BAB 9

Konvergensi dalam distribusi

9.1 Definisi dan sifat-sifat dasar
Dalam bab ini, akan dibahas konsep-konsep konvergensi dalam distribusi
variable acak. Pentingnya dan kegunaan dari konsep ini terletak pada peninjauan
berikut : Jika urutan variable acak Xn konvergen untuk suatu variable acak X,
maka salah satu perkiraan probabilitas ( ) ( ) untuk n besar
untuk kelas himpunan A ().Dalam beberapa situasi, penilaian yang tepat
untuk ( ) lebih sulit dibandingkan menilai ( ). Akibatnya,
seseorang menyelesaikan nilai limit ( ) dibandingkan ( ), ketika n
besar. Misalkan Y1, Y2, menjadi dari variable acak iid dengan momen kedua
terbatas. Misalkan seseorang tertarik dalam menemukan pengamatan signifikan
atau p-value untuk uji statistic dengan hipotesis 0 = 0 bertentangan dengan
alternative 1 0 tentang populasi rata-rata . Jika uji statistic =
1 =1 digunakan dan tolak H0 untuk nilai besar dari | |, maka uji p-
value dapat ditemukan dengan menggunakan fungsi () = 0 (| | >
), [0,), 0 dinotasikan sebagai distribusi bersama dari { }1
dibawah =0. Perhatikan disini , susah menemukan (. ), karena bergantung
pada distribusi gabungan dari Y1, . . . ,Yn . jika diketahui bahwa = 0,
konvergen dalam distribusi normal variable acak Z (yang sebenarnya dijamin oleh
teorema limit pusat ,lihat bab 11), maka dapat diperkiraan () dari (|| > ),
yang dapat ditemukan dengan menggunakan table probabilitas normal.
Defenisi umum dari konvergensi dalam distribusi adalah sebagai berikut :

Definisi 9.1.1: Misalkan , 0 adalah kumpulan variabel acak dan

misalkan merupakan Konvergen dalam distribusi f dari , 0. Kemudian,
{ } 1 dapat dikatakan sebagai kovergen dalam distribusi pada 0, ditulis
sebagai d 0, jika
() = 0 () Untuk setiap (0 ) (1.1)

dimana (0 ) = { 0 ()}.
Definisi 9.1.2: Misalkan { }0 menjadi peluang ukuran ( , B, ( )). Kemudian
{ }1 dikatakan konvergen ke 0 dengan lemah atau dalam distribusi,
ditunjukkan dengan d 0 jika (1.1) dihubungkan dengan
() ((, ]), , 0.
Berbeda dengan pengertian konvergen dalam peluang dan konvergen hampir
pasti, pengertian dari konvergensi dalam distribusi tidak memerlukan variabel
acak yakni , 0 dapat didefinisikan sebagai probabilitas umum. Untuk
setiap 0, dapat didefisinikan pada probabilitas berbeda ( , , ) dan
{ } 1 dikonversikan dalam distribusi ke 0. Dalam konteks, pengertian
konvergensi dari { } 1 ke 0 pada probabilitas atau hampir pasti tidak
didefinisikan dengan baik. Definisi 9.1.1 hanya konvergen dalam distribusi dari
ke konvergensi 0 untuk setiap (0 ) , tetapi tidak memerlukan
konvergensi (hampir pasti atau pada probabilitas) dari variabel acak itu sendiri.

1
Contoh 9.1.1: Untuk 1, Misalkan ~ seragam (0, ), sebagai contoh,

memiliki Konvergensi dalam distribusi

0 <0
1
0<<
() =
1
{ 1

dan bila 0 adalah turunan variabel acak ambil nilai 0 sebagai probabilitas 1,
sebagai contoh konvergensi dalam distribusi dari 0 adalah
0 <0
0 () = {
1 0
Perhatikan bahwa fungsi 0 () tidak kontinu hanya pada = 0, Oleh karena itu,
(0 ) = \{0}. Hal ini sangat mudah untuk memeriksa bahwa untuk setiap
0,
() 0 () dimana
Oleh karena itu, d 0.
Contoh 9.1.2: Misalkan { }0 dan { }0 barisan bilanganral sehingga 0 <
< untuk semua 1. Misalkan ~( , ), 1.
Kemudian,konvergensi dalam distribusi dari diberikan oleh

() = ( ), (1.2)

1
Dimana () = () dan () = (2) 2 exp( 2 /2), . Jika
0 ~(0 , 0 ) untuk beberapa 0 , 0 [0, ), kemudiangunakan (1.2), salah
satunya dapat ditunjukkan bahwa d 0 jika dan hanya jika d 0 dan
d 0 dimana . (Masalah 9.8)
Selanjutnya beberapa implikasi sederhana dari definisi 9.1.1 adalah sebagai
berikut.

Bagian 9.1.1: Jika p 0, maka d 0.

Bukti: Misalkan merupakan cdf dari , 0. selesaikan C(0 ).
Kemudian, untuk setiap > 0,
( ) (0 + ) + ( , 0 > + )
(0 + ) + (| 0 | > ) (1.3)
dan juga
( ) (0 ) (| 0 | > ). (1.4)
Oleh karena itu, dari (1.3) dan (1.4),
0 ( ) (| 0 | > ) () 0 ( + ) + (| 0 | > ).
Setelah itu p 0, dimana , sehingga didapatkan
0 ( ) lim inf lim sup () 0 ( + ) (1.5)

Untuk semua (0, ). Sebagai catatan bahwa (0 ), 0 ( ) = 0 ().

