Baixe o app para aproveitar ainda mais
Prévia do material em texto
Universidade de Sa˜o Paulo - Departamento de Economia EAE 5811 - Econometria I Prof. Dr. Ricardo Avelino 1o Semestre de 2007 Convergeˆncia de Varia´veis Aleato´rias Modos de Convergeˆncia Convergeˆncia em Distribuic¸a˜o: {Xn}∞n=1 converge em distribuic¸a˜o para X, denotado por Xn d→ X, se e somente se lim n→∞ Fn (x) = F (x) para todo ponto de continuidade de F (x) Exemplo 1: Suponha que a func¸a˜o de distribuic¸a˜o de Xn seja definida por Fn (x) = ½ n 2 ¡ x− τ + n−1 ¢ se τ − n−1 ≤ x ≤ τ + n−1 1 se τ + n−1 < x Enta˜o, lim n→∞ Fn (x) = ½ 1 2 se x = τ 1 se x > τ Portanto, Xn d→ X, para F (x) = ½ 0 se x < τ 1 se x ≥ τ Note que lim n→∞ Fn (x) e F (x) coincidem em todos os pontos em que F (x) e´ cont´ınua. Convergeˆncia em Probabilidade: {Xn}∞n=1 converge em probabilidade para X, denotado por Xn P→ X ou plim (Xn) = X se e somente se para ∀ε > 0, lim n→∞ P (ω : |Xn (ω)−X (ω)| > ε) = 0 ou, alternativamente, lim n→∞ P (ω : |Xn (ω)−X (ω)| ≤ ε) = 1 Exemplo 2: Suponha que {Xn} seja uma sequ¨eˆncia com func¸o˜es densidade de probabilidade fn (x) , definida por fn (x) = ½ n−1 se x = 0 1− n−1 se x = 1 1 Enta˜o lim n→∞ P (|Xn − 1| = 0) = limn→∞ ¡ 1− n−1 ¢ = 1 o que implica que lim n→∞ P (|Xn − 1| < ε) = 1, ou seja, Xn P→ 1 Exemplo 3: Suponha que Y ∼ N (0, 1) e que Zn tenha uma sequ¨eˆncia de func¸o˜es de densidade associadas fn, com E (Zn) = 0 e V (Zn) = n −1. Defina a sequ¨eˆncia aleato´ria Yn = Y + Zn, e assuma que Y e Zn sejam independentes, de modo que E (Yn) = 0 e V (Yn) = 1 + n −1. Enta˜o, Yn P→ Y, pois, para qualquer ε > 0, lim n→∞ P (|Yn − Y | < ε) = limn→∞P (|Zn| < ε) = 1− limn→∞P (|Zn| ≥ ε) = 1 uma vez que, pela desiguualdade de Chebyshev, lim n→∞ P (|Zn| ≥ ε) ≤ limn→∞ E ¡ Z2n ¢ ε2 = 1 ε2 lim n→∞ n−1 = 0 Convergeˆncia Quase Certa: {Xn}∞n=1 converge quase certamente para X, denotado por Xn a.s.→ X, se e somente se P ³ ω : lim n→∞ Xn (ω) = X (ω) ´ = 1 ou, alternativamente, se e somente se, para todo ε > 0, lim n→∞ P µ sup n≥N |Xn −X| < ε ¶ = 1 Convergeˆncia na r-e´sima me´dia: Seja {Xn}∞n=1 e X integra´veis de ordem r, 0 < r <∞, i.e. E [|Xn|r] <∞ para todo n e E [|X|r] <∞. {Xn}∞n=1 converge na r-e´sima me´dia (em Lr) para X, denotado por Xn Lr→ X se e somente se lim n→∞ E [|Xn (ω)−X (ω)|r] = 0. Para r = 2, dizemos que Xn converge em me´dia quadra´tica para X. Exemplo 4: Suponha que Y ∼ N (0, 1) , E (Yn) = 0, ∀n, V (Yn) → 1 e que Cov (Yn, Y )→ 1. Enta˜o E (Yn − Y )2 = V (Yn) + V (Y )− 2Cov (Yn, Y ) + [E (Yn)−E (Y )]2 → 0 Portanto, Yn L2→ Y e, consequ¨entemente, Yn P→ Y e Yn d→ Y. Convergeˆncia em distribuic¸a˜o e´ o modo mais fraco de convergeˆncia, pois na˜o garante que Xn e X esta˜o pro´ximos, mesmo para n grande. Enquanto Xn a.s.→ X ⇐⇒ Xn −X a.s.→ 0 Xn P→ X ⇐⇒ Xn −X P→ 0 Xn Lr→ X ⇐⇒ Xn −X Lr→ 0 2 e´ apenas verdade que Xn −X d→ 0 ⇒ Xn d→ X. Entretanto, a rec´ıproca na˜o e´ verdadeira. Exemplo 5: Suponha que Xn ∼ N (0, 1 + 1/n), X ∼ N (0, 1) e que Xn e X sejam independentes. Obviamente, Xn d→ X, mas Xn − X ∼ N (0, 2 + 1/n) . Portanto, Xn −X d→ N (0, 2) , na˜o para 0. Algumas relac¸o˜es entre os modos de convergeˆncia Proposic¸a˜o 1: Se Xn Lr→ X para algum r > 0, enta˜o Xn P→ X. Prova: ComoE [|Xn (ω)−X (ω)|r]→ 0 quando n→∞, E [|Xn (ω)−X (ω)|r] < ∞ para n suficientemente grande. Para ∀ε > 0, pela desigualdade de Chebyshev generalizada, P (|Xn −X| ≥ ε) ≤ E [|Xn −X|r] /εr Portanto, 0 ≤ lim n→∞ P (|Xn −X| ≥ ε) ≤ 1 εr lim n→∞ E [|Xn −X|r] = 0 Exemplo 6: Seja Xn = ½ α com probabilidade 1− 1/n n com probabilidade 1/n Enta˜o, Xn P→ α, pois, para ∀ε > 0 lim n→∞ P (|Xn − α| > ε) = limn→∞ 1 n = 0 No entanto, para r = 1, lim n→∞ E [|Xn − α|] = limn→∞ [|α− α| (1− 1/n) + |n− α| (1/n)] = lim n→∞ |1− α/n| = 1 6= 0 e, para r > 1, lim n→∞ E [|Xn − α|r] = limn→∞ [|α− α| r (1− 1/n) + |n− α|r (1/n)] =∞ 6= 0 Portanto, Xn na˜o converge na r-e´sima me´dia para qualquer r ≥ 1. Exemplo 7: Suponha que P (Yn = 0) = 1 − n−2 e que P (Yn = n) = n−2. Enta˜o lim n→∞ P (Yn = 0) = limn→∞ 1− 1 n2 = 1 3 e, portanto, Yn P→ 0, o que implica que Yn d→ 0. Pore´m, Yn L2→ 0. De fato, E (Yn − 0)2 = 0 ¡ 1− n−2 ¢ + n2n−2 = 1 Proposic¸a˜o 2: Se Xn a.s.→ X , enta˜o Xn P→ X. Prova: |Xn −X| > ε implica que sup n≥N |Xn −X| > ε. Portanto, P (|Xn −X| > ε) ≤ P µ sup n≥N |Xn −X| > ε ¶ e, consequentemente, 0 ≤ lim N→∞ P (|Xn −X| > ε) ≤ lim N→∞ P µ sup n≥N |Xn −X| > ε ¶ = 0 Exemplo 8: Seja {Xn} uma sequ¨eˆncia de varia´veis aleato´rias independentes tais que fn (x) = ½ 1− n−1 se x = 0 n−1 se x = 1 Enta˜o lim n→∞ P (|Xn − 0| = 0) = limn→∞ ¡ 1− n−1 ¢ = 1 o que implica