Die asymptotische Verteilung des Likelihood-Quotienten-Tests für ...
Die asymptotische Verteilung des Likelihood-Quotienten-Tests für ...
Die asymptotische Verteilung des Likelihood-Quotienten-Tests für ...
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
14 Kapitel 2: Notationen und Grundlagen<br />
Lemma 2.7. Sei M ⊆ R d mit 0 ∈ M eine Menge, die durch die Menge C M ⊆ R d approximiert<br />
wird, so gilt <strong>für</strong> eine positiv definite Matrix P ∈ R d×d und <strong>für</strong> (x n ) n∈N ⊆ R d mit x n → 0<br />
inf (x n − θ) T P (x n − θ) = inf (x n − θ) T P (x n − θ) + o(‖ x n ‖ 2 ).<br />
θ∈M θ∈C M<br />
Beweis. Da P positiv definit ist, stellt ‖ x − θ ‖ P , definiert durch<br />
‖ x − θ ‖ 2 P = (x − θ) T P (x − θ),<br />
eine Norm auf dem R d dar. Da alle Normen auf einem endlich dimensionalen Vektorraum<br />
äquivalent sind, kann <strong>für</strong> den Beweis ohne Einschränkung der Allgemeinheit angenommen<br />
werden, dass P = I gilt, wobei I Identitätsmatrix ist. Sei (x n ) n∈N ⊆ R d Folge mit x n → 0.<br />
Betrachtet wird die Projektion der Punkte x n auf die Menge M bzw. C M<br />
θ M (x n ) := arg inf<br />
θ∈M ‖ x n − θ ‖ 2 , (2.4)<br />
θ CM (x n ) := arg inf<br />
θ∈C M<br />
‖ x n − θ ‖ 2 . (2.5)<br />
Sei M der Abschluss von M, dann folgt aus der Stetigkeit von ‖ x n − θ ‖ 2 in θ, dass<br />
inf ‖ x n − θ ‖ 2 = inf ‖ x n − θ ‖ 2<br />
θ∈M θ∈M<br />
<strong>für</strong> alle n ∈ N. Analoges gilt <strong>für</strong> die Menge C M . Deshalb kann ohne Einschränkung der<br />
Allgemeinheit angenommen werden, dass M und C M abgeschlossen in R∪{±∞} sind. Folglich<br />
sind θ M (x n ) und θ CM (x n ) <strong>für</strong> alle n ∈ N wohldefiniert.<br />
Es ist 0 ∈ C M , da nach Definition 2.4 die Null Häufungspunkt von C M ist und C M als<br />
abgeschlossen angenommen werden kann. Folglich gilt nach Definition (2.5) von θ CM (x n )<br />
‖ x n ‖≥‖ x n − θ CM (x n ) ‖ (2.6)<br />
und somit<br />
‖ θ CM (x n ) ‖<br />
‖ x n ‖<br />
≤<br />
‖ x n ‖ + ‖ x n − θ CM (x n ) ‖<br />
‖ x n ‖<br />
≤ 2. (2.7)<br />
Aus (2.7) erhält man, dass<br />
o(‖ θ CM (x n ) ‖) = o(‖ x n ‖) (2.8)<br />
und<br />
o(‖ θ CM (x n ) ‖ 2 ) = o(‖ x n ‖ 2 ) (2.9)<br />
gilt.<br />
Weiter gilt <strong>für</strong> eine beliebige Funktion L : R d → R d<br />
inf<br />
θ∈M<br />
{<br />
‖ L(θ) ‖ + ‖ L(θ) ‖<br />
2 } = inf ‖ L(θ) ‖ + inf ‖ L(θ)<br />
θ∈M θ∈M ‖2 .