Professional Documents
Culture Documents
1 Definisi dan sifat-sifat dasar Dalam bab ini, akan dibahas konsep-konsep konvergensi dalam distribusi variable acak. Pentingnya dan kegunaan dari konsep ini terletak pada peninjauan berikut : Jika urutan variable acak Xn konvergen untuk suatu variable acak X, maka salah satu perkiraan probabilitas untuk kelas himpunan A untuk ( ( ) ( ( ) untuk n besar ) ( ).Dalam beberapa situasi, penilaian yang tepat Akibatnya, ) ketika n ) dibandingkan (
besar. Misalkan Y1, Y2, menjadi dari variable acak iid dengan momen kedua terbatas. Misalkan seseorang tertarik dalam menemukan pengamatan signifikan atau p-value untuk uji statistic dengan hipotesis alternative tentang populasi rata-rata bertentangan dengan . Jika uji statistic (| |
dinotasikan sebagai distribusi bersama dari * + =0. Perhatikan disini , susah menemukan ( ), karena bergantung )
dibawah
pada distribusi gabungan dari Y1, . . . ,Yn . jika diketahui bahwa ( ) dari (| |
konvergen dalam distribusi normal variable acak Z (yang sebenarnya dijamin oleh teorema limit pusat ,lihat bab 11), maka dapat diperkiraan
yang dapat ditemukan dengan menggunakan table probabilitas normal. Defenisi umum dari konvergensi dalam distribusi adalah sebagai berikut :
dapat dikatakan sebagai kovergen dalam distribusi pada , jika ( ) ( ) ( )+. Untuk setiap ( )
sebagai
(1.1)
dimana ( )
menjadi peluang ukuran ( , B, ( )). Kemudian dengan -) lemah atau dalam distribusi,
dikatakan konvergen ke
d
ditunjukkan dengan
( )
Berbeda dengan pengertian konvergen dalam peluang dan konvergen hampir pasti, pengertian dari konvergensi dalam distribusi tidak memerlukan variabel acak yakni setiap * + , , dapat didefinisikan sebagai probabilitas umum. Untuk dapat didefisinikan pada probabilitas berbeda ( + , ) dan
konvergensi dari *
didefinisikan dengan baik. Definisi 9.1.1 hanya konvergen dalam distribusi dari ke konvergensi untuk setiap , tetapi tidak memerlukan itu sendiri.
, Misalkan
seragam .
/, sebagai contoh,
( ) { dan bila adalah turunan variabel acak ambil nilai 0 sebagai probabilitas 1, adalah
sebagai contoh konvergensi dalam distribusi dari ( ) Perhatikan bahwa fungsi ( ) , ( ) Oleh karena itu,
d
* +. Hal ini sangat mudah untuk memeriksa bahwa untuk setiap ( ) dimana
dan * .
semua
. dan
/ ( ) ,
d
(1.2) ( )
( )
( )
. Jika
) untuk beberapa
dan
Selanjutnya beberapa implikasi sederhana dari definisi 9.1.1 adalah sebagai berikut.
d
, maka
. , ( | | ( ( ) ) ( ( ) ). (| ) ) | . selesaikan ) (1.3) ( ).
) (|
(1.4) ).
( ). Perubahan ini adalah hasilnya. Seperti yang ditunjukkan sebelumnya, kebalikan dari bagian 9.1.1 adalah salah pada umumnya. Berikut adalah kebalikan parsial. Bukti berdasarkan pada definisi konvergensi dalam probabilitas dan konvergensi dalam distribusi dan sebagai latihan (Soal 9.1)
dan (
untuk beberapa
kemudian
dapat menjadi kumpulan dari variabel acak . Kemudian, sehingga ( ) Untuk setiap (1.6)
d
Bukti: Karena ( )c mempunytai banyak titik hitung, yang bagian hanya jika. Untuk membuktikan bagian jika, misalkan menggunakan (1.6). Selesaikan ( ) Kemudian, terdapat barisan * dan sebagai ( Dari (1.6), untuk setiap ( ) ( ( ) Karena (1.7), teorema 9.1.3. . Misalkan . Jika | ( ) kontinu pada ( )| ( ) ( ) ( ) ) ( ( ) ) ( ). (1.7) ) ( ) + * + ( ) pada sehingga
Bukti: Ini kasus spesial dari Lemma 8.2.6 dan menggunakan bagian berikut.
