随机变量序列的收敛性质分类

分类

1. X_{n}趋向某个固定的数；
2. X_{n}趋向某个确定函数的输出值；
3. 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；
4. 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；
5. 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

1. 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。
2. 高阶r阶收敛可以推出低阶r阶收敛
3. 当r=1 时， r阶收敛等于平均收敛
   当r=2时， 均方收敛