安定分布(stable distribution)とは、定数でない確率変数 $Y$ の分布で、$Y$ と同じ分布に従う独立な $k$ 個の和が、どの $k$ についても定数 $a_k>0$、$b_k$ を使って $a_kY+b_k$ と同じ分布になるものである。尺度は必ず $a_k=k^{1/\alpha}$($0<\alpha\le2$)の形になり、$\alpha=2$ は正規分布、$\alpha=1$ で対称なものは Cauchy 分布である。独立同分布の和を 1 次変換したものの極限として現れる分布はちょうど安定分布であり、分散が無限大の場合の中心極限定理の極限を与える。対称な安定分布の特性関数は $e^{-c|t|^\alpha}$ である。
安定分布(stable distribution)とは、定数でない確率変数 $Y$ の分布で、$Y$ と同じ分布に従う独立な $Y_1,\dots,Y_k$ の和が、どの $k$ についても尺度と位置を変えれば $Y$ と同じ分布になる
$$
Y_1+\dots+Y_k\overset{d}{=}a_kY+b_k\qquad(a_k>0,\ b_k\in\mathbb{R})
$$
ものをいう。尺度は必ず $a_k=k^{1/\alpha}$ の形で、指数 $\alpha$ は $0<\alpha\le2$ を満たす。$\alpha=2$ は 正規分布、$\alpha=1$ で対称なものは Cauchy分布 である。
中心極限定理 は、分散が有限な独立同分布の和を $\sqrt n$ で割ると正規分布に近づくことを述べる。分散が無限大になると、和を $\sqrt n$ より大きい量で割らなければならず、極限は正規分布とは限らない。独立同分布の和を 1 次変換したものの極限として現れる分布は、ちょうど安定分布である。この意味で安定分布は、分散の有限性を外した中心極限定理(一般化中心極限定理)の極限の全体である。
この記事では、型の収束の補題を分位点関数で証明して極限と安定分布が一致することを示し、尺度が $k^{1/\alpha}$($0<\alpha\le2$)の形になること、対称な安定分布の特性関数が $e^{-c\lvert t\rvert^\alpha}$ であることを証明する。一般の特性関数の形と吸引域は主張と所在を述べる。
確率変数 $Y$ がある定数にほとんど確実に等しいとき 退化している という。$\overset{d}{=}$ は分布が等しいことを表す。
退化していない実数値の確率変数 $Y$ について、$Y_1,Y_2,\dots$ を $Y$ と同じ分布に従う独立な確率変数とする。各 $k\ge1$ について定数 $a_k>0$、$b_k\in\mathbb{R}$ があって
$$
Y_1+\dots+Y_k\overset{d}{=}a_kY+b_k
$$
となるとき、$Y$ の分布を 安定分布 といい、$Y$ は 安定 であるという。すべての $k$ で $b_k=0$ にとれるとき 狭義安定 という。
$Y\sim N(\mu,\sigma^2)$ なら $Y_1+\dots+Y_k\sim N(k\mu,k\sigma^2)$ なので $a_k=\sqrt k$、$b_k=(k-\sqrt k)\mu$ である(正規分布)。$Y\sim C(\mu,\gamma)$ なら $Y_1+\dots+Y_k\sim C(k\mu,k\gamma)$ なので $a_k=k$、$b_k=0$ で狭義安定である(Cauchy分布 の系「1 次結合と標本平均」)。
$Y$ が安定なら、$Y\overset{d}{=}\sum_{j=1}^k(Y_j-b_k/k)/a_k$ は独立同分布の $k$ 個の和なので、安定分布は無限分解可能である(無限分解可能分布)。$Y'$ を $Y$ と独立で同じ分布の確率変数とすると、$Y$ の 対称化 $Y-Y'$ は同じ $a_k$ と $b_k=0$ で定義の式を満たす(退化しないことは lem-st-nondegenerate)。
$F$ を分布関数とし、確率変数の収束 の補題「分位点関数による実現」の分位点関数 $Q_F(u):=\sup\{y\mid F(y)< u\}$($0< u< 1$)を使う。$a>0$ なら $P(aX+b\le y)=F((y-b)/a)$ なので、$aX+b$ の分位点関数は $aQ_F+b$ である。分位点関数は分布関数から決まり、分布も分位点関数から決まる(同補題により、$(0,1)$ の上の一様分布に従う $U$ について $Q_F(U)$ の分布関数は $F$)。
