重複対数の法則(law of the iterated logarithm)とは、互いに独立で同じ分布に従い平均 $0$、分散 $1$ の確率変数の部分和 $S_n$ について、確率 $1$ で $\limsup_nS_n/\sqrt{2n\log\log n}=1$、$\liminf_nS_n/\sqrt{2n\log\log n}=-1$ が成り立つという定理である。標準 Brown 運動 $B_t$ でも $\limsup_{t\to\infty}B_t/\sqrt{2t\log\log t}=1$ が成り立つ。Brown 運動の場合は正規分布の裾の評価と幾何級数的な時刻での Borel–Cantelli の補題で示され、独立同分布の場合は Skorokhod の埋め込みで Brown 運動の場合に帰着する。強大数の法則と中心極限定理の間の振れ幅を正確に定める。
前提知識: Brown運動, Borel–Cantelliの補題, 正規分布, 中心極限定理
$X_1,X_2,\dots$ を互いに独立で同じ分布に従う確率変数とし、$E[X_1]=0$、$E[X_1^2]=1$ とする。部分和 $S_n:=X_1+\dots+X_n$ は、強大数の法則 により $S_n/n\to0$、中心極限定理 により $S_n/\sqrt n$ が標準正規分布に分布収束する。では、1 本の試行の列の上で $S_n$ はどこまで大きくなるのか。重複対数の法則(law of the iterated logarithm, LIL)はこれに正確に答え、確率 $1$ で
$$
\limsup_{n\to\infty}\frac{S_n}{\sqrt{2n\log\log n}}=1,\qquad\liminf_{n\to\infty}\frac{S_n}{\sqrt{2n\log\log n}}=-1
$$
であることを主張する。名前の「重複対数」は分母の $\log\log n$ を指す。$\log$ は自然対数である。
中心極限定理の尺度 $\sqrt n$ で割ると、$S_n/\sqrt n$ は確率 $1$ で上にも下にも有界でない。それより $\sqrt{2\log\log n}$ 倍だけ大きい尺度でちょうど振れ幅が $1$ になる。$\log\log n$ は極めてゆっくり増えるので、強大数の法則と中心極限定理の間の、ごく狭い隙間を正確に測る定理である。
Brown 運動 $B_t$ についても同じ形 $\limsup_{t\to\infty}B_t/\sqrt{2t\log\log t}=1$ が成り立つ。この記事では、正規分布の裾の評価と、Lévy の不等式による最大値の評価を準備して Brown 運動の場合を完全に証明し、そこから Skorokhod の埋め込みを経由して独立同分布の場合(Hartman–Wintner の定理)を導く。2 つの主定理の証明で引用するのは埋め込みの存在だけで、ほかは記事内で示すか、証明のある記事の定理を使う。
$t>e$ について
$$
h(t):=\sqrt{2t\log\log t}
$$
とおく。$t\log\log t$ は $t>e$ で正の増加関数なので、$h$ も増加する。
$(B_t)_{t\ge0}$ を標準 Brown 運動とすると、確率 $1$ で
$$
\limsup_{t\to\infty}\frac{B_t}{h(t)}=1,\qquad\liminf_{t\to\infty}\frac{B_t}{h(t)}=-1
$$
である。
証明は節「Brown 運動の場合の証明」で与える。次の thm-lil-iid は、この定理と Skorokhod の埋め込みから節「独立同分布の場合の証明」で導く。
$X_1,X_2,\dots$ は互いに独立で同じ分布に従い、$E[X_1]=0$、$E[X_1^2]=1$ を満たすとする。$S_n:=X_1+\dots+X_n$ とおくと、確率 $1$ で
$$
\limsup_{n\to\infty}\frac{S_n}{h(n)}=1,\qquad\liminf_{n\to\infty}\frac{S_n}{h(n)}=-1
$$
である。
平均 $0$ で分散が $\sigma^2$($0< \sigma< \infty$)なら、$X_n/\sigma$ に当てて上極限は $\sigma$ になる。下極限の主張は、$-B_t$ も Brown 運動であること(Brown運動 の命題「対称性・尺度変換・時間の平行移動」)と、$-X_n$ も仮定を満たすことから、上極限の主張に帰着する。以下では上極限だけを示す。
以下 $N$ は標準正規分布 $N(0,1)$ に従う確率変数、$\varphi(x):=(2\pi)^{-1/2}e^{-x^2/2}$ はその密度とする。
$x>0$ について
$$
\frac{x}{1+x^2}\varphi(x)\le P(N>x)\le\min\Bigl(\frac{\varphi(x)}x,\ \frac12e^{-x^2/2}\Bigr)
$$
である。
要点:上からは被積分関数を $\frac yx\varphi(y)$ と $\varphi(x+u)\le e^{-x^2/2}\varphi(u)$ で抑え、下からは $-\varphi(y)/y$ の微分を積分する。
$y\ge x$ では $y/x\ge1$ なので $P(N>x)\le\int_x^\infty\frac yx\varphi(y)\,dy=\frac{\varphi(x)}x$ である。また $P(N>x)=\int_0^\infty\varphi(x+u)\,du=e^{-x^2/2}\int_0^\infty\varphi(u)e^{-xu}\,du\le\frac12e^{-x^2/2}$ である。下からの評価は、$\frac{d}{dy}\bigl(-\frac{\varphi(y)}y\bigr)=\bigl(1+\frac1{y^2}\bigr)\varphi(y)$ を $x$ から $\infty$ まで積分して $\frac{\varphi(x)}x=\int_x^\infty\bigl(1+\frac1{y^2}\bigr)\varphi(y)\,dy\le\bigl(1+\frac1{x^2}\bigr)P(N>x)$ を得ることによる。$\square$
$x\to\infty$ で $P(N>x)$ は $\varphi(x)/x$ とほぼ等しい。重複対数の法則の定数 $\sqrt2$ は、この裾の $e^{-x^2/2}$ から来る。
$Y_1,\dots,Y_m$ は互いに独立で、各 $Y_j$ は $-Y_j$ と同じ分布に従う(対称である)とする。$U_k:=Y_1+\dots+Y_k$ とおくと、$a\in\mathbb R$ について
$$
P\Bigl(\max_{k\le m}U_k>a\Bigr)\le2P(U_m>a)
$$
である。
要点:初めて $a$ を超えた時刻 $k$ で分けると、その後の増分 $U_m-U_k$ は独立で対称なので、確率 $\frac12$ 以上で $0$ 以上であり、そのとき $U_m>a$ である。
$C_k:=\{U_k>a,\ U_j\le a\ (j< k)\}$ とおくと、$C_1,\dots,C_m$ は互いに素で、和集合は $\{\max_kU_k>a\}$ である。$C_k$ は $Y_1,\dots,Y_k$ で決まり、$U_m-U_k=Y_{k+1}+\dots+Y_m$ はそれと独立である。$U_m-U_k$ は独立な対称な確率変数の和なので対称で、$P(U_m-U_k\ge0)=P(U_m-U_k\le0)$ であり、2 つの和は $1$ 以上なので $P(U_m-U_k\ge0)\ge\frac12$ である。$C_k$ の上で $U_m-U_k\ge0$ なら $U_m>a$ なので、$P(U_m>a)\ge\sum_{k=1}^mP(C_k\cap\{U_m-U_k\ge0\})=\sum_{k=1}^mP(C_k)P(U_m-U_k\ge0)\ge\frac12P(\max_kU_k>a)$ である。$\square$
$t>0$、$a>0$ について
$$
P\Bigl(\sup_{0\le s\le t}B_s>a\Bigr)\le2P(B_t>a),\qquad P\Bigl(\sup_{0\le s\le t}|B_s|>a\Bigr)\le4P(B_t>a)\le2e^{-a^2/(2t)}
$$
である。
$m\ge1$ について $Y_j:=B_{jt/2^m}-B_{(j-1)t/2^m}$($j=1,\dots,2^m$)は互いに独立で、平均 $0$ の正規分布に従うので対称である。lem-lil-levy から $P(\max_{j\le2^m}B_{jt/2^m}>a)\le2P(B_t>a)$ である。道が連続な $\omega$ では、$\sup_{s\le t}B_s>a$ なら $B_s>a$ となる $s$ があり、その近くの $2$ 進の点 $jt/2^m$ でも $B>a$ である。よって事象 $\{\sup_{s\le t}B_s>a\}$ は、$m$ について増加する事象 $\{\max_{j\le2^m}B_{jt/2^m}>a\}$ の和集合と確率 $0$ の差を除いて一致し、確率の連続性から 1 つ目の不等式を得る。$-B$ も Brown 運動なので $P(\sup_{s\le t}(-B_s)>a)$ も同じく抑えられ、足して 2 つ目の不等式の左側を得る。最後は $B_t/\sqrt t$ が $N$ と同じ分布に従うことと lem-lil-tail による。$\square$
