∪
k=1
Bk ∈ M,
(d) Bk ∈ M, k = 1, 2, . . . , n, Bi ∩ Bj = ∅ =⇒
P ∗( n∪
k=1
(Bk ∩ G
))=
n∑k=1
P ∗(Bk ∩ G), ∀G ⊂ Ω.
(∵) (b)は明らかである.P ∗(∅) = 0と (b)より,(a)が従う.(c) については,de Morgan の法則,(b) と帰納法により B1, B2 ∈ M のときにB1 ∩ B2 ∈ Mを示せばよい.B1, B2 ∈ Mより
P ∗((B1 ∩ B2)c ∩ G) + P ∗((B1 ∩ B2) ∩ G)= P ∗((Bc
1 ∪ Bc2) ∩ G) + P ∗((B1 ∩ B2) ∩ G)
= P ∗(B2 ∩ (Bc1 ∪ Bc
2) ∩ G) + P ∗(Bc2 ∩ (Bc
1 ∪ Bc2) ∩ G)
+ P ∗((B1 ∩ B2) ∩ G)= P ∗(B2 ∩ Bc
1 ∩ G) + P ∗(Bc2 ∩ G) + P ∗((B1 ∩ B2) ∩ G)
= P ∗(B2 ∩ G) + P ∗(Bc2 ∩ G) = P ∗(G)
したがって B1 ∩ B2 ∈ M.(d) n = 2のときに示せば良い.B1, B2 ∈ M,B1 ∩ B2 = ∅,G ⊂ Ωとする.このとき B1 ∈ Mであるから,
P ∗((B1 ∪ B2) ∩ G)= P ∗(B1 ∩ (B1 ∪ B2) ∩ G) + P ∗(Bc
1 ∩ (B1 ∪ B2) ∩ G)= P ∗(B1 ∩ G) + P ∗(B2 ∩ G).
///• 次が成り立つ.
(B.5)
(e) Bn ∈ M, n = 1, 2, . . . =⇒∞∪
n=1
Bn ∈ M,
(f) Bn ∈ M, n = 1, 2, . . . , Bi ∩ Bj = ∅, =⇒
P ∗( ∞∪
n=1
Bn
)=
∞∑n=1
P ∗(Bn).
(∵) Bn ∈ Mは互いに素であるとし,G ⊂ Ωとする.B =∞∪
n=1Bn とおく.G = (A ∩
G) ∪ (Ac ∩ G)であるから,(B.3)より
(B.6) P ∗(G) ≤ P ∗(A ∩ G) + P ∗(Ac ∩ G).
26
Mn =∪n
k=1 Bk とおく.(B.4)(c)よりMn ∈ Mである.よって
P ∗(G) = P ∗(Mn ∩ G) + P ∗(M cn ∩ G).
Mn ⊂ Bより,M cn ⊃ Bcである.よってP ∗(M c
n∩G) ≥ P ∗(Ac∩G).また,(B.4)(d)
より P ∗(Mn ∩ G) =n∑
k=1
P ∗(Bk ∩ G).これらをあわせると
P ∗(G) ≥n∑
k=1
P ∗(Bk ∩ G) + P ∗(Ac ∩ G).
n → ∞とし,さらに (B.3)より∑∞
k=1 P ∗(Bk ∩G) ≥ P ∗(A∩G)となることに注意すれば,
P ∗(G) ≥∞∑
k=1
P ∗(Bk ∩ G) + P ∗(Bc ∩ G) ≥ P ∗(B ∩ G) + P ∗(Bc ∩ G)
となる.(B.6)とあわせて
P ∗(G) =∞∑
k=1
P ∗(Bk ∩ G) + P ∗(Bc ∩ G) = P ∗(B ∩ G) + P ∗(Bc ∩ G).
よって B ∈ Mとなる.この等式で G = B とおけば (f)も従う.///• A ⊂ M.特に σ(A) ⊂ Mである.
実際,A ∈ A,G ⊂ Ωとする.An ∈ Aを∞∪
n=1An ⊃ Gととる.このとき
A ∩ G ⊂∞∪
n=1
(A ∩ An), Ac ∩ G ⊂∞∪
n=1
(Ac ∩ An)
であるから,
∞∑n=1
P (An) =∞∑
n=1
P (A ∩ An) +∞∑
n=1
P (Ac ∩ An) ≥ P ∗(A ∩ G) + P ∗(Ac ∩ G).
ここで Anについて下限をとれば
P ∗(G) ≥ P ∗(A ∩ G) + P ∗(Ac ∩ G).
逆の不等式は P ∗ の劣加法性より従うので,
P ∗(G) = P ∗(A ∩ G) + P ∗(Ac ∩ G).
