随机变量序列依概率收敛的几个性质_朱永生
随机变量序列收敛的若干性质

随机变量序列收敛的若干性质
周晓钟
【期刊名称】《高师理科学刊》
【年(卷),期】1995(015)004
【摘要】在概率论中,对R.V序列定义了四种收敛概念,本文讨论并证明了一些有关的分析性质。
【总页数】5页(P1-5)
【作者】周晓钟
【作者单位】无
【正文语种】中文
【中图分类】O211.5
【相关文献】
1.随机变量序列依概率收敛的几个性质 [J], 朱永生
2.ρ-混合随机变量序列加权和的完全收敛性质 [J], 谭希丽;王淼
3.随机变量序列四种收敛的若干性质及其四则运算 [J], 孙飞;
4.随机变量序列依概率收敛一些分析性质的研究 [J], 陈秀波;周立群;韩灵芝
5.φ-混合随机变量序列收敛性质的若干新结果(英文) [J], 沈爱婷
因版权原因,仅展示原文概要,查看原文内容请购买。
随机变量序列的收敛特性

概率空间•几乎必然收敛(almost sure convergence)–随机变量序列收敛到,同时}{n X X {li – a.s. 1}{lim ==∞→X X P n n X X =lim XX −→−.s .a 表示为或者n n ∞→n →)}()(lim :{ςςςX X n n =∞→•依概率收敛(convergence in probability)–随机变量序列以及满足对任意}{n X X li ε–p. 0}||{lim=>-∞→εX X P n n X X =lim XX −→−.p 表示为p 或者n n ∞→n →也有可能的数值极大|X X n -|•均方收敛(mean square convergence)–随机变量序列以及满足,同时}{n X X li ∞<}{2nX E –m.s. 0}){(lim2=-∞→X X E n n X X =lim XX −→−m.s.表示为或者n n ∞→n →•均方收敛(mean square convergence)–随机变量序列以及满足,同时}{n X X li ∞<}{2nX E –m.s. 0}){(lim2=-∞→X X E n n X X =lim XX −→−m.s.表示为或者则n n ∞→n →m s •若,则X X n −→−m.s.∞<}{2X E 几乎必然收敛或依概率收敛都不能确保均方收敛•以概率分布收敛(convergence in distribution)–随机变量序列以及满足在任意连续的x}{n X X li )()(limx F x F X X n n =∞→–表示为 d. 或者X X n n =∞→lim XX n −→−d.•依据特征函数判断收敛–XX n −→−d.––)}({)}({X f E X f E n →)t ()t (XX nΦ→Φ.s .a ⇒XX −→−.p(Cauthy criteria)在不知道极限的情况下,判定随机变量序列收敛随机变量序列的收敛特性。
5.2随机变量序列的两种收敛

(n )
i 1
根据定义即证 例1、设 n 是独立同分布的随机变量序列,且 2 lim P ( k a ) 0 2 E a , D n ( n 1 ) 1 1
n n
n 2 P (n ) k a 试证: n k ( n 1 ) k 1 n 2 n 2 n 2 k E a k a kk 证: E k ( n 1 ) n ( n 1 ) ) k1 n k 1 k 1 n(n1
随机变量序列依概率收敛与函数序列收敛也不一样.
P 0 , lim P ( ) 1 n n n n
i列 n 服从大 n n 1 1 数定律就可以表达为 0 , lim P ( E ) 1 i i n n n
0,有 如果
n
lim P ( ) 0 或 lim P ( ) 1 n n
n
P
则称随机变量序列 n 依概率收敛于 ,记作
lim n
n
,或
P , ( n ) n
由定义可知,
P n
0 , ( n )
W
证明 :略。
3.依概率收敛与按分布收敛间的关系
(1)
( n ) n
P
( n ) n
L
(2)
P c n n
L n
c n
分布函数列的弱收敛是一个很有用的概念,但要判 断一个分布函数序列是否弱收敛,有时很麻烦,而判 定相应的特征函数序列的收敛性却往往比较容易。
§4.3随机变量序列的两种收敛性

n
再令x ' x F ( x 0) lim Fn ( x )
n
8
同理可证: 当 x " x时,F ( x ") limFn ( x ),
n
再令x " x, F ( x 0) limFn ( x ) .
n
即有 F ( x 0) lim Fn ( x ) lim Fn ( x ) F ( x 0) . n
0, x c; 有 Fn (c / 2) F (c / 2) 1, F ( x ) 1 , x c . Fn (c ) F (c ) = 0 .
