Me han dicho que el siguiente hecho es cierto. Dejar ser iid variables aleatorias. Entonces existe tal que para todos ,
Observa eso no depende de . Ambos y son .
Sin embargo, estoy luchando para probar esto o encontrar alguna referencia. El truco es que el No es necesario que tenga una media finita o una varianza. De hecho, estoy interesado en aplicar este "hecho" a una situación en la que el debe tener una varianza infinita (pero posiblemente una media cero), por lo que las cosas elementales como la desigualdad de Markov o Chebyshev no ayudarán. No estoy seguro de cómo proceder. ¡Cualquier pista sería muy apreciada!
Actualización sobre el progreso: Para el que me interesa, he deducido la condición
Permítanme dar una prueba directa usando funciones características. El ajuste es el siguiente:
Bajo este escenario, queremos probar que
Afirmar. Si la ley de no es degenerado, entonces existe tal que
Probamos la contraposición. Para ello, suponga que para cualquier . entonces existe tal que en probabilidad. Esto implica que en probabilidad también. Así que si denota la función característica de , entonces
por el teorema de Portmanteau. Tomando , tenemos . Pero desde
por la identidad de doble ángulo;
por el teorema de la convergencia dominada;
resulta que
taponamiento y aplicando el teorema de la convergencia monótona y el lema comprimiendo,
y por lo tanto es degenerado.
Creo que lo que queremos mostrar es que no converge en probabilidad a 0.
Si tienen media finita y varianza > 0, el resultado se sigue de la CLT. Por lo tanto, solo tenemos que considerar el caso de varianza infinita. En cierto sentido, esto debería ser aún más fácil de probar ya que es más probable que la suma es largo. De hecho, si converge en probabilidad a 0, entonces debe tener una varianza finita. Este fue un ejercicio en el libro de probabilidad de Durrett. La idea es simetrizar considerando las variables aleatorias . Asumir que tienen varianza infinita. Entonces podemos considerar versiones truncadas de con una varianza finita arbitrariamente grande. Esto nos permite obtener un límite como por arbitrario . (Esencialmente, si esa probabilidad es demasiado pequeña, no tiene posibilidad de obtener la varianza grande requerida). Pero se suponía que la probabilidad iba a 0 para . De este modo, se puede suponer que tiene una varianza finita y se aplica la CLT.
VHarisop
phil