すなわち,A ∈ F.Q(B) = P ∗(B) (B ∈ σ(A))とおけば望む Qを得る.
Thm B.7. F : R → R は非減少かつ右連続で limx→−∞
F (x) = 0, limx→∞
F (x) = 1 を満すとする.このとき
(R,B(R))上の確率測度 µが存在し,F = Fµ となる.
証明.
A = n∪
j=1
(aj , bj ]∣∣∣∣ n ∈ N,−∞ ≤ a1 < b1 < a2 < b2 < · · · < an < bn ≤ ∞
とおく.P : A → [0, 1]を
P
( n∪j=1
(aj , bj ])
=n∑
j=1
F (bj) − F (aj)
と定義する.P,A は ThmB.1 の (i)∼(iii),(a) を満す.(b) を満すことを見るには,任意の Aj ∈ A,Aj ⊃Aj+1 ∅に対し,P (Aj) → 0を示せば良い.
27
infj P (Aj) ≥ δ > 0と仮定し,矛盾を導く.` > 0を 1−F (`)+F (−`) < δ/2となるようにとる.Bj = Aj ∩ [−`, `]とおく.Aj \Bj ⊂ (−∞,−`)∪ (`,∞)
より,P (Aj) − P (Bj) ≤ 1 − F (`) + F (−`) < δ/2.したがって P (Bj) ≥ δ/2である.Cj ⊂ Bj をDj = Cj ⊂,
P (Bj \ Cj) ≤δ
10 · 2j, ∀j
となるように選ぶ.Ej =j∩
k=1
Cj,Fj =j∩
k=1
Dj とおく.Fj ⊃ Fj+1,Fj はコンパクト集合であり,Aj ⊃ Fj よ
り,Fj ∅.ところが Fj ⊃ Ej,P (Ej) ≥ (δ/2) −∞∑
j=1
P (Bj \ Cj) ≥ 4δ/10.したがって Fj 6= ∅.有限交叉性
より∞∩
j=1
Fj 6= ∅.これは矛盾.
C. 直積確率空間
Def C.1. (Ω1,F1),(Ω2,F2)を可測空間とする.Ω1 × Ω2 上の σ加法族
σ[A1 × A2 |Ai ∈ Fi, i = 1, 2]
を F1 ×F2 と表し,F1 と F2 の直積 σ加法族という.
Thm C.2. (Ω1,F1, P1),(Ω2,F2, P2)を確率空間とし,Ω = Ω1 × Ω2,F = F1 × F2 とおく.(Ω,F)上の確率測度 Qで
Q(A1 × A2) = P1(A1)P2(A2), ∀Ai ∈ Fi, i = 1, 2
を満たすものがただ一つ存在する.
証明. A0 = A1 × A2 |Ai ∈ Fi, i = 1, 2,
A = n∪
j=1
Bj
∣∣∣∣ Bj ∈ A0, Bi ∩ Bj = ∅
とおく.Aが (i) ∅,Ω ∈ A,(ii) B ∈ Aならば Ω \B ∈ A,(iii) B,C ∈ AならばB ∪C ∈ Aを満たすことは容易に分かる.さらに定義より明らかに F = σ[A]となる.
P : A → [0, 1]を
P
( n∪j=1
A1,j × A2,j
)=
n∑j=1
P1(A1,j)P2(A2,j)
と定義する.ただし Ai,j ∈ Fi,i = 1, 2,で (A1,k × A2,k) ∩ (A1,j × A2,j) = ∅.このとき P (Ω) = 1.En ∈ Aは En ⊃ En+1 ∅ とする.ω2 ∈ Ω2 に対し,
En,ω2 = ω1 | (ω1, ω2) ∈ En
とおく.En,ω2 ∈ F1 であり,En,ω2 ⊃ En+1,ω2 ∅である.よって P1(En,ω2) → 0.A,P の定義より,写像X2
n : Ω 3 ω2 7→ P1(En,ω2)は可測であり,P (En) = EP2 [X2n]となる.有界収束定理より,P (En) → 0である.
よって ThmB.1より,A上では P と一致する (Ω,F)上の確率測度 Qが唯一存在する.
Def C.3. ThmC.2の Qを P1 × P2と表し,P1 と P2の直積確率測度という.(Ω,F , P1 × P2)を (Ω1,F1, P1)と (Ω2,F2, P2)の直積確率空間という.Thm C.4 (Fubiniの定理). (Ωi,Fi, Pi)を確率空間,(Ω,F , P1 × P2)をその直積確率空間とする.確率変数X : Ω → Rに対し,
Yω1(ω2) = Zω2(ω1) = X(ω1, ω2), ωi ∈ Ωi, i = 1, 2
とおく.
(i) 各 ω1, ω2 に対し,Yω1 : Ω2 → R,Zω2 : Ω1 → Rは可測である.
(ii) X が可積分ならば,P1に関しほとんどすべての ω1について Yω1 は P2-可積分であり,P2に関しほとんどすべての ω2 について Zω2 は P1-可積分である.
(iii) X が可積分ならば,写像 Ω1 3 ω1 7→ EP2 [Yω1 ],Ω2 3 ω2 7→ EP1 [Zω2 ]はともに可測である.
28
(iv) X が可積分ならば,EP1×P2 [X] = EP1
[EP2 [Yω1 ]
]= EP2
[EP1 [Zω2 ]
].
もしX ≥ 0ならば上の主張は可積分性の仮定なしに成立する.証明.
G = A ∈ F |1A が (i)∼(iv)を満たす とおく.(a) Ω, ∅ ∈ G,(b) A ∈ G ならば Ω \ A ∈ G は定義より明らかである.(c) Aj ∈ G,j ∈ N,ならば,定義関数の分解を用いて
n∪j=1
Aj ∈ Gとなり,さらに単調収束定理より,∞∪
j=1
Aj ∈ G
となる.(d) Ai ∈ Fi,i = 1, 2,ならば,直ちに A1 × A2 ∈ G となる.したがって G = F である.線形性よりX ∈ SFは (i)∼(iv)を満たすといえる.X ≥ 0ならば,Xn ∈ SFを 0 ≤ Xn ≤ Xn+1 X とな
るようにとり,単調収束定理を用いればよい.一般のX については線形性より主張が従う.
D. 急減少関数
Def D.1. f : R → Cが急減少関数であるとは,任意の k,m ∈ Z, ≥ 0に対し,supx∈R
|x|k|f (m)(x)| < ∞とな
ることをいう.急減少関数の全体を S と表す.
Def D.2. f ∈ S に対し,
F[f ](ξ) =∫
Rf(x)e−
√−1 ξxdx, F[f ](x) =
12π
∫R
f(ξ)e√−1 ξxdξ
とおき,F[f ]を f のフーリエ変換,F[f ]を f の フーリエ逆変換という.
Thm D.3. f ∈ S とする.
(i) F[f ], F[f ] ∈ S.
(ii) FF[f ] = FF[f ] = f.
証明. k,m ∈ Z, ≥ 0とする.f ∈ S に対し,fm(x) = xmf(x)とおく.fm ∈ S である.Lebesgueの優収束定理 (微分版)を用い,部分積分を行えば
ξk(F[f ]
)(m)(ξ) =∫
Rf(x)(
√−1x)mξke−
√−1 ξxdx
= (−1)k√−1 m−k
∫R
fm(x)(
ddx
)k(e−√−1 ξx)dx
= (−1)k+m√−1 m−kf (k)
m (x)e−√−1 ξxdx
となる.したがって F[f ] ∈ S となる.F[f ](x) = F[f ](−x)/(2π)より,F[f ]もまた S に属する.f, g ∈ S とする.積分の順序交換により∫
RF[f ](ξ)g(ξ)e
√−1 ξxdξ =
∫R
(∫R
f(y)e√−1 ξydy
)g(ξ)e
√−1 ξxdξ
=∫ ∫
R2f(y)g(ξ)e−
√−1 ξ(y−x)dydξ =
∫R
(∫R
f(y)e−√−1 ξ(y−x)dy
)g(ξ)dξ
=∫
R
(∫R
f(x + y)e−√−1 ξydy
)g(ξ)dξ =
∫R
f(x + y)(∫
Rg(ξ)e−
√−1 ξydξ
)dy
=∫
Rf(x + y)F[g](y)dy.
ε > 0とし,g(ξ) = e−ε2ξ2/2 とおけば,F[g](y) = (2π)1/2ε−1e−y2/(2ε2) となる.(∵) 変数変換により ∫
Rg(ξ)e−ξzdξ =
(2π)1/2
εez2/(2ε2)
を得る.解析接続して,z =√−1 yを代入すれば良い.///
29
上式に代入すれば ∫R
F(ξ)e−ε2ξ2/2e√−1 ξxdξ = (2π)−1/2ε−1
∫R
f(x + y)e−y2/(2ε2)dy
= (2π)−1/2
∫R
f(x + εy)e−y2/2dy.
ε → 0とすれば,Lebesgueの優収束定理より,∫R
F(ξ)e√−1 ξxdξ = (2π)−1/2f(x).
すなわち,F[[f ]](x) = f(x)をえる.逆の関係式はこれから容易に従う.
30