経験過程

経験過程（けいけんかてい、英: empirical process）は、経験測度の中心極限定理の一般化のひとつである。経験過程の理論は、ノンパラメトリック統計学などに応用される。

定義

ある一定の条件のもとで、経験測度P_nが、確率測度へ収束するという結果はよく知られている（Glivenko-Cantelliの定理）。経験過程の理論によって、この収束の速さを説明することができる。 中心化・基準化された経験測度は、

${\displaystyle G_{n}(A)={\sqrt {n}}(P_{n}(A)-P(A))}$

となる。これによる、適当な可測関数fの像は、

${\displaystyle f\mapsto G_{n}f={\sqrt {n}}(P_{n}-P)f={\sqrt {n}}\left({\frac {1}{n}}\sum _{i=1}^{n}f(X_{i})-\mathbb {E} f\right)}$

と書くことができる。中心極限定理により、適当な可測集合Aに対して、${\displaystyle G_{n}(A)}$は、正規確率変数N(0, P(A)(1 − P(A)))へ分布収束する。同様に、適当な関数fに対して、${\displaystyle G_{n}f}$は、正規確率変数${\displaystyle N(0,\mathbb {E} (f-\mathbb {E} f)^{2})}$へ分布収束する。

定義

${\displaystyle {\bigl (}G_{n}(c){\bigr )}_{c\in {\mathcal {C}}}}$ をSの可測な部分集合の族${\displaystyle {\mathcal {C}}}$における経験過程という。

${\displaystyle {\bigl (}G_{n}f{\bigr )}_{f\in {\mathcal {F}}}}$をSから${\displaystyle \mathbb {R} }$への可測関数の族${\displaystyle {\mathcal {F}}}$における経験過程という。

経験過程に関する有名な結果のひとつに、Donskerの定理がある。この定理は、ある一定のガウス過程へ弱収束する経験過程のクラス（Donskerクラス）についての研究につながった。DonskerクラスはGlivenko-Cantelliクラスになるが、その逆は一般的に正しくない。

例

例として、経験分布関数を考える。i.i.d.確率変数${\displaystyle X_{1},X_{n},\dots }$において、これは、

${\displaystyle F_{n}(x)=P_{n}((-\infty ,x])=P_{n}I_{(-\infty ,x]}.}$

と与えられる。この例では、経験過程は${\displaystyle {\mathcal {C}}=\{(-\infty ,x]:x\in \mathbb {R} \}}$のクラスによって特徴づけられる。この${\displaystyle {\mathcal {C}}}$はDonskerクラスであることを示すことができ、特に、:${\displaystyle {\sqrt {n}}(F_{n}(x)-F(x))}$ はブラウン橋 B(F(x))に弱収束する。

参考文献

• P. Billingsley, Probability and Measure, John Wiley and Sons, New York, third edition, 1995.
• M.D. Donsker, Justification and extension of Doob's heuristic approach to the Kolmogorov–Smirnov theorems, Annals of Mathematical Statistics, 23:277–281, 1952.
• R.M. Dudley, Central limit theorems for empirical measures, Annals of Probability, 6(6): 899–929, 1978.
• R.M. Dudley, Uniform Central Limit Theorems, Cambridge Studies in Advanced Mathematics, 63, Cambridge University Press, Cambridge, UK, 1999.
• M.R. Kosorok, Introduction to Empirical Processes and Semiparametric Inference, Springer, New York, 2008.
• Galen R. Shorack and Jon A. Wellner, Empirical Processes with Applications to Statistics, Wiley, New York, 1986. SIAM Classics edition (2009), Society for Industrial and Applied Mathematics. ISBN 978-0-898716-84-9
• Aad W. van der Vaart and Jon A. Wellner,Weak Convergence and Empirical Processes: With Applications to Statistics, 2nd ed., Springer, 2000. ISBN 978-0-387-94640-5
• J. Wolfowitz, Generalization of the theorem of Glivenko–Cantelli. Annals of Mathematical Statistics, 25, 131–138, 1954.

外部リンク

• Empirical Processes: Theory and Applications, by David Pollard.
• Introduction to Empirical Processes and Semiparametric Inference, by Michael Kosorok.

表 話 編 歴 確率論
確率の歴史	アンドレイ・コルモゴロフ トーマス・ベイズ アンドレイ・マルコフ ジョゼフ・L・ドゥーブ 伊藤清
確率の定義	客観確率 統計的確率 古典的確率 公理的確率 主観確率 ベイズ確率 確率の拡張 外確率 負の確率
基礎概念	モデル 試行 結果 事象 標本空間 確率測度 確率空間 確率変数 確率変数の収束 確率分布 離散確率分布 連続確率分布 同時分布 周辺分布 条件付き確率分布 独立同分布 関数 確率質量関数 確率密度関数 累積分布関数 特性関数 用語 独立 期待値 モーメント 条件付き確率 条件付き期待値
確率の解釈	ベルトランの逆説 3囚人問題 モンティ・ホール問題 サンクトペテルブルクのパラドックス 合接の誤謬 ギャンブラーの誤謬
問題	壺問題 クーポンコレクター問題
法則・定理	ベイズの定理 大数の法則 中心極限定理 コルモゴロフの0-1法則 デ・フィネッティの定理 ウィーナー＝ヒンチンの定理
測度論	確率測度の拡張 カラテオドリの拡張定理 E.ホップの拡張定理 コルモゴロフの拡張定理 ヴィタリの収束定理 ルベーグの優収束定理 ラプラス原理 スコロホッドの表現定理
確率微分方程式	伊藤の補題
確率過程	独立増分過程 定常過程 マルチンゲール マルコフ過程 マルコフ性 マルコフ連鎖 マルコフ決定過程 部分観測マルコフ決定過程 マルコフ再生過程 ウィーナー過程 ブラウン運動 幾何ブラウン運動 非整数ブラウン運動 ベルヌーイ過程 ガウス過程 自己相似過程 経験過程 中華料理店過程 オルンシュタイン＝ウーレンベック過程
情報量	最大エントロピー原理 交差エントロピー 結合エントロピー カルバック・ライブラー情報量 相互情報量
応用	数理ファイナンス ブラック–ショールズ方程式 確率的ボラティリティモデル 系統学 ベイズ法
カテゴリ