让Y美元$成为无限可分随机变量.
让$\nu美元$是任何不一定是有限的度量:$\nu(\mathbb R)\leq\infty$。假设$Y\sim(0,\nu,0)_0$根据第39页公式(8.7)的注释佐藤、肯·伊蒂Lévy过程和无穷可分分布,ZBL0973.60001号.
也就是说,特征函数的Lévy-Khintchine表示如下:\开始{等式}\标签{I}\标签{I}\varphi_Y(z)=\exp\left\{\int_{\mathbb R}[e^{izx}-1]\,d\nu(x)\right\}\结束{方程式}
$\下划线{备注\,\,1:}$
注意,如果$\nu(\mathbb R)<\infty$,我们可以设置$\lambda:=\nu(\mathbb R)$并写下:$$\varphi_Y(z)=\exp\left\{\lambda\int_\mathbb R[e^{izx}-1]\,d\eta(x)\right\},\quad d\eta(x):=d\nu(x)/\lambda$$在这种情况下,我们有美元\eta$是一种概率度量($\eta(\mathbb R)=1$)和Y美元$是复合泊松随机变量$Y\sim CP(\lambda,\eta)$(见第18页,佐藤书(参考上文)中的方程式(4.1)或下文更新的备注2。)
然而,一般来说,我们没有$\nu(\mathbb R)<\infty$例如,请参阅这个问题还有这个其他问题,在这里我们有无穷大的质量在零附近。
所以我的问题是:给定序列$(X_n)_{n\in\mathbb n}$I.D.随机变量的$$\varphi_{X_n}(z)=\int_{\mathbb R}[e^{izx}-1 ]\,d\nu_n(x),\quad\nu_n(\mathbb R)<\infty$$由$\下划线{备注\,\,1}$上面,我们有$X_n\sim CP(\lambda_n,\eta_n)$哪里$\lambda_n=\nu_n(\mathbb R)$和$d\eta_n(x):=d\nu_n(x)/\lambda\n$现在,假设\开始{等式}\label{II}\tag{II}X_n\Longrightarrow Y,\quad(n到infty)\结束{方程式}哪里$Y\sim(0,\nu,0)_0$具有由(\ref{I})给出的特征。
那么,在什么情况下(假设美元\eta_n$和$\lambda_n$)(参考{II})中给出的收敛性意味着Y美元$,根据(\ref{I})给出的特征,实际上是复合泊松随机变量吗?或者以其他充分的方式,当我们$\nu(\mathbb R)<\infty$?.
一个微不足道的例子是$(X_n)$具有相同的分布。即。$\eta_n=\eta$和$\lambda_n=\lambda$为所有人n美元$所以我们排除了这种情况。
我的直觉告诉我,给定(参考{II})$\nu(\mathbb R)<\infty$.
帮助
更新的备注
$1.-$使用佐藤书(参考上文)第41页的定理8.7,我们可以得到:$f\单位:C_\#$(有界连续函数在邻域上消失$0$),然后
$$\lim_{n\to\infty}\int_{\mathbb R}f(x)\下大括号{\lambda_n\eta_n(dx)}_{=\nu_n(d x)}=\nint_{\ mathbb R}f$$
所以,对任何人来说$\epsilon>0$,采用指示灯功能$f_\epsilon(x)=\chi_{|x|>\epsillon}(x)=1$如果$|x|>\epsilon$和$0$另一方面,我们有
$$\eta_n(E_\epsilon)\to\nu(E_\ε),\quad E_\epsilon=\{x:|x|>\epsilen\},\quade(n\to\infty)$$
这是一个有用的方法吗?
在Christophe Leuridan的评论之后,我们必须采用一个方便的连续函数,而不是指示函数,因为它不是连续的。
$2.-$在Christophe Leuridan发表评论后,我认为有必要具体说明,一般来说可能性测量美元\eta$,$Y\sim CP(\lambda,\eta)$意味着:\开始{方程式}Y=\sum_{j=1}^N X_j,\quad N\sim\hbox{Poisson}(\lambda),\,X_j\,\,\text{i.i.d.}\sim\eta\结束{方程式}有关更多详细信息,请参阅这此外,特征函数为:
$$\varphi_Y(z)=\exp\left\{\lambda\int_\mathbb R[e^{izx}-1]\,d\eta$$
$3.-$我在上面发布了这个结果,但我不知道它是否会有多大帮助。不过,我会在这里注册。我们知道每个随机变量Y美元$无穷可除当且仅当存在序列$(X_n)_{n\in\mathbb n}$复合泊松随机变量,在弱极限下:\开始{方程式}X_n\右箭头Y,\quad(n\to\infty)\结束{方程式}C.f.定理16.5,第333页,摘自阿希姆·克伦克,概率论。综合课程.ZBL1295.60001号.