依概率收敛和依分布收敛(附一道例题) |
您所在的位置:网站首页 › 强概率收敛和弱概率收敛定义一样吗 › 依概率收敛和依分布收敛(附一道例题) |
写在前面
这几日做到一道和依分布和概率收敛的例题,感觉对加深理解很有帮助,因此也记录在博客上面。 随机变量的收敛定义 X 1 , ⋯ , X n X_1, \cdots, X_n X1,⋯,Xn为随机变量序列, X X X是另一个随机变量, F n F_n Fn表示 X n X_n Xn的CDF, F F F表示CDF。 依概率收敛∀ ϵ > 0 , n → ∞ , \forall \epsilon>0,n \rightarrow \infin, ∀ϵ>0,n→∞,有 P ( ∣ X n − X ∣ > ϵ ) → 0 , \mathbb{P}(|X_n-X|>\epsilon) \rightarrow0, P(∣Xn−X∣>ϵ)→0,则称 X n X_n Xn依概率收敛于 X X X。 依分布收敛若对 F F F任意连续的点 t t t,有 lim n → ∞ F n ( t ) = F ( t ) \lim_{n\rightarrow \infty}F_n(t)=F(t) n→∞limFn(t)=F(t) 则称 X n X_n Xn依分布收敛于 X X X. 一个很有助于加深理解的例题设 X n ∼ N ( 0 , 1 n ) X_n \sim N(0, \frac{1}{n}) Xn∼N(0,n1); X X X为随机变量,分布为 F ( x ) = 0 , i f X < 0 ; F ( x ) = 1 , i f X ≥ 0 F(x)=0,if X ϵ ) + P ( X n − X < − ϵ ) = P ( X n > 0 + ϵ ) + P ( X n < − ϵ ) ≤ P ( X n > ϵ ) + P ( X n ≤ − ϵ ) ≤ 1 − F n ( ϵ ) + F n ( − ϵ ) → 1 − F ( ϵ ) + F ( − ϵ ) ≤ 1 − 1 + 0 = 0 \begin{aligned} P(|X_n-X| > \epsilon) &= P(X_n-X> \epsilon) + P(X_n-X< -\epsilon)\\ &=P(X_n > 0+\epsilon) + P(X_n < -\epsilon) \\ &\le P(X_n>\epsilon) + P(X_n \le -\epsilon)\\ &\le 1-F_n(\epsilon)+F_n(-\epsilon)\\ &\rightarrow 1-F(\epsilon)+F(-\epsilon)\\ &\le 1-1+0=0 \end{aligned} P(∣Xn−X∣>ϵ)=P(Xn−X>ϵ)+P(Xn−X0+ϵ)+P(Xnϵ)+P(Xn≤−ϵ)≤1−Fn(ϵ)+Fn(−ϵ)→1−F(ϵ)+F(−ϵ)≤1−1+0=0因此同样依概率收敛。其中,倒数第二个箭头是因为已经知道依分布收敛。 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |