Teorema de Prokhorov

Em teoria da medida, o teorema de Prokhorov relaciona o aperto das medidas à compacidade (e assim à convergência fraca) no espaço das medidas de probabilidade. Recebe este nome em homenagem ao matemático russo Yuri Prokhorov, que considerava medidas de probabilidade em espaços métricos separáveis completos. O termo "teorema de Prokhorov" é também aplicado a generalizações posteriores tanto às afirmações diretas, como inversas.[1]

Afirmação do teorema

Considere ( S , ρ ) {\displaystyle (S,\rho )} um espaço métrico separável. Considere que P ( S ) {\displaystyle {\mathcal {P}}(S)} denota a coleção de todas as medidas de probabilidade definidas em S {\displaystyle S} (com sua σ-álgebra de Borel).

O teorema de Prokhorov afirma que:

  1. Uma coleção K P ( S ) {\displaystyle K\subset {\mathcal {P}}(S)} de medidas de probabilidade é apertada se e apenas se o fecho de K {\displaystyle K} for sequencialmente compacto no espaço P ( S ) {\displaystyle {\mathcal {P}}(S)} equipado com a topologia de convergência fraca;
  2. O espaço P ( S ) {\displaystyle {\mathcal {P}}(S)} com a topologia de convergência fraca é metrizável;
  3. Suponha que, além disso, ( S , ρ ) {\displaystyle (S,\rho )} é um espaço métrico completo (de modo que ( S , ρ ) {\displaystyle (S,\rho )} é um espaço polonês). Há uma métrica completa d 0 {\displaystyle d_{0}} em P ( S ) {\displaystyle {\mathcal {P}}(S)} equivalente à topologia de convergência fraca. Ademais, K P ( S ) {\displaystyle K\subset {\mathcal {P}}(S)} é apertada se e apenas se o fecho de K {\displaystyle K} em ( P ( S ) , d 0 ) {\displaystyle ({\mathcal {P}}(S),d_{0})} for compacto.[2]

Corolários

Para espaços euclidianos, temos que:

  • Se ( μ n ) {\displaystyle (\mu _{n})} for uma sequência apertada em P ( R k ) {\displaystyle {\mathcal {P}}(\mathbb {R} ^{k})} (a coleção de medidas de probabilidade em um espaço euclidiano k {\displaystyle k} -dimensional), então, há uma subsequência ( μ n k ) {\displaystyle (\mu _{n_{k}})} e uma medida de probabilidade μ P ( R k ) {\displaystyle \mu \in {\mathcal {P}}(\mathbb {R} ^{k})} , tal que μ n k {\displaystyle \mu _{n_{k}}} converge fracamente a μ {\displaystyle \mu } .
  • Se ( μ n ) {\displaystyle (\mu _{n})} for uma sequência apertada em P ( R k ) {\displaystyle {\mathcal {P}}(\mathbb {R} ^{k})} , tal que toda subsequência fracamente convergente ( μ n k ) {\displaystyle (\mu _{n_{k}})} tem o mesmo limite μ P ( R k ) {\displaystyle \mu \in {\mathcal {P}}(\mathbb {R} ^{k})} , então, a sequência ( μ n ) {\displaystyle (\mu _{n})} converge fracamente a μ {\displaystyle \mu } .[3]

Extensão

O teorema de Prokhorov pode ser estendido para considerar medidas complexas ou medidas sinalizadas finitas.

Suponha que ( S , ρ ) {\displaystyle (S,\rho )} é um espaço métrico separável completo e Π {\displaystyle \Pi } é uma família de medidas complexas de Borel em S {\displaystyle S} . As seguintes afirmações são equivalentes:

  • Π {\displaystyle \Pi } é sequencialmente compacta, isto é, toda sequência { μ n } Π {\displaystyle \{\mu _{n}\}\subset \Pi } tem uma subsequência fracamente convergente.
  • Π {\displaystyle \Pi } é apertada e uniformemente limitada em norma de variação total.[4]

Comentários

Já que o teorema de Prokhorov expressa o aperto em termos de compacidade, o teorema de Arzelà–Ascoli é frequentemente usado para substituir a compacidade: em espaços de função, isto leva a uma caracterização do aperto em termos do módulo de continuidade ou um análogo apropriado.[3][4]

Há várias extensões profundas e não triviais ao teorema de Prokhorov. Entretanto, estes resultados não obscurecem a importância e a relevância das aplicações do resultado original.

Ver também

Referências

  1. Prokhorov, Y. (1 de janeiro de 1956). «Convergence of Random Processes and Limit Theorems in Probability Theory». Theory of Probability & Its Applications. 1 (2): 157–214. ISSN 0040-585X. doi:10.1137/1101016 
  2. Bogachev, Vladimir I. (15 de janeiro de 2007). Measure Theory (em inglês). [S.l.]: Springer Science & Business Media. ISBN 9783540345145 
  3. a b Dudley, R. M. (14 de outubro de 2002). Real Analysis and Probability (em inglês). [S.l.]: Cambridge University Press. ISBN 9780521007542 
  4. a b Billingsley, Patrick (25 de junho de 2013). Convergence of Probability Measures (em inglês). [S.l.]: John Wiley & Sons. ISBN 9781118625965 
  • v
  • d
  • e
Tempo discreto
Tempo contínuo
Ambos
Campos e outros
Modelos de série temporal
Modelos financeiros
  • Black–Derman–Toy
  • Black–Karasinski
  • Chen
  • Cox–Ingersoll–Ross (CIR)
  • Garman–Kohlhagen
  • Heath–Jarrow–Morton (HJM)
  • Heston
  • Ho–Lee
  • Hull–White
  • LIBOR market
  • Rendleman–Bartter
  • SABR volatility
  • Vašíček
  • Wilkie
Modelos atuariais
  • Bühlmann
  • Cramér–Lundberg
  • Sparre–Anderson
Modelos de filas
Propriedades
Teoremas limites
Desigualdades
Ferramentas
Disciplinas
  • Categoria:Processos estocásticos