Oleh karena itu, dimana 0 pada (1.5), salah satunya memiliki lim =

0 (). Perubahan ini adalah hasilnya.

Seperti yang ditunjukkan sebelumnya, kebalikan dari bagian 9.1.1 adalah
salah pada umumnya. Berikut adalah kebalikan parsial. Bukti berdasarkan pada
definisi konvergensi dalam probabilitas dan konvergensi dalam distribusi dan
sebagai latihan (Soal 9.1)
Bagian 9.1.2: Jika d 0 dan (0 = ) = 1 untuk beberapa , kemudian
p .

Teorema 9.1.3: Misalkan , 0 dapat menjadi kumpulan dari variabel acak

dengan masing-masing cdfs , 0. Kemudian, d 0 jika dan hanya jika
terdapat pada himpunan D di sehingga
() = 0 () Untuk setiap (1.6)

Bukti: Karena (0 )c mempunytai banyak titik hitung, yang bagian hanya jika.
Untuk membuktikan bagian jika, misalkan menggunakan (1.6). Selesaikan
(0 ). Kemudian, terdapat barisan { }1 , { }1 pada sehingga dan
sebagai . Oleh karena itu, untuk setiap , ,
( ) () ( ).
Dari (1.6), untuk setiap ,
0 ( ) = lim ( ) lim inf ()

lim sup () lim ( ) = 0 ( ). (1.7)

Karena (0 ), lim 0 ( ) = 0 () = lim 0 (). Oleh karena itu,dari (1.7),

lim () ada dan sama dengan 0 (). Hal ini melengkapi bukti dari teorema

9.1.3.

Teorema 9.1.4: . Misalkan , 0 variabel acak dengan

masing-masing cdfs , 0. Jika 0 kontinu pada , kemudian

| () 0 ()| 0
Bukti: Ini kasus spesial dari Lemma 8.2.6 dan menggunakan bagian berikut.

Bagian 9.1.5: Jika cdf F kontinu pada , kemudian secara bersama kontinu pada
.
Bukti dari bagian 9.1.5 sebagai latihan (Soal 9.2)
Teorema 9.1.6: ..Misalkan { }1 dan { }1 menjadi dua
barisan variabel acak b untuk setiap > 1. ( , ) didefinisikan pada ruang
probabilitas (n Fn Pn ). Jika d dan p untuk setiap , kemudian
(i) + d + ,
(ii) d , dan
(iii) / d/, dimana 0.
Bukti: bukti bahwa dari bagian (i) yang dijabarkan disini. Bagian lain mungkin
terbukti sama. Misalkan 0 menyatakan cdf dari . Kemudian, cdf dari +
diperoleh oleh () = 0 ( ), .. Selesaikan (). Kemudian,
(0 ).
Untuk setiap > 0 (seperti dalam penurunan (1.3) dan (1.4)),
( + ) (| | > ) + ( + ) (1.8)
dan
( + ) ( + + ) (| | > ) (1.9)
Sekarang selesaikan > 0 sehingga , + (0 ). Hal ini
dimungkinkan karena \(0 ) dapat dihitung. Kemudian, dari (1.8) dan (1.9), hal
ini mengakibatkan
lim sup ( + )

lim [(( ) > ) + ( + )]

= 0 ( + ) (1.10)
Dan dengan cara yang sama,
lim inf ( + ) 0 ( ). (1.11)

Sekarang misalkan 0 + sedemikian sehingga (0 ), dari (1.10)

dan (1.11), ini sesuai dengan
0 (( )) lim inf ( + )

lim sup ( + )

0 ( )
Karena (0 ), (i) terbukti.
9.2 Konvergen Samar-Samar, Teorema Helly-Bray, Dan Keketatan
Satu versi dari teorema Bolzano-Weirstrass dari analisis real bahwa jika
[0,1] adalah sebuah himpunan tak terbatas, maka terdapat barisan { }>1
sedemikian sehingga lim terdapat dalam[0,1]. Catat bahwa x tidak

dalam A kecuali A tertutup. Terdapat analogi dalam sub ukuran peluang pada (,
()),i.e., untuk ukuran pada (, ()) sedemikian sehingga ()1.
Pertama, dibutuhkan sebuah defenisi konvergenan dari ukuran sub-peluang.

Defenisi 9.2.1
Misalkan { }1 , ukuran peluang pada (, ()). Maka { }1 konvergen ke
samar-samar, disimbolkan denan , jika terdapat himpunan
sedemikian sehingga D padat di dan
((, ]) ((, ]) di mana untuk semua , (2.1)

Contoh 9.2.1
Misalkan { }1, X adalah variabel acak sedemikian sehingga konvergen ke
X dalam distribusi, i.e.,
() ( ) () ( ) (2.2)
untuk semua (), himpunan titik kontinu di F. Karena komplemen dari C(F)
terhitung, (2.2) mengakibatkan dimana () ( )dan ()
( ).

Catatan 9.2.1 :
Sesuai dengan di atas bahwa jika { }1 , adalah ukuran peluang, maka
(2.3)
Dan sebaliknya, tidak susah untuk menunjukkan bahwa (masalah 9.4) jika
dan dan adalah ukuran peluang, maka .