.Misalkan * . (
p
dan * +
menjadi dua
dan
, dan dimana
Bukti: bukti bahwa dari bagian (i) yang dijabarkan disini. Bagian lain mungkin terbukti sama. Misalkan diperoleh oleh ( ). Untuk setiap ( dan ( Sekarang selesaikan dimungkinkan karena ini mengakibatkan ( [ (( ( Dan dengan cara yang sama, ( Sekarang misalkan dan (1.11), ini sesuai dengan (( ) ) ( ( ( Karena ( ), (i) terbukti. ) ) ) ) ( ) ( ) ) ) ) ( ) )] ( ) ) ( sehingga ) (| | ) (1.9) ( ). Hal ini (seperti dalam penurunan (1.3) dan (1.4)), ) (| | ) ( ) (1.8) ( ) menyatakan cdf dari ( ) . Kemudian, cdf dari ( ) Kemudian,
.. Selesaikan
sedemikian sehingga
( ), dari (1.10)
9.2 Konvergen Samar-Samar, Teorema Helly-Bray, Dan Keketatan Satu versi dari teorema Bolzano-Weirstrass dari analisis real bahwa jika , - adalah sebuah himpunan tak terbatas, maka terdapat barisan * +
sedemikian sehingga
dalam A kecuali A tertutup. Terdapat analogi dalam sub ukuran peluang pada ( , ( )),i.e., untuk ukuran pada ( , ( )) sedemikian sehingga ( )1.
Pertama, dibutuhkan sebuah defenisi konvergenan dari ukuran sub-peluang. Defenisi 9.2.1 Misalkan * + , ukuran peluang pada ( , ( )). Maka * + konvergen ke
samar-samar, disimbolkan denan sedemikian sehingga D padat di (( Contoh 9.2.1 Misalkan * + -) (( dan -) di mana
untuk semua
konvergen ke ) )dan ( () )
X dalam distribusi, i.e., ( ) himpunan titik kontinu di F. Karena komplemen dari C(F) dimana
untuk semua ( ).
Catatan 9.2.1 : Sesuai dengan di atas bahwa jika * + , adalah ukuran peluang, maka ( )
Dan sebaliknya, tidak susah untuk menunjukkan bahwa (masalah 9.4) jika dan Contoh 9.2.2 Misalkan adalah ukuran peluang berkoresponden ke distribusi seragam pada , dimana adalah [-n, n], n 1. Sangat mudah menunjukkan bahwa dan adalah ukuran peluang, maka .
ukuran yang memberikan nilai 0 pada himpunan Borel. Ini menunjukkan bahwa
( ) tidak konvergen ke ( )
( )
( ). Tetapi jika
( )
Teorema 9.2.1 (Teorema pemilihan Helly). Misalkan A adalah kumpulan tak hingga dari ukuran peluang pada ( , ( )). Maka, terdapat barisan * sedemikian sehingga Bukti: Misalkan contoh, * + . adalah himpunan terhitung dalam (sebagai + dan ukuran peluang
mengaplikasikan teorema Bolzano-Weirstrass pada himpunan sedemikian sehingga -) menghasilkan sub barisan * ( ) ( ) ada, + ( )
sehingga
dimana
barisan dari sekumpulan subbarisan { untuk setiap j, * + , ( ) ada untuk semua j. Sekarang himpunan ( ) * ( ) ( )
(2.4)
Maka, ( ) adalah fungsi kontinu kanan tidak turun pada sama dengan ( ) diperluas oleh Karena ( )
( )pada . Misalkan adalah ukuran Lebesgue-Stieltjes yang untuk semua n dan x, ini sesuai bahwa
( ) untuk semua
( ) . Maka semua ( ) ( )
((
-)
. Untuk membuktikan (2.6), menentukan terdapat ( ) ( ) ( ) sedemikian sehingga untuk semua . ini mengakibatkan bahwa terdapat ( ) ( ) ( ) ( ) ( ) ( ) dan ( ) ( ) membuktikan (2.6).
dan
. Maka ( ) ( )
karena
Selanjutnya, beberapa karakter hasil dari konvergen sama-samar dan konvergen dalam distribusi akan dibuktikan. Ini dapat digunakan untuk mendefenisikan konvergen dari ukuran sub-peluang dalam beberapa perluasan ruang metric. Teorema 9.2.2 (Teorema Helly-Bray pertama atau teorema Helly-Bray untuk kekonvergenan samar-samar). Misalkan * peluang dalam ( , ( )). Maka untuk semua Bukti : misalkan ( ) * | dan misalkan | untuk | | ((
| |
dan
( ( ) +.
