Saya bingung tentang beberapa detail tentang teorema Slutsky :
Biarkan , menjadi dua urutan elemen skalar / vektor / matriks acak.
Jika konvergen dalam distribusi ke elemen acak dan konvergen dalam probabilitas ke konstan , maka
asalkan tidak dapat dibalik, di mana menunjukkan konvergensi dalam distribusi.
Jika kedua urutan dalam teorema Slutsky keduanya konvergen ke variabel acak non-degenerasi, apakah teorema tersebut masih valid, dan jika tidak (dapatkah seseorang memberikan contoh?), Apa syarat tambahan untuk membuatnya valid?
Contoh-contoh ini menunjukkan bahwa kita mungkin memiliki secara umum dan dalam distribusi, tetapi jika kita tidak memiliki informasi tentang distribusi , konvergensi mungkin gagal.Y n → Y X + Y X n + Y n → X + YXn→X Yn→Y X+Y Xn+Yn→X+Y
Tentu saja, semuanya baik-baik saja jika dalam distribusi (misalnya jika tidak bergantung pada dan dari Secara umum, kita hanya dapat menyatakan bahwa urutannya ketat (yaitu, untuk setiap positif , kita dapat menemukan sedemikian rupa sehingga ). Ini menyiratkan bahwa kita dapat menemukan urutan meningkatnya bilangan bulat sehingga konvergen dalam distribusi ke beberapa variabel acak .(Xn,Yn)→(X,Y) Xn Yn X Y (Xn+Yn)n⩾1 ε R supnP{|Xn+Yn|>R}<ε (nk)k⩾1 (Xnk+Ynk)k⩾1 Z
Bukti. Pertimbangkan enumerasi dari bilangan rasional dan sebuah bijection . Untuk , tentukan sebagai vektor berpusat Gaussian dari matriks kovarians . Dengan pilihan ini, orang dapat melihat bahwa kesimpulan proposisi puas ketika rasional. Gunakan argumen aproksimasi untuk kasus umum.[ - 1 , 1 ] τ : N → N 2 n ∈ τ - 1 ( { j } ) × N ( X n , Y n ) ( 1 r j r j 1 ) σ(rj) [−1,1] τ:N→N2 n∈τ−1({j})×N (Xn,Yn) (1rjrj1) σ
sumber