1 つ目の不等式は実際には等号で成り立つ(Brown運動 の定理「鏡像原理」)。証明には上からの評価だけを使うので、強 Markov 性を使わない上の証明で足りる。
上からの評価。 $\varepsilon>0$ を固定し、$1< \theta<(1+\varepsilon)^2$ をとって $t_n:=\theta^n$ とおく。$t_n>e$ となる $n$ について、事象
$$
F_n:=\Bigl\{\sup_{0\le s\le t_{n+1}}B_s>(1+\varepsilon)h(t_n)\Bigr\}
$$
を考える。cor-lil-bm-max と lem-lil-tail から
$$
P(F_n)\le2P\Bigl(N>\frac{(1+\varepsilon)h(t_n)}{\sqrt{t_{n+1}}}\Bigr)\le\exp\Bigl(-\frac{(1+\varepsilon)^2\,2t_n\log\log t_n}{2t_{n+1}}\Bigr)=(n\log\theta)^{-\gamma},\qquad\gamma:=\frac{(1+\varepsilon)^2}\theta>1
$$
である($t_n/t_{n+1}=1/\theta$、$\log\log t_n=\log(n\log\theta)$)。$\sum_nP(F_n)<\infty$ なので、Borel–Cantelliの補題 の定理「第 1 の Borel–Cantelli の補題」により、確率 $1$ で、ある番号から先のすべての $n$ で $\sup_{s\le t_{n+1}}B_s\le(1+\varepsilon)h(t_n)$ である。そのような $n$ と $t\in[t_n,t_{n+1}]$ について、$h$ は増加なので $B_t\le(1+\varepsilon)h(t_n)\le(1+\varepsilon)h(t)$ である。よって $\limsup_tB_t/h(t)\le1+\varepsilon$ a.s. であり、$\varepsilon=\frac1j$($j=1,2,\dots$)について合わせて $\limsup_tB_t/h(t)\le1$ a.s. を得る。
下からの評価。 $\varepsilon\in(0,1)$ と $\theta>1$ を固定し、$t_n:=\theta^n$ とする。増分 $\Delta_n:=B_{t_{n+1}}-B_{t_n}$ は互いに独立で、分散は $t_{n+1}-t_n=c\,t_{n+1}$($c:=1-\frac1\theta$)である。事象
$$
E_n:=\bigl\{\Delta_n>(1-\varepsilon)\sqrt c\,h(t_{n+1})\bigr\}
$$
は互いに独立で、$x_n:=(1-\varepsilon)\sqrt{2\log\log t_{n+1}}$ とおくと $P(E_n)=P(N>x_n)$ である。$x_n\ge1$ となる $n$ では、lem-lil-tail の下からの評価と $\frac{x}{1+x^2}\ge\frac1{2x}$($x\ge1$)から
$$
P(E_n)\ge\frac{\varphi(x_n)}{2x_n}=\frac{\bigl((n+1)\log\theta\bigr)^{-(1-\varepsilon)^2}}{2\sqrt{2\pi}\,x_n}
$$
である。$(1-\varepsilon)^2< 1$ で、$x_n$ は $\sqrt{\log n}$ の定数倍の程度にしか増えないので、$\sum_nP(E_n)=\infty$ である。Borel–Cantelliの補題 の定理「第 2 の Borel–Cantelli の補題」により、確率 $1$ で $E_n$ は無限回起こる。
一方、上からの評価を Brown 運動 $-B$ に当てると、確率 $1$ で、ある番号から先 $B_{t_n}\ge-(1+\varepsilon)h(t_n)$ である。また $h(t_n)/h(t_{n+1})\le\sqrt{t_n/t_{n+1}}=1/\sqrt\theta$ である。したがって確率 $1$ で、無限個の $n$ について
$$