要点:1 は単調性から、2 の前半は $P(Y\in A)=P(Y\in A)^2$ から、後半は特性関数の絶対値から出る。
1:$Q$ は単調非減少なので、稠密な集合 $D$ の上で値 $c$ をとれば、任意の $u$ について $v< u< w$ となる $v,w\in D$ から $Q(u)=c$ である。$Q(U)=c$ なので分布は $c$ の 1 点に集中する。
2:$Y-Y'$ が定数 $c$ にほとんど確実に等しいとする。$Y=Y'+c$ がほとんど確実に成り立つので、Borel 集合 $A$ について、独立性と $Y'+c\overset{d}{=}Y$ から $P(Y\in A)=P(Y\in A,\ Y'+c\in A)=P(Y\in A)P(Y'+c\in A)=P(Y\in A)^2$ である。よって $P(Y\le x)$ は $0$ か $1$ の値しかとらず、単調で右連続なので、ある 1 点で $0$ から $1$ に跳ぶ。すなわち $Y$ は退化している。和については、特性関数 $\varphi$ について $\lvert\varphi_{Y_1+\dots+Y_k}\rvert=\lvert\varphi\rvert^k$ である。和が退化していれば左辺は恒等的に $1$ で、$\lvert\varphi\rvert^2=\varphi_{Y-Y'}$ も恒等的に $1$ である。$E[1-\cos t(Y-Y')]=0$ から $t=1$ と $t=\sqrt2$ で $t(Y-Y')\in2\pi\mathbb{Z}$ がほとんど確実に成り立ち、$Y-Y'=0$ となって前半に反する。$\square$
$Y$ が退化していないとき、$a,a'>0$、$b,b'\in\mathbb{R}$ について $aY+b\overset{d}{=}a'Y+b'$ なら $a=a'$、$b=b'$ である。とくに def-st-stable の $a_k,b_k$ は $Y$ の分布から一意に決まる。
両辺の分位点関数が等しいので、すべての $u$ で $aQ(u)+b=a'Q(u)+b'$ である($Q$ は $Y$ の分位点関数)。lem-st-nondegenerate の 1 により $Q(u_1)\ne Q(u_2)$ となる $u_1,u_2$ があり、2 つの式の差から $a=a'$、続いて $b=b'$ を得る。$\square$
$W_n\Rightarrow W$ で、定数 $\alpha_n>0$、$\beta_n$ について $\alpha_nW_n+\beta_n\Rightarrow W'$ とし、$W,W'$ は退化していないとする。このとき $\alpha_n\to\alpha\in(0,\infty)$、$\beta_n\to\beta$ となる $\alpha,\beta$ があり、$W'\overset{d}{=}\alpha W+\beta$ である。
$W_n,W,W'$ の分位点関数を $Q_n,Q,Q'$ とする。確率変数の収束 の定理「Skorokhodの表現定理(実数値の場合)」の証明は、分布収束 $W_n\Rightarrow W$ のもとで、高々可算個を除くすべての $u$ で $Q_n(u)\to Q(u)$ となることを示している。同様に、$\alpha_nW_n+\beta_n$ の分位点関数 $\alpha_nQ_n+\beta_n$ は、高々可算個を除くすべての $u$ で $Q'(u)$ に近づく。両方の例外を除いた $u$ の集合を $E$ とする。$E$ は稠密なので、lem-st-nondegenerate の 1 により $Q(u_1)< Q(u_2)$ となる $u_1< u_2$ が $E$ の中にある。
$$
\alpha_n=\frac{(\alpha_nQ_n(u_2)+\beta_n)-(\alpha_nQ_n(u_1)+\beta_n)}{Q_n(u_2)-Q_n(u_1)}\to\frac{Q'(u_2)-Q'(u_1)}{Q(u_2)-Q(u_1)}=:\alpha
$$
であり(分母は $Q(u_2)-Q(u_1)>0$ に近づく)、$\beta_n=(\alpha_nQ_n(u_1)+\beta_n)-\alpha_nQ_n(u_1)\to Q'(u_1)-\alpha Q(u_1)=:\beta$ である。
