分类
- X_{n}趋向某个固定的数;
- X_{n}趋向某个确定函数的输出值;
- X_{n}的概率分布越来越接近某个特定的随机变量的概率分布;
- X_{n}和某个特定随机变量的差别的平均值(数学期望值)趋向于0;
- X_{n}和某个特定随机变量的差别的方差趋向于0.
约束由弱到强依次为 分布收敛,概率收敛,r阶收敛,以及处处收敛
定义
解释:
a)处处收敛是从随机变量的值出发,考虑样本中每个变量值的,约束最为严格
b) r阶收敛是从整体r阶矩考虑随机变量值,约束同样很严格,r取值越大,说明考虑样本中变量值的信息越全面,
c)依概率收敛同样是考虑随机变量值,但约束要比r阶矩小很多,只是在取值范围内复合条件即可
d)依分布收敛的约束最小,并不考虑随机变量值,而是考察二者的分布函数是否相近
关系
Need to mention
- 处处收敛与r阶收敛并不能互相推导,因为二者考虑随机变量序列的出发点不一致,r阶收敛是从r阶矩的角度考察样本总体取值的,而处处收敛是从每个样本值出发,考察其余收敛值的关系。
- 高阶r阶收敛可以推出低阶r阶收敛
- 当r=1 时, r阶收敛等于平均收敛
当r=2时, 均方收敛