( ) diberikan . Karena -) ((
sedemikian sehingga
sekarang pilih
sedemikian sehingga
sedemikian . Sekarang
( )|
-
untuk semua
(
Sebuah taksiran yang sama untuk peluang, ini sesuai dengan | dimana dan * + | |
((
-)
((
-)|
*| ( )| ,diperoleh
+ Misalkan
| Karena lengkap.
sembarang, maka (2.7) mengikuti dan terbukti hanya jika bagian ini
Untuk membuktikan kekonvergenannya, misalkan D adalah himpunan titik * (* +) +. Menentukan a, b D, a < b. Misalkan adalah fungsi yang
Tetapi
(( ((
-) -)
-) Misalkan -) -)
, diperoleh (( Dengan anggapan yang sama dengan dan dan linear antara, menghasilkan (( -) (( -) (( pada , (2.8) - dan 0 untuk
Teorema 9.2.3 : (Teorema Helly-Bray kedua atau teorema Helly-Bray untuk kekonvergenan lemah). Misalkan * ( ( )) M untuk semua Bukti : Misalkan sedemikian sehingga (( ( ) * | misalkan -) (* +) dan | ( ) untuk semua i =1, , m-1. Karena (( | ( ) | ( ( )| ( ( -) (
)
+ dan
sedemikian sehingga (* +)
) )
((
((
Ingat bahwa barisan * jika untuk setiap Sebuah ruang metrik ( konvergen dalam sehingga ( )
, terdapat
dengan metrik Euclidean sudah lengkap dengan metrik Euclidean ) *| ( ) ( )| ( ) + - dari semua fungsi kontinu pada ,
Ingat bahwa himpunan D disebut padat pada ( untuk semua dengan pusat di dan untuk semua dan radius . Juga, ( . , di mana
Contoh 9.3.2: Semua ruang Euclid dapat dikatakan metrik Euclid dengan metrik untuk , lengkap. Ruang , - dari fungsi kontinu pada , -
dengan metrik supremum lengkap. Semua ruang dengan ukuran -terbatas dan -aljabar terhitung, (lihat Bab 3). Teorema berikut memberikan
beberapa kondisi
ekuivalen
untuk
kekonvergenan lemah dari ukuran peluang pada ruang Polandia. Teorema 9.3.1: Misalkan ( ) menjadi Polandia dan * + , menjadi
( )
( ).
Untuk membuktikan gunakan fakta berikut. Proposisi 9.3.2: Untuk setiap himpunan terbuka G dalam ruang metrik ( terdapat barisan * untuk ( ) + dari fungsi kontinu terbatas dari ( ) untuk semua * * ( ( ) ( ) ( ) ) ( ) . + dimana untuk setiap himpunan A dalam +. Jika G terbuka, ( ) untuk semua ke , ), - sehingga
Periksa (Soal 9.10) untuk setiap di () Bukti dari Teorema 9.3.1: () untuk ( ) , ( ) ( ) Misalkan dan 0 pada
untuk semua
. Selanjutnya,
terbuka. Pilih * +
terbuka.
Jadi oleh ( ),
sejak ( )
dan
adalah ukuran probabilitas. Dengan demikian, ( ) berlaku. ( ). , misalkan . Artinya, * , ( ) ( ) ( ) berarti ( ) ( ) ( ) ( ) ( ) + * dan menyatakan, masing( ) +. Kemudian,
Demikian pula, ( )
untuk setiap
dan dengan ( ) dan ( ), ( Tetapi ( ) (( ( ) ( ) ) dan ( ). ( ) Ini akan dibuktikan untuk kasus di mana ( ) (( -) . Karena jika -) (( -) adalah garis nyata. ( )
( ). Dengan demikian,
Untuk kasus umum Polandia, lihat Billingsley (1968). Misalkan -) dan Misalkan (
adalah titik * +,
-, maka ( )
. Berdasarkan Teorema 9.2.3, ( ) memiliki dan karenanya ( ) ( ) Anggap bahwa dalam bukti Teorema 9.2.2, aproksimasi fungsi keduanya kontinu seragam. Oleh karena itu, pernyataan mengikut dari
Teorema 9.2.2 dan Catatan 9.2.1. Ini melengkapi bukti Teorema 9.3.1. Contoh berikut ini menunjukkan bahwa ketimpangan bisa ketat dalam ( ) dan ( ) dari teorema di atas. Contoh 9.3.3: Misalkan Karena . dan adalah variabel acak. Himpunan w.p. 1, distribusi dan
keduanya konvergen ke
konvergen dengan X.