从而 P ( X n c ) (n ) 0
且 Fn ( x ) F ( x ) , 所以当 n 时,
n
若x是F ( x )的连续点,
则 Fn ( x ) F ( x ), 即X n X .
W L
TH2表明:依概率收敛是弱收敛的充分不必要条件,
由弱收敛不能得出依概率收敛。见下面的例子。
9
例2 设X
X P
1 1 2
1 1 2
令 Xn X ,
L
当然有 X n X . 则 X n 与X 同分布,
P P P X n a ,Yn b X n Yn a b; P P X n Yn a b , X n Yn a b(b 0). 证明: ( X n Yn ) (a b ) X n a Yn b ( X n Yn ) (a b ) X n a Yn b 2 2
0 P X Y
《概率论与数理统计课件》随机变量序列的收敛性

P
定理 4.3.3 若 C 为常数,则 X n C 的充
L
要条件是 X n C .
21
证明:
必要性已由定理 4.3.2 给出,下证充分性.
记随机变量 X n 的分布函数为 Fn x .而常数 X C
(退化分布)的分布函数为
F
x
0 1
xC . xC
22
所以对于任意的 0 ,有
Fn x收敛到一个极限分布函数 Fx 是有实际意义的.现在的 问题是,如何定义分布函数序列 Fn x的收敛性?很自然,由 于 Fn x是实变量函数序列,我们的一个猜想是:对所有的 x , 要求 Fn x F x, n .这就是数学分析中的点点收敛.然
下面的定理说明了依概率收敛是一种比按分布收敛更 强的收敛性.
11
P
L
定理 4.3.2 如果 X n X ,则必有 X n X .
12
证明:
设随机变量 X n 的分布函数为 Fn x , n 1, 2, 3, ;
随机变量
X
的分布函数为
F x .为证
Xn
L
X
,只须证明:
对所有的 x ,有
写出随机变量 Yn
n k 1
Xk 2k
的特征函数n t ;⑶
证
明:当 n 时,随机变量序列Yn依分布收敛于随机变量Y .
33Leabharlann 解:⑴ 由于随机变量Y 服从区间 1, 1 上的均匀分布,因
此 Y 的特征函数为
t eit eit cost i sin t cost i sin t sin t .
(因为 x x 0).所以有
再令 x x ,得
随机变量序列依概率收敛的几个性质

(哈 尔 滨 师 范 大 学 )
【摘要 】 对随机变量序列依概率收敛的问题进行研究进而得 出一些结论. 关键词 :依 概 率收敛 ;随机 变量序 列 ;连 续 函数
笔者 在原 有随机 变量 序列 依概率 收敛性质 基 础 上进一 步研究 得 出几个 系统 的结论 .
定义 :设 有 随 机 变 量序 列 。, , ,… ,若 对 任 意 的 占>0,有 limP(I£ 一 I<占)=l,则称 随
机变量序列 {£}依概率收敛于 ,并记作 lim ̄: 一P 或 一P (,l一 ∞).
引理 l 设随机变量序列 { }、{仉 }分别依 概率收敛于 a与 6(其 中a与 b是两个常数),则有
①£妻仉一P口妻6
数 ,由定理 l知 )
)成 立 ,结 论 为真.
② 现在证明一般情形.