que lim n→∞ P (|Xn − 0| < ε) = 1, ou seja, Xn P→ 0⇒ Xn d→ 0. Ale´m disso, E (Xn) = n −1 → 0 e V (Xn) = n −2 ¡1− n−1¢+ ¡1− n−1¢2 n−1 = n−2 − n−3 + ¡ n−2 − 2n−1 + 1 ¢ n−1 = n−2 − n−3 + n−3 − 2n−2 + n−1 = n−1 − n−2 → 0 Portanto, Xn L2→ 0. Mas P (|Xi| < ε, n < i < s) = sY i=n ¡ 1− i−1 ¢ = sY i=n i− 1 i = n− 1 n n n+ 1 ... s− 1 s = n− 1 s → 0 quando s→∞ Enta˜o lim n→∞ P (|Xi| < ε, i > n) = 0 4 Proposic¸a˜o 3: Se Xn Lr→ X e r > s, enta˜o Xn Ls→ X. Prova: E [|Xn −X|s] = E h (|Xn −X|r)s/r i ≤ {E [(|Xn −X|r)]}s/r pela desigualdade de Jensen aplicada a` func¸a˜o coˆncava, pois s/r < 1. Portanto 0 ≤ lim N→∞ E [|Xn −X|s] ≤ limN→∞ {E [(|Xn −X| r )]}s/r = 0 Exemplo 9: Seja {Xn} uma sequ¨eˆncia de varia´veis aleato´rias independentes tais que fn (x) = ½ 1− n−2 se x = 0 n−2 se x = n Enta˜o P (|Xi| < ε, n < i < s) = sY i=n ¡ 1− i−2 ¢ = sY i=n i2 − 1 i2 = (n− 1) (n+ 1) n2 n (n+ 2) (n+ 1)2 ... (s− 1) (s+ 1) s2 = (n− 1) (s+ 1) ns → n− 1 n quando s→∞ Enta˜o lim n→∞ P (|Xi| < ε, i > n) = limn→∞ n− 1 n = 1 isto e´, Xn a.s.→ 0. No entanto, E (Xn) = n−1 → 0 e V (Xn) = ¡ n− n−1 ¢2 n−2 + ¡ −n−1 ¢2 ¡ 1− n−2 ¢ = ¡ n2 − 2 + n−2 ¢ n−2 + n−2 − n−4 = 1− 2n−2 + n−4 + n−2 − n−4 = 1− n−2 → 1 Portanto, Xn na˜o converge em me´dia quadra´tica para 0. Proposic¸a˜o 4 (Equivaleˆncia Assinto´tica): Sejam {Xn} e {Yn} sequeˆncias de varia´veis aleato´rias (ou vetores). Se Xn − Yn P→ 0 e Yn d→ Y, enta˜o Xn d→ Y. Prova: Seja Yn −Xn = Zn e x um ponto de continuidade de FY . FXn (x) = P (Xn < x) = P (Yn < x+ Zn) = P (Yn < x+ Zn, Zn < ε) + P (Yn < x+ Zn, Zn ≥ ε) ≤ P (Yn < x+ ε) + P (Zn ≥ ε) para qualquer ε > 0. Segue-se que lim supFXn (x) ≤ FY (x+ ε) + 0 porque P (Zn ≥ ε) → 0 e P (Yn < x+ ε) → FY (x+ ε) caso x + ε seja um ponto de continuidade de FY . Por outro lado, seja Xn − Yn =Wn, FXn (x) = P (Xn < x) = P (Yn < x−Wn) ≥ P (Yn < x− ε)− P (Wn ≥ ε) 5 porque P (Yn < x− ε) = P (Yn < x−Wn +Wn − ε) = P (Yn < x−Wn +Wn − ε,Wn < ε) +P (Yn < x−Wn +Wn − ε,Wn ≥ ε) ≤ P (Yn < x−Wn,Wn < ε) + P (Wn ≥ ε) ≤ P (Yn < x−Wn) + P (Wn ≥ ε) Segue-se que lim inf FXn (x) ≥ lim inf P (Yn < x− ε) = FY (x− ε) quando x− ε e´ um ponto de continuidade de FY , pois lim inf P (Wn ≥ ε) = 0. Portanto, FY (x− ε) ≤ lim inf FXn (x) ≤ lim supFXn (x) ≤ FY (x+ ε) Resta mostrar que x + ε e x + ε sa˜o pontos de continuidade de