ada sehingga ( ) ) ) (( (
. Maka,
)) ) (( -)
( ( )
) ( ) . Namun,
Catatan 9.3.1: Barisan konvergen dari distribusi peluang muncul dengan cara alami dalam keluarga parametrik dalam statistik matematika. Contohnya, misalkan ( Maka, misalkan Misalkan ( ( ) menunjukkan distribusi normal dengan mean () ), dimana . Maka, ( ( ) dan ( ) ( ). dan varians pula,
Demikian
adalah
varians kovarians
keluarga parametrik dalam statistik matematika memiliki properti kontinuitas ini. Definisi 9.3.4: Misalkan * dimana * + + menjadi barisan dari ukuran peluang ( ),
sehingga (3.4)
disebut padat atau batas stokastik jika adalah distribusi peluang dari
, (
adalah barisan vektor acak k-dimensi, maka, padat jika dan hanya jika untuk setiap ) + ,
dimana menunjukkan norma Euclidean biasa pada ( ), maka kepadatan * + k-barisan dari variabel acak *
Analogi dari Teorema 9.2.4 berlaku untuk ukuran peluang pada ( adalah Polandia. Teorema 9.3.3: (Teorema Prohorov-Varadarajan). Misalkan * barisan ukuran peluang pada ( aljabar- Borel pada . Maka, * * + * + pada ( ) sehingga, ) dimana + + +
menjadi adalah
, terdapat lagi *
(3.6) Bukti dari hasil ini, lihat Bagian 1.6 dari Billingsley (1968). Hasil ini berguna untuk membuktikan konvergensi lemah di ruang fungsi (misalnya, lihat Bab 11 di mana fungsi teorema limit pusat telah ditetapkan).
9.4 Teorema Skorohod dan Teorema Pemetaan Kontinu Jika * + adalah barisan variabel acak yang konvergen ke variabel acak konvergen dalam distribusi ke (bdk. Proposisi 9.1.1).
Berikut ini adalah bukti dari fakta tersebut menggunakan Teorema 9.2.3. Misalkan berarti bahwa ( ) akan terbatas dan kontinu. Maka dalam peluang ( ) dalam peluang (Soal 9.13) dan dengan BCT, ( ) ( )
dimana
()
dan
()
. Teorema Skorohod merupakan kebalikan ini. Jika selanjutnya terdapat variable acak dan berdistribusi dan dan w.p. 1. + + + sehingga
berdistribusi
Teorema 9.4.1: (Teorema Skorohod). Misalkan * peluang pada ( ( )) sehingga ( ) ( ) untuk (( ) ( ) . Selanjutnya, ) dimana , * * (( dan . Misalkan, (( -) -)
menjadi ukuran
adalah ukuran Lebesgue. Selanjutnya, dan ( ) w.p. 1. * ( ) ( ) + Maka untuk ( ) ) variabel acak
berdistribusi
berdistribusi
Bukti: Untuk setiap cdf ( ), misalkan setiap ( ) (Soal 9.11), ( menyiratkan bahwa, ( ) ) ( ( ) dan
( ) memiliki cdf ( ). Hal ini menunjukkan bahwa ( ) Anggap Sekarang (( -) ( ) (* +) ( ) dan misalkan ( ) (( bahwa (( ( ) -) -) dan juga dan ( ) w.p. 1 ( ) sedemikian sehingga . Karena (( untuk -) besar dan (* +) (* +) . , memiliki distribusi yang
menunjukkan
( ) Selanjutnya, anggap (( -)
( ) dan ( , (( ), dan -) ((
( (* +)
). . Maka -).