其 中
证明 ①若 )=∑ai 是m次多项式函
(A U B) = (I >M)U (I£ I>M +1)
●。 ●__ _- __ ___ _- _一
(A U B) = (74 f'l )
收稿 日期 :2007—1—3
维普资讯
哈尔滨 师范大学 自然科学学报
I )一g.( )I<导J , E[一(肘+1),肘+1].
.
对取定 的 m 次多项式 g ( ),因为 g.(£)
._二_+g ( ),,l叶 ∞,故存在 Ⅳ2,使当,I≥Ⅳ2时 ,有
机 变量序 列 ,并 且 _二_+口 ,,l叶 ∞( =l,2,… , P(I g.( )一g ( )I≥詈)<6成立,又
多项 式 函数进行 任 意 逼 近 ,且 在 任 意 有 限 区间 上
是一致 收敛 的 ,从 而 有 m次多 项式 g ( ),使 有
概率论课件 第4章第2讲随机变量序列的两种收敛性

0,当( x a)2 ( y b)2 2时有
| f ( x, y) f (a, b) |
于是 {| f (k ,k ) f (a, b) | } {( a)2 ( b)2 2 }
辛钦k 1n Nhomakorabeak
a | } 1
证明: {n } 同分布, 它们有相同的特征函数, 这个相同的特征函数记为 (t )
1 n 记 n k n k 1
a E ( k )
(0)
i
(t ) (0) (0)t o(t ) 1 iat o(t )
的分布函数Fn ( x) F ( x).
显然有 lim Fn ( x) F ( x)
n
L Xn Y
但对任意的0<ε<2,恒有
P{| n | } P{2 | | } 1
即不可能有{n }依概率收敛于
所以:依分布收敛依概率收敛不真
定理:随机变量序列依概率收敛于常数C 的充要条件是依分布收敛于常数C 证明:必要性已证,下面只证充分性
§4.2 随机变量序列的两种收敛性 上一节我们由大数定理可得,在贝努里试验中, 事件发生的频率稳定于概率,即
lim P{
n
n
n
P } 1
自然想到的是, 随机变量序列是否依 这种方式能稳定于一个随机变量呢 ?
这就是我们要讲的依概率收敛问题.
1
依概率收敛 定义:设{ n }是随机变量序列,若存在随机 变量 (或常数),对于任意ε>0,有
x x
令y x, z x,由x为F ( x)的连续点, 有
随机变量的几种收敛及其相互关系

论文摘要概率是对大量随机现象的考察中显现出来的,而对于大量的随机现象的描述就要采用极限的方法。
概率统计中的极限定理研究的是随机变量序列的某种收敛性,对随机变量收敛性不同定义将导致不同的极限定理,而随机变量的收敛性的确可以有各种不同的定义。
主要讨论了依概率收敛与依分布收敛,r阶收敛与几乎处处收敛,几乎处处收敛与依概率收敛之间的关系。
给出了由依概率收敛推出几乎处处收敛的条件和由依概率收敛推出r阶收敛的条件,从而比较完全地说明了随机变量序列的各种收敛性之间的关系。
本论文将对随机变量的几种收敛作出较为简单扼要的介绍和讨论.论文结构如下:一、随机变量的几种收敛的概念理论;二、随机变量的几种收敛之间的关系;从以上几个方面对随机变量的几种收敛理论简明扼要地分析,说明随机变量序列收敛理论在实际问题中的应用范围之广,在实际生活中的重要性。
关键词:r阶收敛;几乎处处收敛;依概率收敛;依分布收敛。
AbstractThe Probability is the study of a large number of random phenomena emerge, but for a large number of random phenomena should use extreme methods described. Probability and statistics in the limit theorem is a sequence of random variables convergence, convergence of random variables with different definitions lead to different limit theorem, and indeed the convergence of random variables can have different definitions. Mainly discussed convergence in probability and convergence in distribution, convergence