$u\in E$ で $Q'(u)=\alpha Q(u)+\beta$ である。$\alpha=0$ なら $Q'$ が $E$ の上で定数となり、lem-st-nondegenerate の 1 から $W'$ が退化して仮定に反するので $\alpha>0$ である。$Q'$ と $\alpha Q+\beta$ はどちらも単調で稠密な $E$ の上で一致するので、高々可算個(両者の不連続点)を除いて一致し、$U$ を一様分布として $W'\overset{d}{=}Q'(U)=\alpha Q(U)+\beta\overset{d}{=}\alpha W+\beta$ である。$\square$
退化していない確率変数 $Y$ について、次は同値である。
1 ⇒ 2。 $X_i$ を $Y$ と同じ分布の独立な列とし、$a_n,b_n$ を def-st-stable の定数とすると、$(S_n-b_n)/a_n\overset{d}{=}Y$ である。
2 ⇒ 1。 $k\ge1$ を固定し、$Z_n:=(S_n-b_n)/a_n$ とおく。$j=1,\dots,k$ について $S^{(j)}_n:=X_{(j-1)n+1}+\dots+X_{jn}$ とおくと、$S_{nk}=S^{(1)}_n+\dots+S^{(k)}_n$ なので
$$
\frac{a_{nk}}{a_n}Z_{nk}+\frac{b_{nk}-kb_n}{a_n}=\sum_{j=1}^k\frac{S^{(j)}_n-b_n}{a_n}
$$
である。右辺の $k$ 個の項は独立で、どれも $Z_n$ と同じ分布をもつ。特性関数で見ると、右辺の特性関数は $\varphi_{Z_n}^k$ で、特性関数(確率論) の定理「Lévy の連続性定理」の 1 により $\varphi_Y^k$ に各点で近づく。$\varphi_Y^k$ は $Y_1+\dots+Y_k$ の特性関数で連続なので、同定理の 2 と系「特性関数は分布を決める」により、右辺は $Y_1+\dots+Y_k$ に分布収束する。一方 $Z_{nk}\Rightarrow Y$ である。$Y$ と $Y_1+\dots+Y_k$ は退化していない(lem-st-nondegenerate の 2)ので、lem-st-convergence-of-types を $W_n=Z_{nk}$、$\alpha_n=a_{nk}/a_n$、$\beta_n=(b_{nk}-kb_n)/a_n$ に当てると、$Y_1+\dots+Y_k\overset{d}{=}\alpha Y+\beta$($\alpha>0$)である。$k$ は任意なので $Y$ は安定である。$\square$
$Y$ を安定とし、$a_k$ を def-st-stable の定数とする。ある $\alpha\in(0,2]$ があって、すべての $k\ge1$ で $a_k=k^{1/\alpha}$ である。この $\alpha$ を $Y$ の 指数(index of stability)という。
対称化に移り、$a_{mn}=a_ma_n$(乗法性)と $a_m/a_n$ の有界性($m< n$)から $\log a_k/\log k$ が $k$ によらないことを示す。$\alpha\le2$ は特性関数から出す(thm-st-symmetric)。
段 0(対称化)。 $Z:=Y-Y'$ を対称化とすると、$Z$ は退化しておらず、$Z\overset{d}{=}-Z$ で、$Z_1+\dots+Z_k\overset{d}{=}a_kZ$ である。lem-st-type-unique により、$Z$ の定数は $Y$ と同じ $a_k$ に限る。以下 $Z$ について示す。
段 1(乗法性)。 $mn$ 個の独立な複製を $n$ 個ずつ $m$ 組に分けると、各組の和は $a_nZ$ と同じ分布で互いに独立なので、全体の和は $a_n(Z_1+\dots+Z_m)\overset{d}{=}a_na_mZ$ と同じ分布をもつ。全体の和は $a_{mn}Z$ とも同じ分布なので、lem-st-type-unique から $a_{mn}=a_ma_n$ である。$m=n=1$ から $a_1=1$ である。
段 2(比の有界性)。 $Z$ は対称なので、独立な $Z,Z''$ と $c,c'>0$、$t\ge0$ について
$$
P(cZ+c'Z''>t)\ge P(cZ>t,\ Z''\ge0)\ge\tfrac12P(cZ>t)
$$