FY para ε arbitrariamente pro´ximo de zero. Isso resulta do fato de que a func¸a˜o de distribuic¸a˜o so´ pode ser descont´ınua em um conjunto enumera´vel de pontos e do fato de que todo intervalo em torno de x conte´m um nu´mero na˜o enumera´vel de pontos. Exemplo 10: Suponha que Xn ∼ N (0, (n− 1) /n) , de modo que Xn d→ X ∼ N (0, 1) , e que Zn ∼ χ2n, com Xn e Zn independentes. Defina Yn =¡ 1 + n−1 ¢ Xn + n −1Zn − 1. Note que Xn − Yn = 1 − n−1 (Xn + Zn). Pelo Teorema de Mahn-Wald, plim (Xn − Yn) = 1 − plim (Xn/n) − plim (Zn/n) . Como E (Xn/n) = 0 e V (Xn/n) = (n− 1) /n3, plim (Xn/n) = 0. Semel- hantemente, como E (Zn/n) = 1 e V (Zn/n) = 2/n, plim (Zn/n) = 1. Enta˜o, plim (Xn − Yn) = 0, o que, juntamente com Xn d→ X, implica que Yn d→ X. Corola´rio: Xn P→ X implica que Xn d→ X. Prova: Como Xn −X P→ 0 e X d→ X, enta˜o Xn d→ X. Proposic¸a˜o 5 (Teorema de Helly-Bray): Fn → F (i.e., Xn d→ X) implica queZ +∞ −∞ gdFn → Z +∞ −∞ gdF para toda func¸a˜o cont´ınua limitada g. Prova: Sejam a e b dois pontos de continuidade de F , a < bZ +∞ −∞ gdFn−Z +∞ −∞ gdF = Z a −∞ g (dFn − dF )+ Z b a g (dFn − dF )+ Z +∞ b g (dFn − dF ) Seja c o limite de g tal que |g| < c. 6 ¯¯¯¯Z a −∞ gdFn − Z a −∞ gdF ¯¯¯¯ < c Z a −∞ dFn + c Z a −∞ dF = c [Fn (a) + F (a)] < ε/5 para um a apropriado e n ≥ n0. Similarmente, Z +∞ b g (dFn − dF ) < ε/5 para b e n0 apropriados. g e´ uniformemente cont´ınua em [a, b] . Divida [a, b] em m intervalos x0 = a < x1 < ... < xm−1 < b = xm, onde x1, ..., xm−1 sa˜o todos pontos de continuidade de F tais que |g (x)− g (xi)| < ε/5 para todo x ∈ (xi, xi+1) . Defina gm (x) = g (xi) para x ∈ (xi, xi+1) . Enta˜oZ b a gm (x) dFn (x) = m−1X i=0 g (xi) [Fn (xi+1)− Fn (xi)] → m−1X i=0 g (xi) [F (xi+1)− F (xi)] = Z b a gm (x) dF (x) Portanto, ¯¯¯¯ ¯ Z b a gm (x) dFn (x)− Z b a gm (x) dF (x) ¯¯¯¯ ¯ < ε/5 para n suficiente- mente grande. ¯¯¯¯ ¯ Z b a gdFn − Z b a gdF ¯¯¯¯ ¯ = ¯¯¯¯ ¯ Z b a (g − gm) dFn + Z b a gm (dFn − dF ) + Z b a (gm − g) dF ¯¯¯¯ ¯ < Z b a ε/5dFn + ε/5 + Z b a ε/5dF < 3ε/5 o que implica que¯¯¯¯Z +∞ −∞ gdFn − Z +∞ −∞ gdF ¯¯¯¯ < ε/5 + 3ε/5 + ε/5 = ε Proposic¸a˜o 6: Se Xn d→ c e c e´ constante, enta˜o Xn P→ c. Prova: Para todo ε > 0, P (|Xn − c| > ε) = E [1 {|Xn − c| > ε}] = Z +∞ −∞ hdFn ≤ Z +∞ −∞ gdFn para h = ½ 1 se |Xn − c| > ε 0 caso