\frac{B_{t_{n+1}}}{h(t_{n+1})}=\frac{\Delta_n+B_{t_n}}{h(t_{n+1})}>(1-\varepsilon)\sqrt{1-\frac1\theta}-\frac{1+\varepsilon}{\sqrt\theta}
$$
である。よって $\limsup_tB_t/h(t)$ は右辺以上である。$\theta=j$、$\varepsilon=\frac1j$($j=2,3,\dots$)として可算個の確率 $1$ の事象を合わせ、$j\to\infty$ とすれば右辺は $1$ に近づき、$\limsup_tB_t/h(t)\ge1$ a.s. を得る。$\square$
下からの評価の要点は、時刻を幾何級数的に離して増分を独立にすることである。$\theta$ が大きいほど、$B_{t_{n+1}}$ のうち前の時刻 $t_n$ までの寄与 $B_{t_n}$ の割合 $1/\sqrt\theta$ は小さくなる。たとえば $\theta=100$、$\varepsilon=0.01$ なら右辺は $0.8840$(小数第 5 位を四捨五入)、$\theta=10^4$ なら $0.9799$ である(数値で計算した)。
独立同分布の和を Brown 運動の中に埋め込む。この存在は引用する。
$X_1,X_2,\dots$ が thm-lil-iid の仮定を満たすとする。ある確率空間の上に、標準 Brown 運動 $B$ と確率変数 $0=T_0\le T_1\le T_2\le\cdots$ があって、次を満たす。
Dur19 Theorem 8.1.1(Skorokhod の表現定理、p. 389)は、平均 $0$ で分散有限の $X$ について、Brown 運動の 停止時刻 $T$ で $B_T$ が $X$ と同じ分布に従い $E[T]=E[X^2]$ となるものを構成する。同書 Theorem 8.1.2(p. 391)はこれを繰り返して $T_n$ を作り、$S_n$ と $B(T_n)$ が同じ分布に従い $T_n-T_{n-1}$ が独立同分布であることを述べる。同書の証明は、Brown 運動と独立な乱数の組 $(U_n,V_n)$ を使い、$T_{n-1}$ から先の増分 $B_t-B(T_{n-1})$ が区間 $(U_n,V_n)$ を出る時刻を $T_n$ とする。強 Markov 性により $B(T_{n-1}+\cdot)-B(T_{n-1})$ は $T_{n-1}$ までの情報と独立な Brown 運動なので、各段の増分 $B(T_n)-B(T_{n-1})$ は互いに独立で $X_1$ と同じ分布に従い、1 の同時分布の一致が成り立つ(同書 Theorem 8.5.2 の証明(p. 418)も、この形で $S_n=B(T_n)$ と書いて使う)。この記事ではこの命題を証明しない。証明は Skorokhod埋め込み の定理「Skorokhod の埋め込み定理」と「ランダムウォークの埋め込み」にある。
確率 $1$ で $\limsup_{n\to\infty}B_n/h(n)=1$ である($n$ は自然数を動く)。
上極限が $1$ 以下であることは thm-lil-bm から明らかである。$R_n:=\sup_{0\le u\le1}|B_{n+u}-B_n|$ とおくと、$u\mapsto B_{n+u}-B_n$ は Brown 運動なので、cor-lil-bm-max から $P(R_n>2\sqrt{\log n})\le2e^{-2\log n}=2n^{-2}$ である。第 1 の Borel–Cantelli の補題により、確率 $1$ で、ある番号から先 $R_n\le2\sqrt{\log n}$ である。$\varepsilon>0$ とする。thm-lil-bm により、確率 $1$ で $B_t>(1-\varepsilon)h(t)$ となる $t$ はいくらでも大きくとれる。そのような $t$ で $n:=\lfloor t\rfloor$ が十分大きければ、$h(t)\ge h(n)$ から
$$
\frac{B_n}{h(n)}\ge\frac{B_t-R_n}{h(n)}>1-\varepsilon-\frac{2\sqrt{\log n}}{h(n)}
$$
であり、最後の項は $n\to\infty$ で $0$ に近づく。$\varepsilon=\frac1j$ として結論を得る。$\square$
$T_n$ は確率変数で、確率 $1$ で $T_n/n\to1$ とする。このとき確率 $1$ で $(B_{T_n}-B_n)/h(n)\to0$ である。