である。$m< n$ なら $a_nZ\overset{d}{=}(Z_1+\dots+Z_m)+(Z_{m+1}+\dots+Z_n)\overset{d}{=}a_mZ+a_{n-m}Z''$ なので $P(a_nZ>t)\ge\frac12P(a_mZ>t)$ である。$Z$ は対称で退化していないので、$p:=P(Z>s)>0$ となる $s>0$ がある。$t=sa_m$ とおくと $P(Z>sa_m/a_n)\ge p/2$ である。$P(Z>sR)< p/2$ となる $R\ge1$ をとると、$m< n$ のとき $a_m/a_n\le R$ である。
段 3 で $a_2>1$ を示し、段 4 で、$r^j$ を $s$ の冪で挟んで段 1・2 を使うと $\log a_r/\log r=\log a_s/\log s$ となることを示す。
段 3($a_2>1$)。 段 1・2 から $a_2^{-j}=a_1/a_{2^j}\le R$ がすべての $j$ で成り立つので $a_2\ge1$ である。$a_2=1$ なら、$Z$ の特性関数 $\varphi$ は実数値($Z\overset{d}{=}-Z$ による)で $\varphi=\varphi^2$ を満たし、値は $0$ か $1$ である。$\varphi$ は連続で $\varphi(0)=1$ なので $\varphi\equiv1$ となる。prf-lem-st-nondegenerate の後半と同じく $t=1,\sqrt2$ の $E[1-\cos tZ]=0$ から $Z=0$ がほとんど確実に成り立ち、段 0 に反する。よって $a_2>1$ である。
段 4($\log a_k/\log k$ は一定)。 $r,s\ge2$ とする。$j\ge1$ について $s^i\le r^j< s^{i+1}$ となる整数 $i=i(j)$ をとると、段 2($s^i=r^j$ の場合は等号)と段 1 から $a_s^{\,i}\le R\,a_r^{\,j}$、$a_r^{\,j}\le R\,a_s^{\,i+1}$ である。対数をとって $j$ で割り、$i(j)/j\to\log r/\log s$ を使うと $\frac{\log r}{\log s}\log a_s\le\log a_r\le\frac{\log r}{\log s}\log a_s$ を得る。よって $\log a_r/\log r=\log a_2/\log 2=:1/\alpha$ はすべての $r\ge2$ で等しく、段 3 から $0<\alpha<\infty$ である。
1。 $\varphi:=\varphi_Z$ は対称性から実数値であり、狭義安定性と thm-st-index から $\varphi(t)=\varphi(k^{-1/\alpha}t)^k$ である。$k=2$ から $\varphi\ge0$ である。$\varphi(t_0)=0$ なら $\varphi(2^{-j/\alpha}t_0)=0$ がすべての $j$ で成り立ち、$\varphi$ の $0$ での連続性と $\varphi(0)=1$ に反するので、$\varphi>0$ である。$\psi:=-\log\varphi$ は連続で $\psi(k^{1/\alpha}t)=k\psi(t)$ を満たすので、正の整数 $m,n$ について $\psi((m/n)^{1/\alpha}t)=m\psi(n^{-1/\alpha}t)=\frac mn\psi(t)$ である。連続性から $\psi(\lambda^{1/\alpha}t)=\lambda\psi(t)$ がすべての $\lambda>0$ で成り立ち、$\psi(t)=\psi(\lvert t\rvert)=c\lvert t\rvert^\alpha$($c:=\psi(1)\ge0$)である。$c=0$ なら $\varphi\equiv1$ で $Z$ は $0$ に退化するので、$c>0$ である。
$\alpha>2$ と仮定する。$\varphi$ は実数値なので $1-\varphi(h)=E[1-\cos hZ]$ であり、$h\to0$ で $2(1-\cos hZ)/h^2\to Z^2$ なので、Fatouの補題 により
$$
E[Z^2]\le\liminf_{h\to0}\frac{2(1-e^{-ch^\alpha})}{h^2}=0
$$
となる。よって $Z=0$ がほとんど確実に成り立ち、$Z$ が退化して矛盾する。したがって $\alpha\le2$ であり、thm-st-index の残りの主張もこれで示された。