contra´rio e uma func¸a˜o cont´ınua limitada g com as seguintes propriedades: 1 ≥ g (x) ≥ 0, g (c) = 0 e g (x) = 1 toda vez que |Xn − c| > ε. Pelo teorema de Helly-Bray, 0 ≤ lim n→∞ P (|Xn − c| > ε) ≤ limn→∞ Z +∞ −∞ gdFn = Z +∞ −∞ gdF = g (c) = 0 7 pois F e´ degenerada em c. Exemplo 11: Suponha que {Yn} seja uma sequ¨eˆncia de varia´veis aleato´rias e que Yn d→ c, isto e´, Fn (Y )→ F (Y ) = 1A (Y ) , para A = {Y : Y ≥ c} . Enta˜o, quando n→∞, lim n→∞ P (|Yn − c| < ε) ≥ Fn (c+ τ)− Fn (c− τ)→ 1 para τ ∈ (0, ε) e ∀ε > 0, o que implica que Yn P→ c. Exemplo 12: Seja X uma varia´vel aleato´ria com distribuic¸a˜o de Bernoulli assumindo os valores 0 e 1 com probabilidade igual a 1/2. Seja {Xn} uma sequ¨eˆncia de varia´veis aleato´rias ideˆnticas, isto e´, Xn = X para todo n. Por construc¸a˜o, Xn d→ X. Defina Y = 1−X. ComoX e Y teˆm a mesma distribuic¸a˜o, no´s sabemos que Xn d→ Y. Mas |Xn − Y | = 1 sempre. Portanto, Xn na˜o pode convergir para Y em nenhum outro modo de convergeˆncia. Exemplo 13: Como no exemplo 5, suponha que Xn ∼ N (0, 1 + 1/n), X ∼ N (0, 1) e que Xn e X sejam independentes. Novamente, Xn d→ X, mas Xn − X ∼ N (0, 2 + 1/n) . Para n grande, Xn − X d→ N (0, 2) e, portanto, P ¡|Xn −X| > √2¢ ≈ 0.32. Consequ¨entemente, lim n→∞ P ³ |Xn −X| > √ 2 ´ ≈ 0.32 6= 0 Teoremas U´teis Mahn-Wald: Seja g : Rk → Rm cont´ınua em todos os pontos de um conjunto C tal que P (X ∈ C) = 1. Se Xn P→ X,enta˜o g (Xn) P→ g (X) . Prova: Fixe um ε > 0 arbitra´rio. Para cada δ > 0, seja Bδ o conjunto dos pontos x para os quais existe y tal que |x− y| < δ e |g (x)− g (y)| > ε. Se X /∈ Bδ e |g (x)− g (y)| > ε, enta˜o |x− y| ≥ δ. Consequ¨entemente, P (|g (x)− g (y)| > ε) ≤ P (X ∈ Bδ) + P (|x− y| ≥ δ) O segundo termo do lado direito da equac¸a˜o acima converge para zero quando n→∞ para todo δ > 0, por hipo´tese. Como Bδ ∩C → φ quando δ → 0, pois g e´ cont´ınua, o primeiro termo do lado direito converge para zero quando δ → 0. Slutsky: Sejam {Xn, Yn} uma sequ¨eˆncia de pares de varia´veis aleato´rias. Enta˜o a) Se Xn d→ X e Yn P→ 0, enta˜o XnYn P→ 0 8 b) Se Xn d→ X e Yn P→ c, enta˜o Xn + Yn d→ X + c, XnYn d→ cX e Xn/Yn d→ X/c se c 6= 0. Prova: a) P (|XnYn| ≥ ε) = P (|XnYn| ≥ ε, |Yn| ≤ ε/k) + P (|XnYn| ≥ ε, |Yn| > ε/k) ≤ P (|Xn| ≥ k) + P (|Yn| > ε/k) para k >0, pois |XnYn| ≥ ε e |Yn| ≤ ε/k implicam que ε ≤ |XnYn| = |Xn| |Yn| ≤ ε/k |Xn| , o que, por sua vez, implica que k ≤ |Xn| . Portanto, lim sup n→∞ P (|XnYn| ≥ ε) ≤ limn→∞Fn (−k) + limn→∞ (1− Fn (k)) + lim n→∞ P (|Yn| > ε/k) = F (−k) + (1− F (k)) pois Xn d→ X (escolha k de modo que F (x) seja cont´ınua em k e −k) e Yn P→ 0. No limite, quando k →∞, 0 ≤ lim sup n→∞ P (|XnYn| ≥ ε) ≤ 0 b) Xn d→ X ⇒ Xn + c d→ X + c. Como (Xn + Yn)− (Xn + c) = Yn − c P→ 0, pela equivaleˆncia assinto´tica, Xn + Yn d→ X + c. Ale´m disso, Xn d→ X ⇒ cXn d→ cX. Pela parte (a), XnYn − cXn = Xn (Yn − c) P→ 0. Portanto, por equivaleˆncia assinto´tica, XnYn d→ cX. Finalmente, Xn d→ X ⇒ Xn/c d→ X/c, pois c 6= 0. Xn/Yn − Xn/c = Xn (1/Yn − 1/c) P→ 0 pelo Teorema de Mahn-Wald e pela parte (a). Portanto, Xn/Yn d→ X/c. Exemplo 14: Suponha que Yn P→ 4, que Xn d→ X e que F (X) = ½ θ−1 exp (−X/θ) se X > 0 0 caso contra´rio Enta˜o XnYn d→ 4X. Como φ (X) = (1− itθ)−1 , φ (4X) = E [exp (it4X)] = (1− it4θ)−1 , ou seja, XnYn converge em distribuic¸a˜o para uma exponencial com paraˆmetro 4θ. Me´todo Delta: Suponha que αn (Xn − b) d→ X e que αn → ∞. Seja g (.) uma func¸a˜o continuamente diferencia´vel em b (possivelmente assumindo valores em Rn). Enta˜o αn (g (Xn)− g (b)) d→ ∂g (b) ∂b0 X 9 Prova: Xn − b = 1 αn αn (Xn − b) d→ 0X = 0 pelo Teorema de Slutsky. Portanto, Xn d→ b, o que implica que Xn P→ b. Pelo Teorema do Valor Me´dio, g (Xn) = g (b) + ∂g (X∗n) ∂X∗0n (Xn − b) para algum X∗n na linha conectando Xn e b. Como Xn d→ b implica que Xn P→ b, pelo Teorema de Mahn-Wald, ∂g(X∗n) ∂X∗0n P→ ∂g(b)∂b0 . Enta˜o, aplicando-se novamente o Teorema de Slutsky, segue-se que αn (g (Xn)− g (b)) = ∂g (X∗n) ∂X∗0n αn (Xn − b) d→ ∂g (b) ∂b0 X Exemplo 15: Suponha que √ n ³ θˆ − θ ´ d→ N ¡ 0, σ2 ¢ e que queiramos estimar g (θ) = exp (θ) atrave´s de g ³ θˆ ´ = exp ³ θˆ ´ . Nesse caso, g0 (θ) = exp (θ) e √ n ³ g ³ θˆ ´ − g (θ) ´ d→ exp (θ)N ¡ 0, σ2 ¢ = N ¡ 0, exp (2θ)σ2 ¢ Exemplo 16: Suponha que θ = · θ1 θ2 ¸ , √ n ³ θˆ − θ ´ d→ N (0,Σ) e que no´s estejamos interessados em estimar g (θ) = √ θ1 θ1 + 3θ2 θ1θ2 atrave´s de g ³ θˆ ´ . Nesse caso, ∂g (θ) ∂θ0 = 1 2 √ θ1 0 1 3 θ2 θ1 e √ n ³ g ³ θˆ ´ − g (θ) ´ d→ ∂g (θ) ∂θ0 N (0,Σ) = N 0, 1 2 √ θ1 0 1 3 θ2 θ1 · σ11 σ12 σ21 σ22 ¸ · 1 2 √ θ1 1 θ2 0 3 θ1 ¸ 10
Compartilhar