マルチンゲール中心極限定理（Martingale Central Limit Theorem）
マルチンゲール中心極限定理は、独立性を仮定せずに中心極限定理を一般化した理論です。この定理は時系列解析、確率過程論、統計的推論において基礎的な役割を果たします。
マルチンゲール中心極限定理の意義
一般性：独立性の仮定なしに正規収束を証明できる理論です。実用性：金融、信号処理、生物統計など幅広い分野で応用されます。
Step 1: マルチンゲールの基本概念
確率過程 {Mₙ, ℱₙ} がマルチンゲールであるとは：
- 適合性：Mₙ は ℱₙ-可測
- 可積分性：E[|Mₙ|] < ∞
- マルチンゲール性：E[Mₙ₊₁ | ℱₙ] = Mₙ
マルチンゲールの直感的理解
マルチンゲールは「公正なゲーム」を数学的に表現：
- 期待利益ゼロ：将来の期待値が現在値と等しい
- 過去の情報利用：ℱₙ は時刻nまでの情報
- 予測可能性の否定：系統的な利益が不可能
Step 2: 二次変分の概念
マルチンゲール Mₙ の二次変分（predictable quadratic variation）：
$\langle M \rangle_n = \sum_{i=1}^n E[(M_i - M_{i-1})^2 | \mathcal{F}_{i-1}]$
本問の設定では：
$\langle M \rangle_n = \sum_{i=1}^n X_i^2$
これが確率収束で σ² に収束します。
二次変分の役割
二次変分は以下を特徴づけます：
| 概念 | 独立列 | マルチンゲール |
|---|
| 分散の役割 | Σ Var(Xᵢ) | ⟨M⟩ₙ |
| 正規化 | √(Σ Var(Xᵢ)) | √⟨M⟩ₙ |
| 極限分布 | 標準正規 | 標準正規 |
Step 3: Lindeberg条件の確認
マルチンゲール中心極限定理の主要条件：
- 正規化条件：⟨M⟩ₙ → σ² in probability
- Lindeberg条件：max₁≤ᵢ≤ₙ |Mᵢ - Mᵢ₋₁| →ᵖ 0
これらの条件により、以下が成立します：
$\frac{M_n}{\sqrt{\langle M \rangle_n}} \xrightarrow{d} N(0, 1)$
Step 4: 極限分布の決定
⟨M⟩ₙ →ᵖ σ² = 4 なので：
$\frac{M_n}{\sqrt{\langle M \rangle_n}} \xrightarrow{d} N(0, 1)$
したがって：
$P\left(\frac{M_n}{\sqrt{\langle M \rangle_n}} \leq 1\right) \to \Phi(1)$
ここで Φ は標準正規分布の累積分布関数です。
Step 5: 数値計算
$\Phi(1) = P(Z \leq 1) \text{ where } Z \sim N(0,1)$
標準正規分布表より：
$\Phi(1) = 0.84134...$
小数第3位まで：0.841
計算の確認
標準正規分布での計算：
- Φ(1) の値：約 0.84134
- 四捨五入：小数第3位まで 0.841
- 意味：約84.1%の確率で1以下
マルチンゲール中心極限定理の詳細
Step 6: 定理の一般的形式
マルチンゲール中心極限定理：
条件：
- ⟨M⟩ₙ →ᵖ σ² (二次変分の収束)
- maxᵢ |ΔMᵢ| →ᵖ 0 (Lindeberg条件)
結論：Mₙ/√⟨M⟩ₙ ⇒ N(0,1)
古典的CLTとの比較
| 項目 | 古典的CLT | マルチンゲールCLT |
|---|
| 仮定 | 独立性 | マルチンゲール性 |
| 正規化 | √(Σ Var(Xᵢ)) | √⟨M⟩ₙ |
| 条件 | Lindeberg条件 | 同様のLindeberg条件 |
| 結論 | 正規収束 | 正規収束 |