2。 $\alpha=2$ なら $e^{-ct^2}$ は $N(0,2c)$ の特性関数である。$0<\alpha<2$ なら、thm-st-pareto の $Z_\alpha$ は特性関数 $e^{-C_\alpha\lvert t\rvert^\alpha}$ をもつので、$(c/C_\alpha)^{1/\alpha}Z_\alpha$ の特性関数が $e^{-c\lvert t\rvert^\alpha}$ である(特性関数(確率論) の命題「特性関数の基本性質」の 3)。この関数は偶関数なので $Z\overset{d}{=}-Z$ であり、$\varphi_Z(t)^k=e^{-ck\lvert t\rvert^\alpha}=\varphi_Z(k^{1/\alpha}t)$ と系「特性関数は分布を決める」から $Z_1+\dots+Z_k\overset{d}{=}k^{1/\alpha}Z$ である。$\square$
$0<\alpha<2$ とし、$X_1,X_2,\dots$ を独立同分布で、$x\ge1$ について $P(X_1>x)=P(X_1<-x)=\frac12x^{-\alpha}$ を満たすとする。$S_n:=X_1+\dots+X_n$ とすると、$S_n/n^{1/\alpha}$ は特性関数
$$
e^{-C_\alpha\lvert t\rvert^\alpha},\qquad C_\alpha:=\alpha\int_0^\infty\frac{1-\cos u}{u^{1+\alpha}}\,du\in(0,\infty)
$$
をもつ確率変数 $Z_\alpha$ に分布収束する。
$X_1$ は $\lvert x\rvert\ge1$ の上で密度 $\frac\alpha2\lvert x\rvert^{-1-\alpha}$ をもつ。対称なので特性関数 $\varphi$ は実数値で、$t\ne0$ について $u=\lvert t\rvert x$ と置換すると
$$
1-\varphi(t)=\alpha\int_1^\infty\frac{1-\cos tx}{x^{1+\alpha}}\,dx=\alpha\lvert t\rvert^\alpha\int_{\lvert t\rvert}^\infty\frac{1-\cos u}{u^{1+\alpha}}\,du
$$
である。$0\le1-\cos u\le\min\{u^2/2,2\}$ と $0<\alpha<2$ から、$\int_0^\infty(1-\cos u)u^{-1-\alpha}du$ は有限で正である。$t$ を固定して $c_n:=n\bigl(1-\varphi(tn^{-1/\alpha})\bigr)$ とおくと、単調収束定理により $c_n\to C_\alpha\lvert t\rvert^\alpha$ である。$c_n/n\to0$ なので、$\log(1-x)=-x+O(x^2)$($x\to0$)から
$$
E\bigl[e^{itS_n/n^{1/\alpha}}\bigr]=\varphi(tn^{-1/\alpha})^n=\Bigl(1-\frac{c_n}n\Bigr)^n\to e^{-C_\alpha\lvert t\rvert^\alpha}
$$
である。極限は連続なので、特性関数(確率論) の定理「Lévy の連続性定理」の 2 により、ある確率変数 $Z_\alpha$ の特性関数であり、$S_n/n^{1/\alpha}\Rightarrow Z_\alpha$ である。$\square$
$\alpha=1$ では $\int_0^\infty(1-\cos u)u^{-2}du=\frac\pi2$(Lévy過程 の例「対称安定過程」)なので $C_1=\frac\pi2$ であり、$S_n/n$ は Cauchy 分布 $C(0,\frac\pi2)$ に分布収束する。thm-st-pareto の $X_1$ は $\alpha\le1$ なら平均をもたず、$1<\alpha<2$ なら平均 $0$ をもつが分散は無限大である。どちらの場合も、和を $n^{1/\alpha}$ で割ると正規分布でない安定分布に近づく。
対称でない安定分布も含めた特性関数の形は、次のとおりである。
$Y$ が指数 $\alpha\in(0,2]$ の安定分布に従うことは、ある $c>0$、$\beta\in[-1,1]$、$\mu\in\mathbb{R}$ について
$$