. Karena (* +)
Proposisi 9.1.1 Disini terdapat bukti lain dari penggunaaan Teorema 9.2.3. Misalkan dinyatakan dengan ( dimana () ( ) membatasi dan kontinu. Maka ) pada peluang
dan
Faktanya, hal ini mengikuti bahwa jika Skorohod adalah kebalikan dari ini. Jika dan distribusi sehingga dan
w.p. 1, maka
, maka
. Teorema ,
mempunyai
Teorema 9.4.1 : (Teorema Skorohod). Misalkan * pada ( ( )) sehingga ( ) ( ) untuk Maka, dan
. Misalkan
+ (( -) -)
{ *
((
dimana m adalah ukuran Lebesgue. Selanjutnya, , dan Bukti : Untuk setiap cdf ( ), misalkan setiap ( ) ( ) dan ( ) ( ( ) * mempunyai distribusi dan
, hal tersebut dapat diverifikasi bahwa dan karenanya, jika ( ) ) ( adalah Uniform ( ( )) ( )
Menunjukkan bahwa ( ) Ini menunjukkan bahwa menunjukkan bahwa ( ) Memperbaiki Sekarang (( ( ) -) (( (* +) ( ) Perbaikan berikutnya (( -) . Karena besar, (( ( ( ) ) dan misalkan (( -) (( ( ) ( ) sedemikian sehingga (* +) . Karena -) (* +) , dan () mempunyai asserted distribution. Yang
-) sehingga ( )
menunjukkan bahwa
. Karena bukti terbeut benar untuk semua adalah padat di ( ( (( ) -) dan ) . Maka -). Dengan ( ) ,
(* +) ((
( )
Akibat langsung dari teorema diatas adalah continuity dari konvergensi pada distribusi dibawah transformasi kontinu. Teorema 9.4.2 : ( Lanjutan Teorema Pemetaan ). Misalkan * sedemikian sehingga . Misalkan + adalah variable acak adalah ukuruan Borel
sedemikian
sehingga
( )
) ( )
adalah
himpunan
dari ,
Bukti : Berdasarkan teorema Skrohod, terdapat variable acak * + didefinisikan sebagai ruang Lebesgue Dengan demikian, ( ) ) ( ). ( ( ) (( )) dan Lebesgue sedemikian sehingga
ukuran
9.5 Metode Moment dan Permasalahan Moment 9.5.1. Konvergensi Moment Misalkan * konvergen ke | | + dan adalah variable acak sedemikian sehingga
di distribusi. Kita menduga bahwa untuk beberapa untuk | . Pertanyaan umum adalah : kapan keadaan ini | |
menunjukkan |
Berdasarkan teorema Skorohod, satu yang dapat diasumsikan w.l.o.g. bahwa w.p.1. Teorema 9.5.1 : Misalkan * sehingga i. ii. | *| | | + ( + dan adalah kumpulan dari variable acak sedemikian persamaan dibawah ini : , | | dan , | | | | . terdapat
Contoh 9.5.1 Misalkan mempunyai distribusi ( . Maka bahwa * + bukan integral uniform. tapi ) ( )
tidak ke 0. Catatan
Remark 9.5.2. Pada teorema 9.5.1, dibawah hipotesis (ii), seperti dibawah ini | Dan | | | ( )
9.5.2. Metode Moment Diduga bahwa * + adalah variable acak sedemikian sehingga Apakah
terdapat untuk semua bilangan bulat terdapat variable acak sedemikian sehingga +
Jawabannya adalah ya
Teorema 9.5.2. (Teorema Frechet-Shohat). Misalkan * acak sedemikian sehingga untuk Jika barisan * . Bukti : Diduga bahwa untuk beberapa sub barisan * * + * * + + + + , distribusi peluang . Karena { } + + adalah barisan dari variable ada dan terhingga. maka
membatasi barisan, * +
9.2.6, .
. Jadi jika
, maka
9.5.3. Permasalahan Moment Diduga * + adalah barisan dari bilangan real sedemikian sehingga pada ( ( )) sedemikian
terdapat paling sedikit satu peluang terukur sehingga untuk semua Apakah terdapat barisan * + ( )
determinasi
( ) dan
ii. Tunjukkan
(Petunjuk: Pertama tunjukkan bahwa * kemudian bahwa * masing-masing.) (b) adalah matriks stokastik *|| 9.9 ||+ Misalkan* Perhatikan vector acak * 9.10 Misalkan ( + terbatas terbatas. + ( ) + Misalkan jika ( dan ) + adalah satu-satunya titik limit dari * +
definit positif,
hanya
menjadi urutan variable acak. Tunjukkan bahwa urutan jika untuk setiap adalah terikat dalam .
