对Halmos-Savage定理的直觉理解


13

所述Halmos-野蛮定理说,对一个主导统计模型(Ω,A,P)的统计T:(Ω,A,P)(Ω,A)是足够的,如果(且仅当)的所有{PP}有一个T氡Nikodym导衍生物的-measurable版本dPdP,其中dP是特权的措施,使得P=i=1Picici>0,i=1ci=1PiP

我试图直观地理解为什么该定理成立,但我没有成功,所以我的问题是是否存在一种直观的方法来理解该定理。


我相信我在这里有正确的链接。如果我输入有误,请检查并删除它。
gung-恢复莫妮卡

4
也许可以用术语帮助读者,例如定义“主导的统计模型”,“ T衡量性”和“特权度量”?
Carl

Answers:


7

技术引理

我不确定这是多么直观,但是您对Halmos-Savage定理的陈述所基于的主要技术结果如下:

引理。μS A上的σ有限度量。假设是措施对集合小号,从而使每一ν ∈ ν « μ。则存在非负数序列{ Ç } = 1和的元素的序列{ ν } = 1(S,A)(S,A)ννμ{ci}i=1{νi}i=1使得i=1ci=1νi=1ciνiν

这是舍尔维什统计学理论(1995)中定理A.78的逐字记录。他在其中将其归因于雷曼的《测试统计假设》(1986)(链接至第三版),其结果归因于Halmos和Savage本身(请参见引理7)。另一个很好的参考文献是Shao的《数学统计》(第二版,2003年),其相关结果为引理2.1和定理2.2。

上面的引理指出,如果您从以σ有限度量为主的一系列度量开始,那么实际上您可以用该家族内部可数的凸度量组合来代替主导度量。谢尔维什在陈述定理A.78之前写道,

“在统计应用中,我们经常会有一类量度,相对于单个σ有限量度,每个量度都是绝对连续的。如果单个主导量度在原始类中或者可以由原始量度构成,那将是很好的。下列定理解决了这个问题。”

一个具体的例子

假设我们对数量X进行了测量,对于一些未知的θ > 0,我们认为该数量X在间隔[0,θ]上均匀分布。在此统计问题中,我们隐式考虑了R上Borel概率测度的集合P,该集合由形式为[ 0 θ ]的所有区间上的均匀分布组成。也就是说,如果λ表示Lebesgue测度,并且对于θ > 0P θ表示统一[θ>0PR[0,θ]λθ>0PθUniform([0,θ])的分布(即,

Pθ(A)=1θλ(A[0,θ])=A1θ1[0,θ](x)dx
为每个波雷尔AR),那么我们简单地具有
P={Pθ:θ>0}.
这是我们的度量X的候选分布的集合。

家庭P显然是由Lebesgue测度为主λ(其σ -finite),所以上述引理(与=P)保证的序列的存在{ci}i=1的非负的数量相加来的1和一个序列{Qi}i=1均匀分布的P,使得

Pθi=1ciQi
对于每个θ>0。在此示例中,我们可以显式构造此类序列!

首先,让(θi)i=1是正有理数的枚举(这可以显式地进行),并让Qi=Pθi每个i。接下来,让ci=2i,使得i=1ci=1。我声称的这种组合{ci}i=1{Qi}i=1作品。

看到这一点,修复θ>0,让A是的波雷尔子集R,使得i=1ciQi(A)=0。我们需要证明Pθ(A)=0。因为i=1ciQi(A)=0,并且每个被加数被非负,它遵循ciQi(A)=0每个iA = 0。此外,由于每个ci是正的,它遵循Qi(A)=0对于每个i。也就是说,对于所有i我们有

Qi(A)=Pθi(A)=1θiλ(A[0,θi])=0.
由于每个θi是正的,由此得出λ(A[0,θi])=0对于每个i

现在选择一个子序列{θik}k=1{θi}i=1,其收敛于θ从上方(这可以因为完成Q是在密集R)。然后A[0,θθik]A[0,θ]k,所以由测量的连续性我们得出结论,

λ(A[0,θ])=limkλ(A[0,θik])=0,
所以Pθ(A)=0。这证明了要求。

因此,在这个例子中,我们能够从我们支配的家庭中显式构造一个可数的概率测度凸组合,该组合仍然支配着整个家庭。上面的引理保证可以对任何支配家庭都可以做到这一点(至少只要支配度量是σ有限的)。

Halmos-Savage定理

现在进入Halmos-Savage定理(由于个人喜好,我将使用与问题中略有不同的表示法)。考虑到Halmos-Savage定理,Fisher-Neyman因式分解定理只是Doob-Dynkin引理的一个应用,而Radon-Nikodym导数的链规则就消失了!

Halmos-Savage定理。(X,B,P)是主导的统计模型(意味着P是在一组的概率的措施B并有一个σ -finite测量μB使得Pμ所有PP)。令T:(X,B)(T,C)为可测函数,其中(T,C)是标准的Borel空间。那么以下是等效的:

  1. T足以用于P(意味着存在这样的可能性内核r:B×T[0,1],使得r(B,T)是一个版本的P(BT)为所有BBPP)。
  2. 存在序列{ci}i=1为非负数,使得i=1ci=1和序列{Pi}i=1中的概率测度P,使得PP为所有PP,其中P=i=1ciPi和每个PP存在T的-measurable版本dP/dP

证明。 通过上述引理,我们可以立即更换μP=i=1ciPi对于一些序列{ci}i=1为非负数,使得i=1ci=1和一个序列{Pi}i=1的概率的措施P

(1.暗示2。)假设T足够。然后,我们必须表明,有T的-measurable版本dP/dP对所有PP。令r为定理陈述中的概率核。对于每个Aσ(T)BB我们有

P(AB)=i=1ciPi(AB)=i=1ciAPi(BT)dPi=i=1ciAr(B,T)dPi=Ar(B,T)dP.
因此r(B,T)是一个版本的P(BT)为所有BB

PPfPdP/dP(X,σ(T))fPTBBPP

P(B)=XP(BT)dP=Xr(B,T)dP=Xr(B,T)fPdP=XP(BT)fPdP=XEP[1BfPT]dP=BfPdP.
fPTdP/dP(X,B)

TfPdP/dPPPBBr(B,t)P(BT=t)r(B,t)r(B,T)P(BT)(T,C)rr(B,T)P(BT)PPBBAσ(T)BBPP

P(AB)=A1BfPdP=AEP[1BfPT]dP=AP(BT)fPdP=Ar(B,T)fPdP=Ar(B,T)dP.
r(B,T)P(BT)PPBB

摘要。 此处给出的Halmos-Savage定理所基于的重要技术结果是,一个事实:一个主导的概率测度系列实际上由该族的概率测度的可凸组合构成。鉴于该结果,其余的Halmos-Savage定理大部分只是具有Radon-Nikodym衍生物的基本特性和条件期望的操纵。

By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.