8．渐进分布理论.docVIP

渐进分布理论 渐进分析（或极限分析）是描述当样本量增加时估计量序列的收敛情况。 确定性序列的收敛 定义 8.1：对于非随机数序列{aN：N = 1, 2, …}，如果对于( 0，存在满足如下条件： 如果N N(，则| aN - a| ( 则称当N趋于无穷大时，aN 收敛于a。写作aN → a，当N → ∞。 定义 8.2：非随机数序列{aN：N = 1, 2, …}是有界的（bounded）当且仅当存在常数b ∞使得对于所有的N = 1, 2, …都满足aN ≤ b。否则，称aN是无界的（unbounded）。 定义 8.3：对于向量aN（或矩阵AN），如果所有的元素均满足定义1，则称向量aN（或矩阵AN）收敛于a（或A）；如果向量aN（或矩阵AN）中所有的元素均满足定义2，则称向量aN（或矩阵AN）有界。 例 8.1：如果aN = 2+1/N，则aN → 2。 如果aN = (-1)N，则aN不存在极限，但aN有界。 如果aN = N1/4，则aN不存在极限，写作aN → ∞，aN也是无界的。 定义 8.4：对于非随机数序列{aN：N = 1, 2, …}，如果aN/N(是有界的，则称aN的数量级为N(。写作aN = O(N()。作为特例，当(=0时，如果aN / N( = aN有界，则aN = O(1)。 定义 8.5：对于非随机数序列{aN：N = 1, 2, …}，如果aN/N( → 0，则称aN的低阶数量级为N(，写作aN = o(N()。作为特例，当(=0时，如果aN / N( = aN → 0，则aN = o(1)。 由定义4、5可知，如果aN = o(N()，则aN = O(N()。作为特例，如果aN = o(1)，则aN = O(1)。 定义 8.6：对于向量aN（或矩阵AN），如果每个元素的数量级为N(，则称向量aN（或矩阵AN）的数量级为N(；如果向量aN（或矩阵AN）每个元素的低阶数量级为N(，则称向量aN（或矩阵AN）低阶数量级为N(。 例 8.2：如果aN = log(N)，则对于任意的( 0，aN = o(N()。 如果aN = 10+N1/4，则aN = O(N1/2)；对于任意的(0，aN = o(N1/2+()。 随机收敛 当正态分布假设被违背时，参数的区间估计和假设检验没有精确分布可以依赖。但渐进结果可以根据统计学中两个基本理论加以推断——大数定律和中心极限定理。首先考察几种收敛方式。 依概率收敛 如果{XN : N=1, 2, …}为随机变量序列，对所有的( 0， 则称XN依概率收敛于常数a，写作。a是XN的概率极限，写作plim XN =a。 做为特例，如果a=0，即，作{ XN }=op(1)。 依概率有界 随机变量序列{ XN : 1, 2, …}有界，当且仅当对所有的( 0存在b( ∝和整数N(，满足： ，N≥N( 写作{ XN }=Op(1)。 如果cn为非随机序列，那么当且仅当cn = O(1)，cn = Op(1)；当且仅当cn = o(1)，cn = op(1)。 定理 8.1：如果，则{ XN }=Op(1)。即是说，如果一个序列依概率收敛于某个实数，则这个序列肯定是以概率有界的。 对于向量序列和矩阵序列，此引理仍然成立。 定义 8.7：随机序列{ XN : N =1, 2, …}和非随机正数序列{aN}，如果XN / aN = op(1)，则称XN的概率低阶数量级为aN，写作XN =op(aN)。 如果XN / aN = Op(1)，则称XN的概率数量级为aN，写作XN =Op(aN)。 定义 8.8：对于随机序列{ XN : N = 1, 2, …}，如果，则称。做为特例，当(=0时，XN =op(1)。 类似地，如果，则。作为特例，当(=0时，XN =Op(1)。 引理：如果WN =op(1)，XN =op(1)，YN =Op(1)，ZN =Op(1)，那么： WN + XN =op(1) ，即op(1)+ op(1)= op(1) YN + ZN =Op(1)，即Op(1)+ Op(1)= Op(1) XN + ZN =Op(1)，即op(1)+ Op(1)= Op(1) WN XN =op(1)，即op(1)op(1)= op(1) YN ZN =Op(1)，即Op(1) Op(1)= Op(1) XN ZN =op(1) ，即op(1)Op(1)= op(1) 定义 8.9：对于K×1随机向量{XN : 1, 2, …, }，当且仅当（j=1, …, K）（j=1, …, K）等价于，其中，。 对于M×K随机矩阵{ZN : 1, 2, …,} ，当且仅当， 其中。 定理 8.2：Slutsky定理：令表述在点连续的函数。K×1随