$\delta\in(0,1)$ を固定し、$r:=1+\delta$、$s_k:=r^k$、$\eta:=r^3-1$ とおく。$M_k:=\sup\{|B_u-B_{s_{k-1}}|\mid s_{k-1}\le u\le s_{k+2}\}$ は、Brown 運動 $u\mapsto B_{s_{k-1}+u}-B_{s_{k-1}}$ の長さ $s_{k+2}-s_{k-1}=\eta s_{k-1}$ の区間での $|\cdot|$ の上限である。$y_k:=\sqrt{3\eta s_{k-1}\log\log s_{k-1}}$ とおくと、cor-lil-bm-max から
$$
P(M_k>y_k)\le2\exp\Bigl(-\frac{3}{2}\log\log s_{k-1}\Bigr)=2\bigl((k-1)\log r\bigr)^{-3/2}
$$
で、これは $k$ について和が有限である。よって確率 $1$ で、ある $k_0$ から先 $M_k\le y_k$ である。また確率 $1$ で、ある $n_0$ から先 $n/r\le T_n\le nr$ である。
この 2 つが成り立つ $\omega$ と、十分大きな $n$ をとる。$s_k\le n< s_{k+1}$ となる $k$ について、$n$ も $T_n$ も区間 $[s_{k-1},s_{k+2}]$ に入るので
$$
|B_{T_n}-B_n|\le|B_{T_n}-B_{s_{k-1}}|+|B_n-B_{s_{k-1}}|\le2M_k\le2y_k\le2\sqrt{3\eta\,n\log\log n}=\sqrt{6\eta}\,h(n)
$$
である($s_{k-1}\le n$ と、$t\log\log t$ の増加性を使った)。よって $\limsup_n|B_{T_n}-B_n|/h(n)\le\sqrt{6\eta}$ a.s. である。$\delta=\frac1j$ とすると $\eta=(1+\frac1j)^3-1\to0$ なので、結論を得る。$\square$
prop-lil-skorokhod の $B$ と $T_n$ をとる。$\limsup_nS_n/h(n)$ は列 $(S_n)$ の可測関数なので、その分布は $(B_{T_n})$ の同じ量の分布と一致する。よって確率 $1$ で $\limsup_nB_{T_n}/h(n)=1$ を示せばよい。$T_n$ は互いに独立で同じ分布に従う $0$ 以上の可積分な確率変数 $T_k-T_{k-1}$ の和なので、強大数の法則 から $T_n/n\to E[T_1]=1$ a.s. である。lem-lil-shift から $(B_{T_n}-B_n)/h(n)\to0$ a.s.、lem-lil-integer から $\limsup_nB_n/h(n)=1$ a.s. なので、$\limsup_nB_{T_n}/h(n)=1$ a.s. である。$\square$
thm-lil-iid の仮定のもとで、確率 $1$ で、数列 $S_n/h(n)$ の集積点の全体は閉区間 $[-1,1]$ である。
$a_n:=S_n/h(n)$ とおく。まず $a_{n+1}-a_n\to0$ a.s. を示す。$n\ge6$ では $2\log\log n\ge1$ なので $h(n)^2\ge n$ で、$\varepsilon>0$ について $\sum_nP(|X_n|>\varepsilon h(n))\le C+\sum_nP(X_1^2>\varepsilon^2n)\le C+E[X_1^2]/\varepsilon^2$ である($C$ は有限個の項。最後は 強大数の法則 の補題「裾の確率の和」を $X_1^2/\varepsilon^2$ に使った)。第 1 の Borel–Cantelli の補題から $X_{n+1}/h(n+1)\to0$ a.s. である。また
$$
a_{n+1}-a_n=\frac{X_{n+1}}{h(n+1)}-a_n\Bigl(1-\frac{h(n)}{h(n+1)}\Bigr)
$$
で、thm-lil-iid から $|a_n|$ は確率 $1$ で有界、$h(n)/h(n+1)\to1$ なので第 2 項も $0$ に近づく。
$c\in(-1,1)$ とする。thm-lil-iid から $a_n< c$ となる $n$ も $a_n>c$ となる $n$ も無限個ある。$a_n\le c< a_{n+1}$ となる $n$ も無限個あり、そこで $|a_n-c|\le|a_{n+1}-a_n|\to0$ なので、$c$ は集積点である。$\pm1$ は上極限と下極限なので集積点であり、$[-1,1]$ の外に集積点はない。$\square$