Contoh 9.2.2
Misalkan adalah ukuran peluang berkoresponden ke distribusi seragam pada
[-n, n], n 1. Sangat mudah menunjukkan bahwa 0 , dimana 0 adalah
ukuran yang memberikan nilai 0 pada himpunan Borel. Ini menunjukkan bahwa
jika , maka () tidak konvergen ke (). Tetapi jika ()
konvergen ke () dan () > 0 dan jika , maka dapat ditunjukkan

bahwa dimana = dan = ().
()

Teorema 9.2.1
(Teorema pemilihan Helly). Misalkan A adalah kumpulan tak hingga dari ukuran
peluang pada (, ()). Maka, terdapat barisan { }1 dan ukuran peluang
sedemikian sehingga .
Bukti: Misalkan { }1 adalah himpunan terhitung dalam (sebagai
contoh, = , adalah himpunan rasional atau = , himpunan semua diadik

rasional dari bentuk {2 : bilangan bulat, bilangan bulat positif}). Misalkan

untuk setiap x, () {((, ]): }. Maka () [0,1] dan dengan

mengaplikasikan teorema Bolzano-Weirstrass pada himpunan (1 ), ambil
sebuah barisan {1 }1 sedemikian sehingga lim 1 (1 ) (1 ) ada,

dimana 1 () 1 ((, ]), . Selanjutnya aplikasikan teorema Bolzano-

Weirstrass pada {1 (2 )}1 menghasilkan sub barisan {2 }1 {1 }1
sedemikian sehingga lim 2 (2 ) (2 ) ada, dimana 2 ()

2 ((, ]), 1. Dengan melanjutkan langkah ini, akan diperoleh sebuah

barisan dari sekumpulan subbarisan { }1 , = 1,2, sedemikian sehingga

untuk setiap j, lim ( ) ( ) ada. Secara terpisah, untuk subbarisan

{ }1 ,
lim ( ) ( ) (2.4)

ada untuk semua j. Sekarang himpunan

() inf{(): > , } (2.5)
Maka, () adalah fungsi kontinu kanan tidak turun pada (masalah 9.5) dan
sama dengan ()pada . Misalkan adalah ukuran Lebesgue-Stieltjes yang
diperluas oleh . Karena () 1 untuk semua n dan x, ini sesuai bahwa
 () 1 untuk semua x dan karena itu adalah ukuran sub-peluang. Anggap
bahwa (2.4) juga mengimplikasikan bahwa
lim () = () (2.6)

untuk semua , himpunan titik kontinu pada . Maka semua ,

, ((, ]) () () () () = ((, ]) dan karena itu
. Untuk membuktikan (2.6), menentukan dan > 0. Maka
terdapat > 0 sedemikian sehingga untuk semua < < + , () <
() < () + . ini mengakibatkan bahwa terdapat < < < < +
, , dan () < () () ( ) < () + . karena ()
() ( ), ini sesuai dengan
() lim () lim () () + ,

membuktikan (2.6).
Selanjutnya, beberapa karakter hasil dari konvergen sama-samar dan
konvergen dalam distribusi akan dibuktikan. Ini dapat digunakan untuk
mendefenisikan konvergen dari ukuran sub-peluang dalam beberapa perluasan
ruang metric.

Teorema 9.2.2 (Teorema Helly-Bray pertama atau teorema Helly-Bray untuk

kekonvergenan samar-samar). Misalkan { }1 dan adalah ukuran sub-
peluang dalam (, ()). Maka

(2.7)

untuk semua 0 () = {|g:RR kontinu |dan lim () = 0}.

||

Bukti : misalkan dan misalkan 0 (). diberikan > 0, pilih K yang

besar sedemikian sehingga |()| < untuk || > . Karena , terdapat
himpunan padat sedemikian sehingga ((, ]) ((, ]) untuk semua
, . sekarang pilih , sedemikian sehingga < dan > .
Karena f kontinu seragam dalam [a,b] dan D padat dalam , terdapat titik 0 =
< 1 < 2 < < = dalam D sedemikian sehingga sup +1 |()
( )| < untuk semua 0 < . Sekarang
 1

= + +
(,] =0 ( ++1 (,)

dan juga
1

| ( ) (( , +1 ])| < 2 + , ((, ]) < 3 .

=0

Sebuah taksiran yang sama untuk . Karena , adalah ukuran sub-

peluang, ini sesuai dengan

| | < 6 + | (( , +1 ]) (( , +1 ])|,
=0

dimana = sup{|()|: } Misalkan dan catat bahwa

dan { }
=0 ,diperoleh

lim sup | | 6.

Karena > 0 sembarang, maka (2.7) mengikuti dan terbukti hanya jika bagian ini
lengkap.
Untuk membuktikan kekonvergenannya, misalkan D adalah himpunan
titik {: ({}) = 0}. Menentukan a, b D, a < b. Misalkan 1 adalah fungsi yang
didefenisikan oleh
1 if
1 () = { 0 if < or > +
linear pada < , +
Kemudian, 1 0 () dan oleh (2.7),

1 1 .

Tetapi ((, ]) 1 dan 1 (( , + ]). Sehingga,

lim sup ((, ]) (( , + ]). Misalkan 0 dan anggap bahwa
, , diperoleh
lim sup ((, ]) ((, ]) (2.8)
Dengan anggapan yang sama dengan 2 = 1 pada [ + , ] dan 0 untuk
dan dan linear antara, menghasilkan
 lim inf ((, ]) ((, ]).

Teorema 9.2.3 : (Teorema Helly-Bray kedua atau teorema Helly-Bray untuk

kekonvergenan lemah). Misalkan { }1 dan adalah ukuran peluang dalam
(, ()). Maka

(2.9)

untuk semua () {|: , }.

Bukti : Misalkan .misalkan > 0 dan () diberikan. Pilih K besar
sedemikian sehingga ((, ]) > 1 . Juga, pilih a < -K dan b > K .
sedemikian sehingga ({}) = ({}) = 0, , . Misalkan = 0 < 1 <
< = yang dipilih sehingga 0 , 1 , , dan
+1 |() ( )| <

untuk semua i =1, , m-1. Karena (,) +
= (,)

1
=1 (( , ( , ) + (,) (,) , ini sesuai dengan
+1 +1)

| | < [ ((, ]) + ((, ]))

 Ingat bahwa barisan { } 1 dalam ruang metrik (, ) disebut
jika untuk setiap > 0, terdapat sehingga , > ( , ) < .
Sebuah ruang metrik (, ) lengkap jika setiap barisan { } 1 di
konvergen dalam , yakni, pada barisan { } 1, ada dalam
sehingga ( , ) 0 untuk .

Contoh 9.3.1: Untuk setiap , dengan metrik Euclidean sudah lengkap

tetapi himpunan semua vektor rasional dengan metrik Euclidean (, )
tidak lengkap. Himpunan [0, 1] dari semua fungsi kontinu pada [0, 1]
lengkap dengan supremum metrik (, ) = {|() ()| 0 1}
tetapi himpunan semua polinomial pada [0, 1] tidak lengkap untuk metrik yang
sama.
Ingat bahwa himpunan D disebut padat pada (, ) jika (, )
untuk semua dan untuk semua > 0, di mana (, ) adalah bola terbuka
dengan pusat di dan radius . Juga, (, ) disebut dapat dipisahkan jika ada satu
himpunan padat terhitung .

Definisi 9.3.3: Sebuah ruang metrik (, ) disebut Polandia jika lengkap

dan dapat dipisahkan.

Contoh 9.3.2: Semua ruang Euclid dapat dikatakan metrik Euclid dengan metrik
untuk 1 , lengkap. Ruang [0, 1] dari fungsi kontinu pada [0,1]
dengan metrik supremum lengkap. Semua ruang memenuhi ruang ukuran
dengan ukuran -terbatas dan -aljabar terhitung, 1 , sudah lengkap
(lihat Bab 3).
Teorema berikut memberikan beberapa kondisi ekuivalen untuk
kekonvergenan lemah dari ukuran peluang pada ruang Polandia.

Teorema 9.3.1: Misalkan (, ) menjadi Polandia dan { } 1 , menjadi

ukuran peluang. Maka berikut ini adalah ekuivalen:
 i. .
ii. Untuk setiap himpunan terbuka G, lim () ().

iii. Untuk setiap himpunan tertutup C, lim () ().

iv. Untuk semua sehingga () = 0,

lim n n (B) = (B),
dimana adalah batas dari , yaitu = {: >
0, (, ) , (, ) }.
v. Untuk setiap fungsi kontinu seragam dan terbatas : ,
.

Untuk membuktikan gunakan fakta berikut.

Proposisi 9.3.2: Untuk setiap himpunan terbuka G dalam ruang metrik (, ),
terdapat barisan {}1 dari fungsi kontinu terbatas dari ke [0,1] sehingga
untuk , () () untuk semua .
1
Bukti: Misalkan {: (, ) > } dimana untuk setiap himpunan A dalam
(, ), (, ) {(, ): }. Jika G terbuka, (, ) > 0 untuk semua
di . Maka . Misalkan untuk setiap n 1,
(, )
() , . (3.3)
(, ) + (, )
Periksa (Soal 9.10) untuk setiap , () adalah kontinu pada , () = 1
di dan 0 pada , 0 () 1 untuk semua di . Selanjutnya, ()
().

Bukti dari Teorema 9.3.1:

() (): Misalkan terbuka. Pilih { } 1 di Proposisi 9.3.2. Kemudian
untuk ,

() lim inf () lim inf =

(oleh ()). Tetapi lim = (), menurut teorema konvergen terbatas.

Oleh karena () berlaku.

() (): Anggap () berlaku. Misalkan C tertutup. Maka = terbuka.
Jadi oleh (),
lim inf ( ) ( ) lim sup () (),

sejak dan adalah ukuran probabilitas. Dengan demikian, () berlaku.

Demikian pula, () ().
() (): Untuk setiap , misalkan 0 dan menyatakan, masing-
masing, interior dan penutup . Artinya, 0 = {: (, )
> 0} dan = {: { }1 , lim = }. Kemudian,

untuk setiap 1,
(0 ) () ( )
dan dengan () dan (),
(0 ) lim inf () lim sup () ( )

Tetapi = \0 dan () = 0 berarti ( 0 ) = (). Dengan demikian,

lim () = ().

() () (): Ini akan dibuktikan untuk kasus di mana adalah garis nyata.
Untuk kasus umum Polandia, lihat Billingsley (1968). Misalkan ()
((, ]) dan () ((, ]), , 1. Misalkan adalah titik
kontinuitas dari . Maka ({}) = 0. Karena jika = ( , ], maka = {},
dengan (),
() = (( , ]) (( , ]) = ().
Jadi, . Berdasarkan Teorema 9.2.3, () memiliki dan karenanya ()
berlaku.
() (): Anggap bahwa dalam bukti Teorema 9.2.2, aproksimasi fungsi 1
dan 2 keduanya kontinu seragam. Oleh karena itu, pernyataan mengikut dari
Teorema 9.2.2 dan Catatan 9.2.1. Ini melengkapi bukti Teorema 9.3.1.

