1. 分布函数列的弱收敛性
弱收敛 { F n ( x ) } \{F_n(x)\} {Fn(x)} 是分布函数列,如果存在一个函数 F ( x ) F_(x) F(x), 对任意 x x x , 使得 lim n → ∞ F n ( x ) = F ( x ) \lim_{n \to \infty}F_n(x)=F(x) limn→∞Fn(x)=F(x), 则称 F n ( x ) F_n(x) Fn(x) 弱收敛于 F ( x ) F(x) F(x), 并记为
F n ( x ) → w F ( x ) . F_n(x)~\overset{w}{\underset{}{\to}}~F(x). Fn(x) →w F(x).
2. 随机变量的四种收敛性
假定如下的随机变量 X X X 与随机变量序列 { X n } \{X_n\} {Xn} 定义在概率空间 ( Ω , F , P ) (\Omega,F,P) (Ω,F,P) 上.
依分布收敛 设 X n X_n Xn 的分布函数为 F n ( x ) F_n(x) Fn(x), X X X 的分布函数为 F ( x ) F(x) F(x), 假如
F n ( x ) → w F ( x ) , F_n(x)\overset{w}{\underset{}{\to}}F(x), Fn(x)→wF(x),
则称 { X n } \{X_n\} {Xn} 依分布收敛于 X X X, 记为 X n → d X . X_n~\overset{d}{\underset{}{\to}}~X. Xn →d X.
- 依分布收敛为这里讨论收敛性中最弱的收敛,其只能保证分布函数序列收敛。
依概率收敛 若对 ∀ \forall ∀ ε > 0 \varepsilon>0 ε>0 ,
lim n → ∞ P { w : ∣ X n ( w ) − X ( w ) ∣ ≥ ε } = 0 , \lim_{n \to \infty}P\{w: |X_n(w)-X(w)| \geq \varepsilon\}=0, n→∞limP{w:∣Xn(w)−X(w)∣≥ε}=0,
则称 { X n } \{X_n\} {Xn} 依概率收敛于 X X X, 记为 X n → P X . X_n~\overset{P}{\underset{}{\to}}~X. Xn →P X.
- 依概率收敛强于依分布收敛,其先给定 ε > 0 \varepsilon>0 ε>0,保证 ∣ X n ( w ) − X ( w ) ∣ ≥ ε |X_n(w)-X(w)| \geq \varepsilon ∣Xn(w)−X(w)∣≥ε 随着 n n n 增大,概率趋向于0。这里可见 ε \varepsilon ε 越小收敛性越好。
r-阶收敛 假设 E ∣ X ∣ r < ∞ E|X|^r<\infty E∣X∣r<∞, E ∣ X n ∣ r < ∞ , r > 0 E|X_n|^r<\infty, r>0 E∣Xn∣r<∞,r>0. 如果
lim n → ∞ E ∣ X n − X ∣ r = 0 , \lim_{n \to \infty}E|X_n-X|^r=0, n→∞limE∣Xn−X∣r=0,
则称 { X n } \{X_n\} {Xn} r-阶收敛于 X X X。 其中当 r = 2 r=2 r=2时,称为均方收敛。
- r-阶收敛强于依概率收敛,其说明随着 n n n 的增大,r-阶的 ∣ X n − X ∣ |X_n-X| ∣Xn−X∣ 的期望是为0的。
几乎处处收敛(依概率1收敛) 如果
P ( w : lim n → ∞ X n ( w ) = X ( w ) ) = 1 , P(w:\lim_{n \to \infty}X_n(w)=X(w))=1, P(w:n→∞limXn(w)=X(w))=1,
称 { X n } \{X_n\} {Xn} 几乎处处收敛于 X X X, 记为 X n → a . s . X . X_n~\overset{a.s.}{\underset{}{\to}}~X. Xn →a.s. X.
- 几乎处处收敛也强于依概率收敛,和依概率收敛比较,可以看成取定 ε = 0 \varepsilon=0 ε=0,所以也叫依概率1收敛。事实上,几乎处处收敛是不收敛点的集合是只构成勒贝格零集。
3. 收敛性间关系
参考资料
[1] 刘嘉焜,王公恕,应用随机过程(第二版)。