\varphi_Y(t)=\begin{cases}\exp\Bigl(i\mu t-c\lvert t\rvert^\alpha\bigl(1-i\beta\operatorname{sgn}(t)\tan\frac{\pi\alpha}2\bigr)\Bigr)&(\alpha\ne1),\\[4pt]\exp\Bigl(i\mu t-c\lvert t\rvert\bigl(1+i\beta\tfrac2\pi\operatorname{sgn}(t)\log\lvert t\rvert\bigr)\Bigr)&(\alpha=1)\end{cases}
$$
となることと同値である。$\beta=0$ が対称な場合($\mu=0$ のとき)、$\alpha=2$ では $\tan\pi=0$ で正規分布である。
この記事では証明しない。$d$ 次元の安定な Lévy 過程の特性指数の形として Sch16(3.10)(p. 22)にあり、1 次元では単位球面 $\{\pm1\}$ の上の有限測度の 2 つの値 $s_\pm$ から $c=s_++s_-$、$\beta=(s_+-s_-)/(s_++s_-)$ として上の形になる。同書はこの形が Lévy–Khintchine の公式から導かれると述べている。Dur19 (3.8.11)(p. 189)は $\tan$ の項の符号が逆の式 $\exp\bigl(itc-b\lvert t\rvert^\alpha\{1+i\kappa\operatorname{sgn}(t)\tan\frac{\pi\alpha}2\}\bigr)$($\alpha\ne1$、$\kappa=2\theta-1$)を挙げ、これらが安定分布のすべてであることを p. 192 で述べている。同書は $\alpha=\frac12$、$\kappa=1$ の場合を正の値だけをとる Lévy 分布としている((3.8.12)、p. 189)が、ex-st-levy の特性関数と比べると、正の値だけをとるこの分布にあたるのは上の式の $\beta=1$ である。$\beta$ の符号は文献によって逆に書かれることがある。
和がどの安定分布に近づくかは、裾の確率で決まる。関数 $L\colon(0,\infty)\to(0,\infty)$ が 緩やかに変動する(slowly varying)とは、すべての $t>0$ について $L(tx)/L(x)\to1$($x\to\infty$)となることをいう(指数 $0$ の 正則変動関数)。$\log x$ は緩やかに変動するが、$x^\varepsilon$($\varepsilon\ne0$)はそうでない。
$0<\alpha<2$ とし、$X_1,X_2,\dots$ を独立同分布で、緩やかに変動する $L$ と $\theta\in[0,1]$ について
$$
P(\lvert X_1\rvert>x)=x^{-\alpha}L(x),\qquad\lim_{x\to\infty}\frac{P(X_1>x)}{P(\lvert X_1\rvert>x)}=\theta
$$
を満たすとする。$a_n:=\inf\{x\mid P(\lvert X_1\rvert>x)\le1/n\}$、$b_n:=nE[X_11_{\{\lvert X_1\rvert\le a_n\}}]$ とおくと、$(S_n-b_n)/a_n$ は退化していない分布に分布収束する。
この記事では証明しない。Dur19 Theorem 3.8.2(pp. 186–189)である。同書は証明のあとで極限の特性関数が (3.8.11) の形であることを示し(p. 189)、この条件が $(S_n-b_n)/a_n$ が退化しない極限をもつための必要条件でもあることを述べている(p. 186 の注意)。
thm-st-pareto は $L$ が定数、$\theta=\frac12$ の場合である。$\alpha$ を指数とする安定分布に、この形で和が近づく分布の全体を、その安定分布の 吸引域(domain of attraction)という。
$N(0,1)$ は $a_k=\sqrt k$ なので指数 $2$、Cauchy 分布 $C(0,1)$ は $a_k=k$ なので指数 $1$ の狭義安定分布であり、特性関数はそれぞれ $e^{-t^2/2}$、$e^{-\lvert t\rvert}$ である(特性関数(確率論) の例「Cauchy 分布の特性関数」)。thm-st-symmetric の $c$ はそれぞれ $\frac12$、$1$ にあたる。$Z,Z'$ が独立な $N(0,1)$ なら $Z/Z'\sim C(0,1)$ である(Cauchy分布 の定理「Cauchy 分布の 3 つの表示」)。
