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<0;F(x)=1,if X \ge 0 F(x)=0,ifX<0;F(x)=1,ifX≥0.
问 X n X_n Xn是否依据概率或依分布收敛于X?
首先考虑依分布收敛，
L
e
t
Y
n
=
n
X
n
,
s
.
t
.
Y
n
∼
N
(
0
,
1
)
.
Let \ Y_n=\sqrt{n}X_n, s.t. \ Y_n \sim N(0,1).
Let Yn=nXn,s.t. Yn∼N(0,1).
F
(
x
)
=
P
(
X
≤
x
)
=
P
(
n
X
≤
n
x
)
=
P
(
Y
≤
n
x
)
F(x)=P(X \le x)=P(\sqrt{n}X \le \sqrt{n}x)\\ =P(Y \le \sqrt{n}x)
F(x)=P(X≤x)=P(nX≤nx)=P(Y≤nx)从而
lim
n
→
∞
F
Y
(
n
x
)
=
0
i
f
x
<
0
lim
n
→
∞
F
Y
(
n
x
)
=
1
i
f
x
>
0
\lim_{n\rightarrow\infty}F_{Y}(\sqrt{n}x)=0 \ ifx<0 \\ \lim_{n\rightarrow\infty}F_{Y}(\sqrt{n}x)=1 \ ifx\gt0
n→∞limFY(nx)=0 ifx<0n→∞limFY(nx)=1 ifx>0因此，以分布收敛于
X
X
X。不考虑
X
=
0
X=0
X=0的点是因为不是连续的点，不在定义所谈论的范围内。
其次考虑以概率收敛的问题：
P
(
∣
X
n
−
X
∣
>
ϵ
)
=
P
(
X
n
−
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−X<−ϵ)=P(Xn>0+ϵ)+P(Xn<−ϵ)≤P(Xn>ϵ)+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。
942
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
