Stetigkeitssatz von Lévy

Der Stetigkeitssatz von Lévy, teils auch nur kurz Stetigkeitssatz^[1] genannt, ist ein mathematischer Lehrsatz aus der Wahrscheinlichkeitstheorie. Er stellt eine Verbindung zwischen der schwachen Konvergenz von Wahrscheinlichkeitsmaßen und der punktweisen Konvergenz der entsprechenden charakteristischen Funktionen her. Anwendung findet der Satz beispielsweise als Hilfsmittel bei dem Beweis des zentralen Grenzwertsatzes. Er ist nach Paul Lévy benannt.

Der Stetigkeitssatz existiert in mehreren Varianten:

• Teils wird er nur für Wahrscheinlichkeitsmaße in ${\displaystyle \mathbb {R} }$ formuliert, teils für Wahrscheinlichkeitsmaße in ${\displaystyle \mathbb {R} ^{d}}$.
• Teils wird der schwache Grenzwert der Folge von Wahrscheinlichkeitsmaßen und die entsprechende charakteristischen Funktionen als existent vorausgesetzt. Diese Formulierungen werden in diesem Artikel als spezielle Formulierung bezeichnet. Die allgemeinen Formulierungen zeigen dann die Existenz eines Grenzwertes und der charakteristischen Funktion.

Gegeben seien Wahrscheinlichkeitsmaße ${\displaystyle P,P_{1},P_{2},P_{3},\dots }$ auf ${\displaystyle (\mathbb {R} ,{\mathcal {B}}(\mathbb {R} ))}$ und ${\displaystyle \Phi ,\Phi _{1},\Phi _{2},\Phi _{3},\dots }$ die entsprechenden charakteristischen Funktionen.

Es ist äquivalent^[2]:

• Die Folge ${\displaystyle (P_{n})_{n\in \mathbb {N} }}$ konvergiert schwach gegen ${\displaystyle P}$
• Die Folge ${\displaystyle (\Phi _{n})_{n\in \mathbb {N} }}$ konvergiert punktweise gegen ${\displaystyle \Phi }$.

Es ist äquivalent^[3]:

• Die Folge ${\displaystyle (P_{n})_{n\in \mathbb {N} }}$ konvergiert schwach
• Die Folge ${\displaystyle (\Phi _{n})_{n\in \mathbb {N} }}$ konvergiert punktweise gegen eine in 0 stetige Funktion ${\displaystyle f}$

Dann ist die Funktion ${\displaystyle f}$ die charakteristische Funktion des schwachen Grenzwertes von ${\displaystyle (P_{n})_{n\in \mathbb {N} }}$. Das heißt, es gilt

${\displaystyle w{\text{-}}\!\lim _{n\to \infty }P_{n}=Q}$

und ${\displaystyle \Phi _{Q}=f}$.

Gegeben seien Wahrscheinlichkeitsmaße ${\displaystyle P,P_{1},P_{2},P_{3},\dots }$ auf ${\displaystyle (\mathbb {R} ^{d},{\mathcal {B}}(\mathbb {R} ^{d}))}$ und ${\displaystyle \Phi ,\Phi _{1},\Phi _{2},\Phi _{3},\dots }$ die entsprechenden charakteristischen Funktionen.

Analog zum eindimensionalen Fall ist äquivalent^[4]:

• Die Folge ${\displaystyle (P_{n})_{n\in \mathbb {N} }}$ konvergiert schwach gegen ${\displaystyle P}$
• Die Folge ${\displaystyle (\Phi _{n})_{n\in \mathbb {N} }}$ konvergiert punktweise gegen ${\displaystyle \Phi }$.

Eine Funktion

${\displaystyle f:\mathbb {R} ^{d}\to \mathbb {R} }$

heißt partiell stetig in ${\displaystyle x'}$, wenn für alle ${\displaystyle j=1,\dots ,d}$ die Funktionen

${\displaystyle y_{j}\mapsto f(x_{1},\dots ,x_{j-1},y_{j},x_{j+1},\dots ,x_{d})}$

stetig in ${\displaystyle y_{j}=x'_{j}}$ sind.

Der Stetigkeitssatz lautet nun^[5]:

• Konvergieren die ${\displaystyle \Phi _{n}}$ punktweise gegen eine in 0 partiell stetige Funktion ${\displaystyle f}$, so ist diese Funktion die charakteristische Funktion ${\displaystyle f=\Phi _{Q}}$ eines Wahrscheinlichkeitsmaßes ${\displaystyle Q}$ und es gilt

${\displaystyle w{\text{-}}\!\lim _{n\to \infty }P_{n}=Q}$.

• Konvergiert umgekehrt ${\displaystyle (P_{n})_{n\in \mathbb {N} }}$ schwach gegen ein Wahrscheinlichkeitsmaß ${\displaystyle P}$, so konvergieren die charakteristischen Funktionen auf kompakten Mengen gleichmäßig gegen ${\displaystyle \Phi _{P}}$.

• Achim Klenke: Wahrscheinlichkeitstheorie. 3. Auflage. Springer-Verlag, Berlin Heidelberg 2013, ISBN 978-3-642-36017-6, doi:10.1007/978-3-642-36018-3. 
• David Meintrup, Stefan Schäffler: Stochastik. Theorie und Anwendungen. Springer-Verlag, Berlin Heidelberg New York 2005, ISBN 978-3-540-21676-6, doi:10.1007/b137972. 
• Norbert Kusolitsch: Maß- und Wahrscheinlichkeitstheorie. Eine Einführung. 2., überarbeitete und erweiterte Auflage. Springer-Verlag, Berlin Heidelberg 2014, ISBN 978-3-642-45386-1, doi:10.1007/978-3-642-45387-8. 
• Klaus D. Schmidt: Maß und Wahrscheinlichkeit. 2., durchgesehene Auflage. Springer-Verlag, Heidelberg Dordrecht London New York 2011, ISBN 978-3-642-21025-9, doi:10.1007/978-3-642-21026-6. 

1. ↑ Schmidt: Maß und Wahrscheinlichkeit. 2011, S. 404.
2. ↑ Schmidt: Maß und Wahrscheinlichkeit. 2011, S. 404.
3. ↑ Kusolitsch: Maß und Wahrscheinlichkeitstheorie. 2014, S. 306.
4. ↑ Meintrup Schäffler: Stochastik. 2005, S. 184.
5. ↑ Klenke: Wahrscheinlichkeitstheorie 2013, S. 316.