in order r and almost everywhere convergence, almost sure convergence and convergence in probability relationship. Convergence in probability is given by the launch of almost everywhere convergence of conditions and the convergence in probability by the introduction of r-order convergence conditions, which more completely describes the various random variables convergence relationship.This paper will make the convergence of several random variables is more brief presentations and discussions. Paper is structured as follows:1. Convergence of random variables the concept of theory;2. the convergence of several random variables between;From the above aspects of the theory of random variables of several brief analysis of convergence shows that the convergence theory of random variables in the actual problems in the wide range of applications, in real life importance.Keywords: convergence in order r ; almost everywhere or almost surely; convergence in probability; convergence in distribution.目录引言: (4)1 几种收敛性定义 (4)2 依概率收敛与依分布收敛的关系 (5)3 r阶收敛与几乎处处收敛的关系 (11)4 依概率收敛与r阶收敛的关系 (13)5 几乎处处收敛与依概率收敛和依分布收敛的关系 (17)总结 (19)四种收敛性 (19)四种收敛蕴涵关系 (19)致谢 (21)参考文献 (22)引言:概率论最早产生于17世纪,本来是保险事业的发展而产生的,但是来自于赌博者的请求,却是数学家们思考概率论中问题的源泉。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
第24卷哈尔滨师范大学自然科学学报Vol .24,No .22008第2期NAT URAL SC I E NCES JOURNAL OF HARB I N NOR MAL UN I V ERSI TY随机变量序列依概率收敛的几个性质朱永生(哈尔滨师范大学)【摘要】 对随机变量序列依概率收敛的问题进行研究进而得出一些结论.关键词:依概率收敛;随机变量序列;连续函数收稿日期:2007-1-3 笔者在原有随机变量序列依概率收敛性质基础上进一步研究得出几个系统的结论.定义:设有随机变量序列ξ1,ξ2,ξ3,…,若对任意的ε>0,有li m n →∞P (|ξn -ξ|<ε)=1,则称随机变量序列{ξn }依概率收敛于ξ,并记作li m n →∞ξnPξ或ξnPξ(n →∞).引理1 设随机变量序列{ξn }、{ηn }分别依概率收敛于a 与b (其中a 与b 是两个常数),则有①ξn +-×ηnP a +-×b ②ξn ÷ηn Pa ÷b 进一步利用归纳法可证明上述引理在有限次的四则运算下也是成立的,从而可推广如下:定理1 设{ξ1n },{ξ2n },…,{ξkn }是k 个随机变量序列,并且ξinPa i ,n →∞(i =1,2,…,k ),又Q (x 1,x 2,…,x k )是k 元变量的有理函数,并且Q (a 1,a 2,…,a k )≠±∞,则有Q (x 1,x 2,…,x k )PQ (a 1,a 2,…,a k ),n →∞成立.为了进一步推广上述定理,下面再给出一个定理.