本专栏主要作个人复习自测,有相关知识预备的同学也可作复习用。不保证无相应基础的人士能看明白。
万一考试考到了,或者对你的学习有较大帮助,一键三连不过分吧(斜眼笑)
依分布收敛
- 依分布收敛是()(条件)点处函数值收敛,它除了可以考察随机变量,还可以考察()(研究对象)(即依分布收敛的随机变量之间的概率空间甚至不一定相同)。为什么分布函数间断点可数?
- 证明 F X ( x ) − F Y ( x ) F_X(x)-F_Y(x) FX(x)−FY(x)绝对值不超过 P ( X ≤ x < Y ) + P ( Y ≤ x < X ) P(X\le x<Y)+P(Y\le x<X) P(X≤x<Y)+P(Y≤x<X).
- 为了估计上式右边第一项,我们分 ∣ X − Y ∣ |X-Y| ∣X−Y∣小和大分别讨论。这样可以证明()(收敛种类)是()(收敛种类)的()(充分或必要)条件。
- 依分布收敛不一定依概率收敛:本质上是因为依分布收敛可以看成()(研究对象)的性质,而不是随机变量的性质。对于什么分布的特殊情况,依分布收敛等价于依概率收敛?
- 依分布收敛的等价条件:本质是考虑一系列广义的”数字特征”收敛。原始定义相当于考察什么数字特征?原始定义考察了不可数个数字特征,怎么变成可数个?
- 接上,由无界区间上示性函数先拓展到()(函数族),进而可以拓展到一切阶梯函数,进而()(函数族)。证明最后一步的时候把数字特征的误差拆分成哪五部分(提示:利用有限区间上阶梯函数)?怎么用有界连续函数逼近示性函数?
- 接上,三角函数是特殊的有界函数,由此有什么有关于特征函数的结论?此结论的另一边其实也成立。回忆连续性定理并结合6.简要背诵该结果(不用证明)。
- 对于复数 z = e i t − 1 z=e^{it}-1 z=eit−1,证明 p k p_k pk小时 1 + p k z − e p k z 1+p_kz-e^{p_kz} 1+pkz−epkz模长小于1,从而 ∣ ∣ ∏ ( 1 + p k z ) − ∏ ( e p k ) ∣ ∣ ≤ ||\prod(1+p_k z)-\prod(e^{p_k})||\le ∣∣∏(1+pkz)−∏(epk)∣∣≤()(填求和式)趋于0,这有什么概率论意义?
答案
- 分布函数连续,分布。包含有理数
- 左右适当配对相减。
- 依概率收敛,依分布收敛,充分
- 分布,退化(单点)分布(当然,概率空间相同)
- 一系列 1 ( − ∞ , b ] ( ξ n ) 1_{(-\infty,b]}(\xi_n) 1(−∞,b](ξn). b b b换成可数稠集中取值。
- 有界区间上示性函数,有界连续函数。 ξ n \xi_n ξn绝对值大、 ξ \xi ξ绝对值大、两份阶梯函数估计有界连续函数的误差、阶梯函数之间的误差。
- 略。若 f ξ n ( t ) → f ( t ) f_{\xi_n}(t)\to f(t) f