, urutan variabel acak * ) adalah ruang metric (a) Untuk setiap himpunan ( Tunjukkan bahwa untuk setiap (b) Misalkan adalah kontinu pada di .) 9.11 Untuk setiap , misalkan ( ) dan ( ) (
adalah kontinu pada + Tunjukkan bahwa 9.13 9.14 Jika * + ( dan ) menjadi dan ( untuk beberapa variabel acak derivatif. Tunjukkan bahwa ( ( ( ) Dimana T 9.15 Misalkan * + ( ) S y ) adalah variabel acak dengan ( + ( ) dan ( tetapi ( (Petunjuk : ambil dikatakan.) 9.16 Misalkan * sehingga untuk semua + ) ( ) ) ) ( ) ) ( ( )) ) ( )( (Petunjuk: Dengan ekspansi Taylor, untuk setiap ) kontinu, maka + urutan
. Misalkan dengan
karena
dan sehingga
( ( ))
untuk setiap koleksi Apakah a) b) c) * | pada * | pada } ? * | semua 9.17 Untuk setiap dua ( Pastikan 9.18 Misalkan * ) ? jika
fungsi dari
adalah terbatas dan diferensial kontinu adalah terbatas dan diferensial tak hingga adalah sebuah polynomial dengan ( ) | | ( ) untuk
mendefinisikan metric pada semua koleksi distribusi ( ( )). Metric * + ( ) ( ) | ( ) ( )| dan disebut Levy metric. ( ( )), jika + adalah ukuran probabilitas pada ( Tunjukkan dimana (6.2) (6.3) )
a) Tunjukkan bahwa untuk setiap dua ( dimana ( ( ) disebut jarak Kolmogorov atau metrik antara dan ( ) dimana berlaku dalam pertidaksamaan (6.2). )
b) Berikan contoh-contoh dimana ( ) berlaku dalam persamaan (6.2), 9.20 Misalkan * sehingga berbatasan dari | ( ) beberapa bahwa ( )| ( + adalah ukuran probabilitas pada ( . Misalkan * sehingga ( ( )| ) dengan ( ) ) untuk semua dan untuk | | . Tunjukkan ( ( )), dan
| 9.21 Misalkan * +
adalah dimensi vektor-vektor acak + + . Tunjukkan bahwa menjadi urutan matriks . Definisi
(Catatan: Di sini konvergensi dalam distribusi dari urutan matriks variabel acak dapat ditafsirkan dengan mempertimbangkan dimensi vektor acak yang sesuai diperoleh dengan sisi-sisi dan
menggunakan definisi konvergensi dalam distribusi untuk vektor adalah ukuran probabilitas pada satuan yang bisa * + . Misalkan ({ }) jika untuk . . Misalkan ( ). ( ) , dimana jika
(* +. Tunjukkan bahwa, dimana semua 9.23 9.24 Misalkan Tunjukkan bahwa a) Misalkan dan maka (6.4) dimana ( ).
,
| ( ( ) ) , dimana
i.
ii. Misalkan
) maka
* 9.25 Misalkan *
+ +
konvergen dalam distribusi dan teridentifikasi dalam limit. dan * + ada dua urutan , di mana pada dan sedemikian adalah
.
,
( )
adalah pada
( .
)( )
( )
dimana
, dengan
perhitungan langsung dan oleh teorema Skorohod (yaitu, Teorema 9.4.1) memiliki distribusi peluang diskrit pada bilangan bulat + Tunjukkan bahwa dan misalkan ( )
variable acak. Tunjukkan bahwa berbeda sebagai berikut : a) Teorema Helly-Bray b) Metode Momen c) Menggunakan cdfs 9.27 Membuktikan (5.4) dalam Catatan 9.5.3. (Petunjuk )( (* | | 9.28 Misalkan
| |
Tunjukkan +)) .)
bahwa
untuk
setiap
sehingga
( )
( ) (5 )
untuk beberapa h
(Petunjuk : T 3.1.5)
( ) dan kemudian menggunakan pendekatan Stirling : 9.29 (Feller(1968)).) + dan adalah variabel ( ) ( ) dan , mgfnya
Selanjutnya, misalkan
ditentukan oleh
) Andaikan
. Misalkan , dimana ( ).
. Tunjukkan