$W\sim N(0,1)$ とし、$Y:=1/W^2$ とおく。
1:$y>0$ について $P(Y\le y)=P(\lvert W\rvert\ge y^{-1/2})=2(1-\Phi(y^{-1/2}))$ であり($\Phi$ は $N(0,1)$ の分布関数)、微分すると $f(y)$ を得る。
2:$a,b>0$ について $I:=\int_0^\infty e^{-aw^2-b/w^2}dw=\frac12\sqrt{\pi/a}\,e^{-2\sqrt{ab}}$ を示せば、$E[e^{-\lambda Y}]=\frac{2}{\sqrt{2\pi}}\int_0^\infty e^{-w^2/2-\lambda/w^2}dw$ に $a=\frac12$、$b=\lambda$ を当てて結論を得る($\lambda=0$ は明らか)。
$aw^2+b/w^2=u(w)^2+2\sqrt{ab}$、$u(w):=\sqrt aw-\sqrt b/w$ である。$J:=\int_0^\infty e^{-u(w)^2}dw$ とおく。置換 $w=\sqrt{b/a}/v$ で $u(w)=-u(v)$、$\sqrt b\,w^{-2}dw=-\sqrt a\,dv$ となるので $\int_0^\infty e^{-u^2}\sqrt b\,w^{-2}dw=\sqrt aJ$ である。$u$ は $(0,\infty)$ から $\mathbb{R}$ への増加する全単射で $du=(\sqrt a+\sqrt b\,w^{-2})dw$ なので、$2\sqrt aJ=\int_{\mathbb{R}}e^{-u^2}du=\sqrt\pi$ である。よって $I=e^{-2\sqrt{ab}}J=\frac12\sqrt{\pi/a}\,e^{-2\sqrt{ab}}$ である。
$V:=e^{-T}$、$V':=e^{-k^2Y}$ は値が $(0,1]$ の確率変数で、整数 $m\ge0$ について $E[V^m]=E[V'^m]$ である。有界な確率変数の 積率母関数 はすべての実数で有限で、同記事の定理「積率母関数の冪級数展開」により積率で決まるので $V$ と $V'$ の積率母関数は等しく、定理「積率母関数は分布を決める」により $V\overset{d}{=}V'$、したがって $T\overset{d}{=}k^2Y$ である。平均は $E[Y]=\int_0^\infty yf(y)\,dy$ で、$y\to\infty$ で $yf(y)\sim(2\pi y)^{-1/2}$ なので発散する。
Lévy 分布は、Brown運動 が水準 $1$ に初めて達する時刻の分布である(MP10 Theorem 2.35・Remark 2.36、p. 51。水準 $a$ への到達時刻の密度が $\frac{a}{\sqrt{2\pi s^3}}e^{-a^2/(2s)}$ で、$a$ について独立定常な増分をもつ)。水準 $k$ への到達時刻は、水準 $1$ ずつの到達時刻の独立な $k$ 個の和であり、同時に尺度の変換で $1$ への到達時刻の $k^2$ 倍と同じ分布をもつ。3 はこの 2 つの見方が一致することを表す。特性関数は $E[e^{itY}]=\exp\bigl(-\lvert t\rvert^{1/2}(1-i\operatorname{sgn}(t))\bigr)$ で、thm-st-general の $\alpha=\frac12$、$c=1$、$\beta=1$、$\mu=0$ にあたる($\tan\frac\pi4=1$。数値積分で確かめた)。
| 主張 | 外す仮定 | 反例 | 成り立たなくなること |
|---|---|---|---|
| lem-st-type-unique・thm-st-index | 退化しない | $Y=0$ | 任意の $a>0$ で $Y_1+\dots+Y_k\overset{d}{=}aY$ となり、$a_k$ が決まらない |
| thm-st-symmetric の 2 | $\alpha\le2$ | $e^{-\lvert t\rvert^3}$ | 特性関数でない |
| thm-st-symmetric の 1 | 対称性 | ex-st-levy の $Y$ | 狭義安定だが特性関数が実数値でなく $e^{-c\lvert t\rvert^\alpha}$ の形でない |