Contoh berikut ini menunjukkan bahwa ketimpangan bisa ketat dalam () dan
() dari teorema di atas.
 1
Contoh 9.3.3: Misalkan adalah variabel acak. Himpunan = + , =
1
, 1.
Karena dan keduanya konvergen ke w.p. 1, distribusi dan
konvergen dengan X.
Sekarang anggap bahwa nilai 0 ada sehingga ( = 0 ) > 0. Maka,
((, 0 )) ( < 0 )
1
= ( < 0 ) ( < 0 ) = ((, 0 ))

1
((, 0 ]) = ( 0 ) = ( 0 ) ( < 0 ) < ((, 0 ]),

dan
((, 0 )) ( < 0 )
1
= ( 0 + ) ( 0 ) > ( < 0 ).

Perhatikan bahwa dan keduanya konvergen di distribusi ke . Namun,
untuk himpunan ditutup ( , 0 ],
lim sup ((, 0 ]) < ((, 0 ])

dan untuk himpunan terbuka ( , 0 ),

lim inf ((, 0 )) > ((, 0 )).

Catatan 9.3.1: Barisan konvergen dari distribusi peluang muncul dengan cara
alami dalam keluarga parametrik dalam statistik matematika. Contohnya,
misalkan ( ; ) menunjukkan distribusi normal dengan mean dan varians 1.
Maka, () ( , 1) (, 1) (). Demikian pula,
misalkan = (, ), dimana dan adalah matriks definit positif.
Misalkan ( ; ) menjadi distribusi normal -variate dengan mean dan matriks
varians kovarians . Maka, ( ; ) kontinu dalam yang berarti bahwa jika
dalam metrik Euclidean, maka ( ; ) ( ; ). Kebanyakan keluarga
parametrik dalam statistik matematika memiliki properti kontinuitas ini.
Definisi 9.3.4: Misalkan { }1 menjadi barisan dari ukuran peluang (, ),
dimana adalah ruang Polandia dan adalah Borel aljabar- pada . Kemudian
{ }1 disebut padat jika untuk setiap > 0, terdapat himpunan padat K
sehingga
1 ( ) < (3.4)
Barisan -nilai variabel acak { }1 disebut padat atau batas stokastik jika
barisan { }1 adalah padat, di mana adalah distribusi peluang dari
pada (, ).
Jika = , , dan { }1 adalah barisan vektor acak k-dimensi, maka,
dengan Definisi 9.3.4, { }1 padat jika dan hanya jika untuk setiap > 0,
terdapat (0, ) sehingga,
1 ( > ) < , (3.5)
dimana menunjukkan norma Euclidean biasa pada . Selanjutnya, jika =
(1 , , ), 1 maka kepadatan { }1 setara dengan kepadatan dari k-
barisan dari variabel acak { }1 , = 1, . . . , (Soal 9,9).
Analogi dari Teorema 9.2.4 berlaku untuk ukuran peluang pada (, ) ketika
adalah Polandia.

Teorema 9.3.3: (Teorema Prohorov-Varadarajan). Misalkan { }1 menjadi

barisan ukuran peluang pada (, ) dimana adalah ruang Polandia dan adalah
aljabar- Borel pada . Maka, { }1 adalah padat jika diberi beberapa barisan
{ }1 { }1 , terdapat lagi { }1 dari { }1 dan ukuran peluang
pada (, ) sehingga,
(3.6)
Bukti dari hasil ini, lihat Bagian 1.6 dari Billingsley (1968). Hasil ini berguna
untuk membuktikan konvergensi lemah di ruang fungsi (misalnya, lihat Bab 11 di
mana fungsi teorema limit pusat telah ditetapkan).

9.4 Teorema Skorohod dan Teorema Pemetaan Kontinu

Jika { }1 adalah barisan variabel acak yang konvergen ke variabel acak
dalam peluang, maka konvergen dalam distribusi ke (bdk. Proposisi 9.1.1).
Berikut ini adalah bukti dari fakta tersebut menggunakan Teorema 9.2.3.
Misalkan : akan terbatas dan kontinu. Maka dalam peluang
berarti bahwa ( ) () dalam peluang (Soal 9.13) dan dengan BCT,

= ( ) () = ,

dimana () = ( ), 1 dan () = ( ). Oleh karena itu,

. Pada saat tertentu, ini berarti bahwa jika w.p. 1, maka
. Teorema Skorohod merupakan kebalikan ini. Jika ,
selanjutnya terdapat variable acak , 1 dan sehingga berdistribusi
, 1 dan berdistribusi dan w.p. 1.

Teorema 9.4.1: (Teorema Skorohod). Misalkan { }1 , menjadi ukuran

peluang pada (, ()) sehingga . Misalkan,
() {: (( , ]) < }
() {: (( , ]) < }
untuk 0 < < 1. Selanjutnya, dan adalah variabel acak pada
((0,1), (0,1), ) dimana adalah ukuran Lebesgue. Selanjutnya,
berdistribusi , 1, berdistribusi dan w.p. 1.