定理2 设随机变量序列{ξn }依概率收敛于ξ,f (x )为直线上的连续函数,则f (ξn )Pf (ξ).证明 ①若f (x )=∑mi =1a i x i是m 次多项式函数,由定理1知f (ξn )Pf (ξ)成立,结论为真.②现在证明一般情形.对任意的ε>0,δ>0,取M 充分大使得有P (|ξ|>M )>δ,又选取N 1充分大,使当n ≥N 1时,有P (|ξ-ξn |>1)<δ,于是有 P (|ξn |>M +1)≤P{(|ξ|>M )∪(|ξ-ξn |>1}<2δ对取定的M ,因为f (x )是连续函数,可以用多项式函数进行任意逼近,且在任意有限区间上是一致收敛的,从而有m 次多项式g m (x ),使有|f (x )-g m (x )|<ε3,x ∈[-(M +1),M +1].对取定的m 次多项式g m (x ),因为g m (ξn )Pg m (ξ),n →∞,故存在N 2,使当n ≥N 2时,有P (|g m (ξ)-g m (ξn )|≥ε3)<δ成立,又P (|f (ξ)-f (ξn )|≥ε)=P{(|f (ξ)-f (ξn )|≥ε)∩(A ∪B )}+P{(|f (ξ)-f (ξn )|≥ε)∩((A ∪B )}=I 1+I 2可以看出(A ∪B )∪(A ∪B )=(A ∪B )∪( A ∩ B )=Ω(A ∪B )∩(A ∪B )=Φ其中(A ∪B )=(|ξ|>M )∪(|ξn |>M +1)(A ∪B )=( A ∩ B )=(|ξ|≤M )∩(|ξn |≤M +1)那么当n ≥m ax {N 1,N 2}时,有I 1≤P (|ξ|>M )+P (|ξn |>M +1)<3δ,又|f (ξ)-f (ξn )|≥ε]|f (ξ)-g m (ξ)+g m (ξ)-g m (ξn )+g m (ξn )-f (ξn )|≥ε]|f (ξ)-g m (ξ)|≥ε3或|g m (ξ)-g m (ξn )|≥ε3或|g m (ξn )-f (ξn )|≥ε3.即(|f (ξ)-f (ξn )|≥ε)<{(|f (ξ)-g m (ξ)|≥ε3)∪(|g m (ξ)-g m (ξn )|≥ε3)∪(|g m (ξn )-f (ξn )|≥ε3)}.然而由上面可知,有下述事实成立P{(|f (ξ)-g m (ξ)|≥ε3)∩ A ∩ B }=P{(|f (ξ)-g m (ξ)|≥ε3)∩(|ξ|≤M )∩(|ξn |≤M +1)}=0P{(|g m (ξn )-f (ξn )|≥ε3)∩(|ξ|≤M )∩(|ξn |≤M +1)}=0,所以I 2≤P{(|g m (ξ)-g m (ξn )|≥ε3)∩(|ξ|≤M )∩(|ξn |≤M +1)}≤P{|g m (ξ)-g m (ξn )|≥ε3)<δ从而有P (|f (ξ)-f (ξn )|≥ε)=I 1+I 2<4δ成立.由ε、δ的任意性即知f (ξn )Pf (ξ)成立.于是结论得证.进而可得定理3如下.定理3 若ξn Pc,则g (ξn )Pg (c ),其中c 是一个常数,g 是一个连续函数.从而可推广前述两个定理如下:定理4 设{ξ1n },{ξ2n },…,{ξkn }是k 个随机变量序列,g i (x )是一组连续函数,并且{ξin }Pξi ,n →∞(i =1,2,…,k ),又Q (x 1,x 2,…,x k )是k 元变量的有理函数,并且Q (g 1(ξ1),g 2(ξ2),…,g k (ξk ))≠±∞,则有Q (g 1(ξ1n ),g 2(ξ2n ),…,g k (ξkn ))PQ (g 1(ξ1),g 2(ξ2),…,g k (ξk ))(n →∞).例 若ξnPξ,ηnPη.则有(eξn+sinηn )/(1+e ξn)P(e ξ+sin η)/(1+e ξ)这是因为g 1(x )=e x,g 2(x )=sin x 为连续函数,Q (x,y )=x +y1+x为有理函数,从而易证.从定理3和上述定理4亦不难得出相应的下述定理5.定理5 设{ξ1n },{ξ2n },…,{ξkn }是k 个随机变量序列,g i (x )是一组连续函数,并且{ξin }Pc i ,n →∞(i =1,2,…,k,c i 为常数),又Q (x 1,x 2,…,x k )是k 元变量的有理函数,并且Q (g 1(c 1),g 2(c 2),…,g k (c k ))≠±∞,则有Q (g 1(ξ1n ),g 2(ξ2n ),…,g k (ξkn )PQ (g 1(c 1),g 2(c 2),…,g k (c k ))(n →∞).