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.
Anhang A<br />
Verwendete Sätze<br />
Theorem A.1 (Gesetz der großen Zahlen). X 1 , X 2 , . . . seien unabhängig, identisch verteilte<br />
Zufallsvariablen und X n = n −1 ∑ n<br />
i=1 X i.<br />
(i) (Schwaches Gesetz) Für E|X 1 | < ∞ gilt X n<br />
P<br />
−→ µ = EX 1 .<br />
(ii) (Starkes Gesetz) X n<br />
a.s.<br />
−→ µ ⇔ E|X 1 | < ∞ und µ = EX 1<br />
Beweis. Siehe Ferguson (1996, Kapitel 4, Satz 4).<br />
Theorem A.2 (Zentraler Grenzwertsatz). X 1 , X 2 , . . . seien unabhängig, identisch verteilte<br />
Zufallsvariablen mit Erwartungswert µ und endlicher Kovarianzmatrix Σ. Dann gilt <strong>für</strong><br />
X n = n −1 ∑ n<br />
i=1 X i<br />
√ n (Xn − µ)<br />
Beweis. Siehe Ferguson (1996, Kapitel 5, Satz 5).<br />
D −→ N (0, Σ).<br />
Theorem A.3 (Slutsky’s Theorem). X n und Y n seien Folgen von Zufallsvariablen. C(f)<br />
bezeichne die Menge der Stetigkeitsstellen von der Funktion f.<br />
(i) Wenn X n ∈ R d , X n<br />
(ii) Wenn X n<br />
D −→ X und f : R d → R k mit P (X ∈ C(f)) gilt, dann gilt<br />
f(X n )<br />
D −→ f(X).<br />
D<br />
P<br />
−→ X und (Xn − Y n ) −→ 0 gilt, dann gilt<br />
(iii) Wenn X n ∈ R d , Y n ∈ R k , X n<br />
(iv) Wenn X n ∈ R d , X n<br />
Y n<br />
D −→ X.<br />
D<br />
D<br />
−→ X und Yn −→ c gilt, dann gilt<br />
(X n , Y n ) D −→ (X, c).<br />
P<br />
−→ X und f : R d → R k mit P (X ∈ C(f)) gilt, dann gilt<br />
f(X n )<br />
73<br />
P<br />
−→ f(X).