Bukti: Untuk setiap cdf (), misalkan 1 () {: () < }. Maka untuk

setiap (0, 1) dan , dapat diverifikasi bahwa 1 () ()
1 () dan karena itu, jika adalah sebuah uniform (0,1) variabel acak
(Soal 9.11),
( 1 () ) = ( ()) = (),
menyiratkan bahwa,
1 () memiliki cdf ().
Hal ini menunjukkan bahwa , 1 dan memiliki distribusi yang
dinyatakan. Itu masih perlu menunjukkan bahwa
() () w.p. 1
Anggap (0, 1) dan misalkan < () sedemikian sehingga ({}) = 0.
Sekarang < () (( , ]) < . Karena dan ({}) = 0,
(( , ]) (( , ]) dan juga ((, ]) < untuk n besar. Ini
menunjukkan bahwa () untuk besar dan karena itu
lim infn () . Karena ini adalah benar untuk semua < () dengan
({}) = 0, dan karena himpunan semua , padat di , itu berarti bahwa,
lim infn () () (0, 1).
Selanjutnya, anggap > 0 dan > ( + ), dan ({}) = 0. Maka
(( , ]) + . Karena ({}) = 0, (( , ]) (( , ]).

Proposisi 9.1.1

Disini terdapat bukti lain dari penggunaaan Teorema 9.2.3.

Misalkan : membatasi dan kontinu. Maka pada peluang

dinyatakan dengan ( ) () pada peluang (Problm 9.13) dan dengan BCT,

= ( ) () =

dimana (. ) = ( . ), 1 dan (. ) = ( . ). Karena itu, .

Faktanya, hal ini mengikuti bahwa jika w.p. 1, maka . Teorema
Skorohod adalah kebalikan dari ini. Jika , maka terdapat variable acak ,
1 dan sehingga mempunyai distribusi , 1 dan mempunyai
distribusi dan w.p. 1.

Teorema 9.4.1 :
(Teorema Skorohod). Misalkan { }, 1, adalah peluang terukur
pada (, ()) sehingga . Misalkan
() sup{: ((, ]) < }
() sup{: ((, ]) < }
untuk 0 < < 1. Maka, dan adalah variable acak pada ((0,1), ((0,1)), )
dimana m adalah ukuran Lebesgue. Selanjutnya, mempunyai distribusi
, 1, dan mempunyai distribusi dan w.p. 1.
Bukti :
Untuk setiap cdf (. ), misalkan 1 () sup{: () < }. Maka untuk
setiap (0,1) dan , hal tersebut dapat diverifikasi bahwa 1 ()
() 1 () dan karenanya, jika adalah Uniform (0,1) variiabel
acak (Problem 9.11),
( 1 () ) = ( ()) = ()

Menunjukkan bahwa
1 () (. )
Ini menunjukkan bahwa , 1 dan mempunyai asserted distribution. Yang
menunjukkan bahwa
() () . . 1
Memperbaiki (0,1) dan misalkan < () sedemikian sehingga ({}) =
0. Sekarang < () ((, ]) < . Karena ({}) = 0 ,
((, ]) ((, ]) sehingga ((, ]) < untuk n besar. Ini
menunjukkan bahwa () . Karena bukti terbeut benar untuk semua <
() ({}) = 0, dank arena himpunan dari semua adalah padat di ,
itu mengikuti bahwa
lim inf () () (0,1)

Perbaikan berikutnya > 0 dan > ( + ), dan ({}) = 0. Maka

((, ]) + . Karena ({}) = 0, ((, ]) ((, ]). Dengan
demikian, untuk besar, ((, ]) . Ini menunjukkan bahwa ()
untuk besar dan karena limsup() . Karena hal ini benar untuk semua

> ( + ), ({}) = 0,
limsup () ( +)

Dengan demikian telah ditunjukkan untuk semua 0 < < 1.

() liminf () limsup () ( +)

Karena () adalah nondecreasing fungsi pada (0,1), ini mempunyai paling

banyak angka yang dapat dihiitung dari diskontinu dan sehingga

() = () . . 1

Akibat langsung dari teorema diatas adalah continuity dari konvergensi pada
distribusi dibawah transformasi kontinu.

Teorema 9.4.2 :
( Lanjutan Teorema Pemetaan ). Misalkan { }1 , adalah variable acak
sedemikian sehingga . Misalkan : adalah ukuruan Borel
sedemikian sehingga ( ) = 0, adalah himpunan dari
diskontinu dari . Maka ( ) ().
Bukti : Berdasarkan teorema Skrohod, terdapat variable acak { }1,
didefinisikan sebagai ruang Lebesgue ( = (0,1), ((0,1)), = ukuran
Lebesgue sedemikian sehingga = 1, = , dan
. . 1
Dengan demikian, ( ) () w.p.1 dan karenanya ( ) ().

9.5 Metode Moment dan Permasalahan Moment

9.5.1. Konvergensi Moment
Misalkan { }1 dan adalah variable acak sedemikian sehingga
konvergen ke di distribusi. Kita menduga bahwa untuk beberapa >
0, | | < untuk 1. Pertanyaan umum adalah : kapan keadaan ini

menunjukkan | | < | | = ?

Berdasarkan teorema Skorohod, satu yang dapat diasumsikan w.l.o.g. bahwa
w.p.1.

Teorema 9.5.1 :
Misalkan { }1 dan adalah kumpulan dari variable acak sedemikian
sehingga . Maka, untuk 0 < < , persamaan dibawah ini :
i. | | < untuk 1, | | < dan , | | | | .
ii. {| | }1 adalah integral unform, i.e., untuk setiap > 0, terdapat
(0, ) sedemikian sehingga

(| | (| | (| | > )) <
1
Remark 9.5.1.
Kondisi cukup untuk integral uniform dari {| | }1

(| | < (, )
1

Contoh 9.5.1
1
Misalkan mempunyai distribusi ( = 0) = 1 , ( = ) =
1
= 1,2, . Maka 0 tapi = 1 tidak ke 0. Catatan

bahwa { }1 bukan integral uniform.

Remark 9.5.2.
Pada teorema 9.5.1, dibawah hipotesis (ii), seperti dibawah ini
| | || (0, )
Dan

, 0

<

9.5.2. Metode Moment

Diduga bahwa { }1 adalah variable acak sedemikian sehingga

= < terdapat untuk semua bilangan bulat = 0,1, Apakah

terdapat variable acak sedemikian sehingga ? Jawabannya adalah ya

dapat dibuktikan dengan moment { }1 tentukan distribusi dari variable acak
unik .

Teorema 9.5.2.
(Teorema Frechet-Shohat). Misalkan { }1 adalah barisan dari variable

acak sedemikian sehingga untuk ,
ada dan terhingga.

Jika barisan { }1 determinasi unik distribusi dari variable acak , maka
.
Bukti : Diduga bahwa untuk beberapa sub barisan { }1 , distribusi peluang
{ }1 { }1 samar-samar konvergen ke . Karena {2 }
1

membatasi barisan, { }1 sempit. Karena harus menjadi distribusi

peluang dan berdasarkan teorema 9.5.1, moment dari harus bertepatan dengan
{ }1 . Karena barisan { }1 determinasi distribusi unik, unik dan adalah
titik batas samar-samar yang unik dari { }1 dan berdasarkan teorema
9.2.6, . Jadi jika adalah variable acak dengan distribusi , maka
.

9.5.3. Permasalahan Moment

Diduga { }1 adalah barisan dari bilangan real sedemikian sehingga
terdapat paling sedikit satu peluang terukur pada (, ()) sedemikian
sehingga untuk semua

= ()

Apakah terdapat barisan { }1 determinasi ? bagian ini dari masalah

Hamburger-moment, yang termasuk mencari kondisi dibawah ini
9.8 (a) Misalkan ~ ( , ) untuk 0, dimana > 0 untuk
1, 0 [0, ) dan untuk semua 0
i. Tunjukkan bahwa jika 0 , 0 dengan
, maka 0 .
ii. Tunjukkan bahwa jika 0 dengan , maka
0 dan 0 .

(Petunjuk: Pertama tunjukkan bahwa { }n 1 terbatas dan

kemudian bahwa { }n 1 terbatas, dan terakhir bahwa 0 dan 0
adalah satu-satunya titik limit dari { }n 1 dan { }n 1 ,
masing-masing.)
(b) untuk 1, Misalkan ~ ( , ) dimana dan
adalah matriks definit positif, . Kemudian, { }n 1 adalah
stokastik terbatas jika dan hanya jika {|| ||}n 1 dan
{|| ||}n 1 terbatas.
9.9 Misalkan{ }n 1 , = 1, , , menjadi urutan variable acak.
Perhatikan = (1 , , ), 1. Tunjukkan bahwa urutan
vector acak { }n 1 adalah terikat dalam jika untuk setiap 1
, urutan variabel acak { }n 1 adalah terikat dalam .
9.10 Misalkan (, ) adalah ruang metric
(a) Untuk setiap himpunan , Misalkan
(, ) {(, ): }
Tunjukkan bahwa untuk setiap , (, ) adalah kontinu pada .
 (b) Misalkan () menjadi seperti pada (3.3). Tunjukkan bahwa ()
adalah kontinu pada dan () ().
(Petunjuk : Perhatikan bahwa (, ) + (, ) > 0 untuk semua
di .)
9.11 Untuk setiap , misalkan 1 () {: () < }, 0 < <
1. Tunjukkan bahwa untuk setiap 0 < 0 < 1 dan 0 ,
1 (0 ) 0 (0 ) 0
(Petunjuk: Untuk , gunakan kontinuitas kanan F dan untuk ,
gunakan definisi sup.)
9.12 Untuk fungsi : ( ), mendefinisikan = {
adalah kontinu pada }. Tunjukkan bahwa ( ).
9.13 Jika dan : kontinu, maka ( ) ().
9.14 (Metode Delta). Misalkan { } 1 menjadi urutan variabel acak dan
{ } 1 (0, ) menjadi urutan konstanta seperti bahwa
sebagai dan
( )
untuk beberapa variabel acak dan untuk beberapa . Misalkan
: suatu fungsi yang terdiferensialkan pada dengan
derivatif. Tunjukkan bahwa
(( ) ())
(Petunjuk: Dengan ekspansi Taylor, untuk setiap ,
() = () + ( ) + ()( )
Dimana () 0 karena . Sekarang gunakan Problem 9.7 dan
Teorema Slutskys.)
9.15 Misalkan adalah variabel acak dengan ( = ) > 0 untuk setiap
. Memberikan dua contoh urutan { } 1 dan
{ } 1 memenuhi dan sehingga
lim ( ) = ( )

tetapi
lim ( ) ( )

 1
(Petunjuk : ambil , 1 dan + , 1,

dikatakan.)
9.16 Misalkan { } 1 , adalah ukuran probabilitas pada (, (())
sehingga
untuk semua
untuk setiap koleksi fungsi dari ditentukan dibawah ini.
Apakah jika
a) = { | , adalah terbatas dan diferensial kontinu
pada dengan turunan terbatas}?
b) = { | , adalah terbatas dan diferensial tak hingga
pada } ?
c) = { | , adalah sebuah polynomial dengan
koefisien Real} dan || () + || () < untuk
semua , ?
9.17 Untuk setiap dua , pada , diketahui
(, ) = inf{ > 0: ( ) < ()
< ( + ) + untuk semua } (6.1)
Pastikan mendefinisikan metric pada semua koleksi distribusi
probabilitas pada (, (()). Metric disebut Levy metric.
9.18 Misalkan { } 1 , adalah ukuran probabilitas pada (, (()),
sesuai dengan { } 1 dan . Tunjukkan jika
( , ) 0 dimana
9.19 a) Tunjukkan bahwa untuk setiap dua , pada ,
(, ) (, ) (6.2)
dimana
(, ) = sup|() ()| (6.3)

( disebut jarak Kolmogorov atau metrik antara dan )

b) Berikan contoh-contoh dimana () berlaku dalam persamaan (6.2),
dan () dimana berlaku dalam pertidaksamaan (6.2).
9.20 Misalkan { } 1 , adalah ukuran probabilitas pada (, (()),
sehingga . Misalkan { } adalah kumpulan fungsi
berbatasan dari sehingga ( ) = 0 untuk semua dan
| () ()| () | | untuk semua , dan untuk
beberapa : (0, ) dengan ( ) = 0 dan || < . Tunjukkan
bahwa

sup | | 0 dimana

9.21 Misalkan { } 1 , adalah dimensi vektor-vektor acak sehingga

. Misalkan { } 1 menjadi urutan matriks dari
bilangan real dan { } 1 , . Definisi = + dan
= dimana menunjukkan transpos dari . Misalkan
dan . Tunjukkan bahwa
a) , dimana = +
b) , dimana =
(Catatan: Di sini konvergensi dalam distribusi dari urutan matriks
, nilai variabel acak dapat ditafsirkan dengan
mempertimbangkan dimensi vektor acak yang sesuai diperoleh
dengan menggabungkan deretan matriks dengan sisi-sisi dan
menggunakan definisi konvergensi dalam distribusi untuk vektor
acak.)
9.22 Misalkan , adalah ukuran probabilitas pada satuan yang bisa
dihitung { } 1 . Misalkan = ({ }), 1, 1 da
= ({ }. Tunjukkan bahwa, dimana , jika untuk
semua , jika | | 0.
9.23 Misalkan ~ Binomial(, ), 1. Misalkan , 0 < < .
Tunjukkan bahwa , dimana ~ Poisson().
9.24 a) Misalkan ~( ), i. e. ( = ) = 1 , 1, dimana 0 <
< dan = 1 . Tunjukkan bahwa dimana jika
0 maka
 (6.4)
dimana ~Exponential(1).
b) Fix bilangan bulat positif k. Misalkan untuk 1,
1
= ( ) 1 ,
1
dimana 0 < < 1, = 1 .
i. Pastikan untuk setiap , { } adalah distribusi probabilitas, yaitu,

= = 1.

ii. Misalkan adalah variabel acak dengan distribusi ( = ) =

, . Tunjukkan bahwa dimana jika 0 maka
{ }1 konvergen dalam distribusi dan teridentifikasi dalam limit.

9.25 Misalkan { }1 dan { }1 ada dua urutan pada sedemikian

sehingga, untuk , , di mana dan adalah
pada .
a) Tunjukkan bahwa untuk setiap 1,

() ( )() ( )()

adalah pada .
b) Tunjukkan bahwa, untuk , dimana = , dengan
perhitungan langsung dan oleh teorema Skorohod (yaitu, Teorema 9.4.1)
dan Soal 7.14.
9.26 Misalkan memiliki distribusi peluang diskrit pada bilangan bulat

{1, 2, . . . , }. Tunjukkan bahwa dan misalkan ~ (0,1)

variable acak. Tunjukkan bahwa menggunakan tiga metode yang

berbeda sebagai berikut :
a) Teorema Helly-Bray
b) Metode Momen
c) Menggunakan cdfs
9.27 Membuktikan (5.4) dalam Catatan 9.5.3.
1/2
(Petunjuk : Tunjukkan bahwa untuk setiap > 0, 2 (
)(({: || > }))1/2 .)
9.28 Misalkan adalah distribusi probability pada sehingga (0 )

|| () < untuk beberapa 0 > 0. Tunjukkan bahwa kondisi

Carlemans (5.2) memenuhi.
(Petunjuk : Tunjukkan dengan pertidaksamaan Cramers (corollary
3.1.5)

2 2(0 ) 21 0
0

dan kemudian menggunakan pendekatan Stirlings :

1
! ~2 +2 dimana (Feller(1968)).)
9.29 (Teorema Kontinuitas untuk mgfs). Misalkan { }1 dan adalah variabel
acak tunjukkan bahwa untuk beberapa > 0, mgfnya () ( ) dan
() ( ) yang terbatas untuk semua || < . Selanjutnya, misalkan
() () untuk semua || < . Tunjukkan .
(Petunjuk : yang pertama tunjukkan { }1 adalah rapat dan nyata dengan
Catatan 9.5.3, distribusi ditentukan oleh (). )
9.30 Misalkan ~(, ). Andaikan . Misalkan =

, 1. Tunjukkan , dimana ~(0,1).
(1 )

(Petunjuk : gunakan problem 9.29.)

9.31 Gunakan teorema kontinuitas untuk untuk menentukan (6.4) dan
distribusi konvergensi dalam { }1 pada Soal 9.24 (b) (ii).