引理2 设ξnPa,ηnPb,又设函数g (x,y )在点(a,b )连续,则g (ξn ,ηn )Pg (a,b )证明 由函数g (x,y )在(a,b )的连续性知,对于任给的ε>0,必存在δ>0,使当|x -a |+|y -b |<δ时,|g (x,y )-g (a,b )|<ε,于是{|g (ξn ,ηn )-g (a,b )|≥ε}<{|ξn -a |+|ηn -b |≥δ}<{|ξn -a |≥δ2}∪{|ηn -b |≥δ2}因此,P{|g (ξn ,ηn )-g (a,b )|≥ε}≤P{|ξn -a |≥δ2}+P{|ηn -b |≥δ2}→0(n →∞)亦即li m n →∞P{|g (ξn ,ηn )-g (a,b )|<ε}=1.进而得出下述定理:定理6 设{ξ1n },{ξ2n },…,{ξkn }与{η1n },{η2n },…,{ηkn }分别是k 个随机变量序列g i (x,y )是一组二元连续函数,并且ξinPa i ,ηinPb i ,n →∞(i =1,2,…,k,a i ,b i 为常数),又Q (x 1,x 2,…,x k )是k 元变量有理函数,并且Q (g 1(a 1,b 1),…,g 2(a 2,b 2),…,g k (a k ,b k ))≠±∞,则有Q (g 1(ξ1n ,η1n ),g 2(ξ2n ,ξ2n ),g k (ξkn ,ηkn ))PQ (g 1(a 1,b 1),g 2(a 2,b 2),…,g k (a k ,b k ))(n →∞).例 若ξnPξ,ηnPη.则有(e ξn+ηn+sin ξnηn )/(1+e ξn ηn )P(eξ+η+sinξη)/(1+e ξη)83哈尔滨师范大学自然科学学报 2008年此例题由上述定理6很容易看出.由上述的引理2还可以推出引理1.分别取g (x,y )为x ±y,xy,xy(y ≠0),则可由引理2推论得到引理1,因此,引理1可以看作是引理2的特例.最后,还应该注意的是,依概率收敛不同于通常意义上的极限,随机变量序列ξnPξ不一定有ξn (ω)→ξ(ω),(ω∈Ω),甚至可能对每一个ω,ξn (ω)ξ(ω),(ω∈Ω).如取Ω=[0,1],R 是包含[0,1]中一切左闭右开区间的事件域,P 是定义在R 上的概率,且对于[a,b )<[0,1],满足P ([a,b ))=b -a,定义随机变量序列如下:η11(ω)≡1,η21(ω)=1,ω∈[0,12);0,ω∈[12,1)η22(ω)=1,ω∈[0,12);0,ω∈[12,1) …一般地,将[0,1)分成K 个等长的区间,定义ηk i (ω)=1,ω∈[i -1K ,iK);0,ω[i -1K ,iK). (i =1,2,…,K;K =1,2,…)显然,对任意ε>0,P (|ηk i |≥ε)≤1K,将ηk i 重新编号,令ξ1=η11,ξ2=η21,ξ3=η22,ξ4=η31,ξ5=η32,…则由上式可知,ξnP0,但对每一个ω∈Ω,由{ξn }的定义知,数列{ξn (ω)}中皆有无穷多个1和无穷多个0,因而{ξn (ω)}不收敛.参 考 文 献[1] 来向荣.简明概率论教程[M ].北京:北京工业大学出版社,2004.[2] 魏宗舒.概率论与数理统计教程[M ].北京:高等教育出版社,1983.[3] 严士健,王隽骧,刘秀芳.概率论基础[M ].北京:科学出版社,1983.[4] 王梓坤.概率论基础及其应用[M ].北京:科学出版社,1979.[5] Laha ,R.G .and Rohatgi ,B.K .Pr obability theory[M ].JohnW iley &s ons,1985.S OM E CONCLUSIONS OF THE CONVERGENTCHARACTER B Y PR OBABIL I T YZhu Yongsheng(Harbin Nor mal University )ABSTRACTA series of conclusi ons are given according t o researching int o the convergent character by p r obability in this paper .Keywords:Convergent character by p r obability;Random variable;Continuity functi on(责任编辑:王丹红)93第2期 随机变量序列依概率收敛的几个性质。