| thm-st-limit の 2 ⇒ 1 | 1 つの列の部分和であること | 二項分布 $B(n,\lambda/n)$ を $n$ 個の Bernoulli 変数の和と見る | 極限の Poisson 分布は安定でない |
| thm-st-pareto | $\alpha<2$ | $\alpha=3$ の同じ形の裾 | $S_n/n^{1/3}$ はどの分布にも分布収束しない |
各行で、ほかの仮定は満たされていることも確かめる。
1 行目:$0=a\cdot0$ なので任意の $a>0$ で定義の式が成り立つ。$a_k$ は一意でなく、たとえば $a_k=1$ はどの $\alpha$ でも $k^{1/\alpha}$ の形でない($k\ge2$)。
2 行目:$e^{-\lvert t\rvert^3}$ がある $Z$ の特性関数なら、prf-thm-st-symmetric の Fatou の補題の計算で $E[Z^2]=0$ となり $\varphi_Z\equiv1$ だが、$e^{-1}\ne1$ である。
3 行目:ex-st-levy の 3 で狭義安定であり、$Y>0$ なので対称でない。特性関数の虚部は $e^{-\sqrt t}\sin\sqrt t\ne0$($t=1$)である。
4 行目:$B(n,\lambda/n)$ の特性関数 $(1+\frac\lambda n(e^{it}-1))^n$ は $e^{\lambda(e^{it}-1)}$ に近づき、Poisson 分布 $\mathrm{Po}(\lambda)$ に分布収束する。和をとる確率変数の分布が $n$ ごとに変わり、thm-st-limit の 2 の形ではない。$\mathrm{Po}(\lambda)$ が安定なら $\mathrm{Po}(2\lambda)\overset{d}{=}a_2Y+b_2$ だが、値の集合 $\{0,1,2,\dots\}$ を比べて最小値から $b_2=0$、次の値から $a_2=1$ となり、平均 $2\lambda\ne\lambda$ に反する。
5 行目:$E[X_1^2]=2\int_1^\infty x^2\cdot\frac32x^{-4}dx=3$ なので、中心極限定理 により $S_n/\sqrt n\Rightarrow N(0,3)$ である。$M>0$ と $\varepsilon>0$ について、十分大きい $n$ で $Mn^{-1/6}<\varepsilon$ なので $P(\lvert S_n/n^{1/3}\rvert\le M)\le P(\lvert S_n/\sqrt n\rvert\le\varepsilon)\to P(\lvert N(0,3)\rvert\le\varepsilon)$ であり、右辺は $\varepsilon\to0$ で $0$ に近づく。確率が無限遠へ逃げるので、どの分布にも分布収束しない。$\square$
安定分布の定義と thm-st-limit は Dur19 p. 191 の定義と Theorem 3.8.8、型の収束(lem-st-convergence-of-types)は同 Theorem 3.8.9(pp. 191–192、特性関数による証明)にある。thm-st-pareto は同 §3.8 の最初の例 (3.8.3)(pp. 182–183)である。Sch16 は Definition 3.8(p. 20)で $\mathbb{R}^d$ の安定な確率変数を、退化しないことを仮定せず、尺度を $b_n\ge0$ として定義し、Lemma 3.7(pp. 19–20)で自己相似な Lévy 過程の指数について $H\ge\frac12$(安定性の指数では $\alpha=1/H\le2$)を示している。
狭義安定分布 $Y$ について、$X_1\overset{d}{=}Y$ となる Lévy過程 $(X_t)$ は、すべての $a>0$ で $(X_{at})_t$ と $(a^{1/\alpha}X_t)_t$ の有限次元分布が等しい(自己相似性。Sch16 Example 3.9、p. 21)。対称な場合は Lévy過程 の例「対称安定過程」で、Lévy 測度が $c\lvert x\rvert^{-1-\alpha}dx$ の過程として構成されている。
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