Brown 運動では道の連続性と中間値の定理から同じ結論がすぐ出る。Dur19 Theorem 8.5.3(p. 419)の Strassen の不変原理は、折れ線 $S(n\,\cdot)/h(n)$ の集積点の全体が $\{f\mid f(x)=\int_0^xg(y)\,dy,\ \int_0^1g(y)^2\,dy\le1\}$ であることを述べ、cor-lil-cluster を含む(この記事では証明しない)。
確率 $1$ で $\displaystyle\limsup_{t\downarrow0}\frac{B_t}{\sqrt{2t\log\log(1/t)}}=1$ である。
$W_0:=0$、$u>0$ で $W_u:=uB_{1/u}$ とおくと $W$ は Brown 運動である(時間の反転。Dur19 Theorem 7.2.6(p. 363)。この記事では証明しない)。$t=1/u$ とすると $B_t=tW_{1/t}=W_u/u$ で、$\sqrt{2t\log\log(1/t)}=\sqrt{2\log\log u/u}$ なので、$B_t/\sqrt{2t\log\log(1/t)}=W_u/h(u)$ である。$t\downarrow0$ は $u\to\infty$ にあたり、thm-lil-bm を $W$ に使えばよい。$\square$
したがって Brown 運動の道は、時刻 $0$ の直後で $\pm\sqrt{2t\log\log(1/t)}$ まで無限回振れ、$\sqrt t$ のどんな定数倍にも収まらない。
$X_n$ を互いに独立で $\pm1$ を確率 $\frac12$ ずつとる確率変数とすると、$S_n$ は単純な ランダムウォーク で、thm-lil-iid が成り立つ。比 $h(n)/\sqrt n=\sqrt{2\log\log n}$ と、$S_n/\sqrt n$ を標準正規分布で近似したときにそれを超える確率は次のとおりである(小数第 5 位を四捨五入した数値)。
| $n$ | $\sqrt n$ | $h(n)$ | $h(n)/\sqrt n$ | $P(\lvert N\rvert>h(n)/\sqrt n)$ |
|---|---|---|---|---|
| $10^3$ | $31.6$ | $62.2$ | $1.9660$ | $0.0493$ |
| $10^6$ | $1000.0$ | $2291.6$ | $2.2916$ | $0.0219$ |
| $10^9$ | $31622.8$ | $77862.1$ | $2.4622$ | $0.0138$ |
| $10^{12}$ | $10^6$ | $2576408.0$ | $2.5764$ | $0.0100$ |
各時刻で $|S_n|$ が $h(n)$ を超える確率は小さいが、$0$ ではない。重複対数の法則は、時刻を先へ進めると、$(1-\varepsilon)h(n)$ を超える時刻が確率 $1$ で無限回現れ、$(1+\varepsilon)h(n)$ を超えるのは有限回であることを述べる。
thm-lil-iid の仮定のもとで、Chebyshevの不等式 から $P(|S_n|>\varepsilon h(n))\le\frac{n}{\varepsilon^2h(n)^2}=\frac1{2\varepsilon^2\log\log n}\to0$ なので、$S_n/h(n)$ は $0$ に確率収束する。しかし cor-lil-cluster により概収束はしない(確率変数の収束)。同様に $S_n/\sqrt n$ は分布収束するが、確率 $1$ で $\limsup_nS_n/\sqrt n=\infty$ である。$\sqrt n$ の尺度の 1 時刻ごとの分布と、1 本の列の全体での振る舞いは違う。
| 外す仮定 | 例 | 成り立たなくなること |
|---|---|---|
| $E[X_1^2]<\infty$ | 対称で $P(\lvert X_1\rvert>x)=x^{-2}$($x\ge1$)の独立同分布 | $\limsup S_n/h(n)=+\infty$ a.s. |
| $E[X_1]=0$ | $X_n:=\mu+\sqrt{1-\mu^2}\,N_n$($0< \lvert\mu\rvert< 1$、$N_n$ は独立な標準正規。$E[X_n^2]=1$) | $\mu>0$ なら $\limsup S_n/h(n)=+\infty$、$\mu< 0$ なら $-\infty$ |
| 独立性 | すべての $n$ で $X_n:=X_1$($\pm1$ を確率 $\frac12$ ずつ) | $\limsup S_n/h(n)$ は確率 $\frac12$ ずつ $\pm\infty$ |
| 同じ分布 | 独立で $P(X_n=\pm c_n)=\frac1{2c_n^2}$、$P(X_n=0)=1-\frac1{c_n^2}$、$c_n:=\sqrt n\log\log n$($n\ge16$。$n< 16$ では $\pm1$) | $\limsup S_n/h(n)=+\infty$ a.s. |
1 行目と 4 行目は平均 $0$ で互いに独立であり、分布は $0$ について対称である。$L:=\limsup_nS_n/h(n)$ は有限個の $X_n$ を変えても変わらないので末尾σ-代数について可測で、Kolmogorovの0-1法則 の系「末尾σ-代数について可測な量は定数」により a.s. に定数 $L_0\in[-\infty,\infty]$ である。対称性から $\liminf_nS_n/h(n)=-L_0$ a.s. なので、$\limsup_n|S_n|/h(n)=\infty$ a.s. を示せば $L_0=+\infty$ である。
1 行目:$E|X_1|=1+\int_1^\infty x^{-2}dx=2$ で平均 $0$、$E[X_1^2]=\int_0^\infty2xP(|X_1|>x)\,dx=\infty$ である。$K>0$ について $Kh(n)\ge1$ なら $P(|X_n|>Kh(n))=\frac1{2K^2n\log\log n}$ で、$\sum_n\frac1{n\log\log n}=\infty$ なので、第 2 の Borel–Cantelli の補題から $|X_n|>Kh(n)$ が無限回起こる。$|X_n|\le|S_n|+|S_{n-1}|$ と $h(n-1)\le h(n)$ から $\limsup_n|S_n|/h(n)\ge K/2$ で、$K$ は任意である。
4 行目:$E[X_n]=0$、$E[X_n^2]=c_n^2\cdot c_n^{-2}=1$($n\ge16$ で $c_n\ge1$)である。$(\log\log n)^2\le\log n$ が十分大きな $n$ で成り立つので $\sum_nP(X_n\ne0)=\sum_n\frac1{n(\log\log n)^2}=\infty$ であり、$|X_n|=c_n$ が無限回起こる。$c_n/h(n)=\sqrt{\log\log n/2}\to\infty$ なので、1 行目と同じく $\limsup_n|S_n|/h(n)=\infty$ である。
2 行目:強大数の法則 から $S_n/n\to\mu$ a.s. で、$h(n)/n\to0$ である。3 行目:$S_n=nX_1$ である。$P(X_1=1,X_2=-1)=0\ne\frac14$ なので独立でない。$\square$
thm-lil-bm は Dur19 Theorem 8.5.1(p. 416、証明は pp. 416–418)、thm-lil-iid は同書 Theorem 8.5.2(p. 418)で、同書は後者を Hartman と Wintner(1941)の結果としている。同書は上からの評価に鏡像原理の等式を使うが、この記事では lem-lil-levy による不等式で済ませた。同書は時刻のずれを実数の時刻 $t$ で評価するが、この記事では整数の時刻に限り、lem-lil-integer で整数と実数の時刻をつないだ。同書 p. 419 は、thm-lil-iid の結論が成り立てば $E[X_1]=0$、$E[X_1^2]=1$ であるという Strassen の逆定理に触れている(1 行目の反例はその特別な場合)。
重複対数の法則は、ランダムウォークや Brown 運動の道の大きさの基準になる。Ornstein–Uhlenbeck過程 では時間の変更で $\limsup_{t\to\infty}U_t/\sqrt{2v\log t}=1$($v$ は定常分布の分散)の形になり、時刻 $0$ の近くの形 cor-lil-zero は道の局所的な Hölder 連続性の限界を示す。収束の速さの粗い評価は Kroneckerの補題(級数) と Kolmogorovの三級数定理 の二級数の定理から出て、$S_n/(\sqrt n(\log n)^{1/2+\delta})\to0$ a.s. を与えるが、正確な尺度 $h(n)$ はこの定理で初めて決まる。
Mathpediaは寄付と、参考文献の書籍リンク(Amazonアソシエイト)の紹介料で運営されています。 支援について / 寄付する