概率论与数理统计教程(四)-大数定理与中心极限定理01：随机变量序到的两种收敛性

u013250861

已于 2024-02-12 20:07:37 修改

阅读量400

点赞数 7

分类专栏：概率论与数理统计文章标签：概率论

于 2024-02-10 23:22:14 首次发布

本文链接：https://blog.csdn.net/u013250861/article/details/136093497

版权

本文介绍了随机变量序列的两种收敛性——依概率收敛和按分布收敛，重点探讨了它们在概率论中的应用，特别是在大数定律和中心极限定理中的角色。依概率收敛描述了随机变量序列接近某个值的概率趋势，而按分布收敛关注的是整个序列的分布形状。这两个概念不仅是概率论的基础，也在数理统计中扮演重要角色。文章通过实例解析了这两种收敛性的数学定义，并展示了它们在处理随机变量序列时的行为特点。

摘要由CSDN通过智能技术生成

§ 4.1 随机变量序列的两种收敛性
随机变量序列的收玫性有多种,其中常用的是两种:
依概率收玫和按分布收玫.本章讨论的大数定律涉及的是一种依概率收玫,
中心极限定理涉及按分布收玫. 这些极限定理不仅是概率论研究的中心议题,
而且在数理统计中有广泛的应用.
本节将给出这两种收玫性的定义及其有关性质,读者应从中吸收其思考问题的方法.
4.1.1 依概率收敛
在第一章用频率确定概率时, 我们提出 “概率是频率的稳定值”, 或
“频率稳定于概率”.现在我们来解释 “稳定” 的含义及其数学表达式.
设有一大批产品, 其不合格品率为 $p$ . 现一个接一个地检查产品的合格性, 记前
$n$ 次检查发现 $S_{n}$ 个不合格品, 而 $v_{n}=S_{n} / n$
为不合格品出现的频率. 当检查继续下去, 我们就发现频率序列
$\left\{v_{n}\right\}$ 有如下两个现象:
(1) 频率 $v_{n}$ 对概率 $p$ 的绝对偏差 $\left|v_{n}-p\right|$ 将随 $n$
增大而呈现逐渐减小的趋势, 但无法说它收玫于零.
（2）由于频率的随机性, 绝对偏差 $\left|v_{n}-p\right|$ 时大时小.
虽然我们无法排除大偏差发生的可能性, 但随着 $n$ 不断增大,
大偏差发生的可能性会越来越小. 这是一种新的极限概念.
下面我们用数学式子将上述概念表达出来.对任意给定的 $\varepsilon>0$ , 事件
$\left\{\left|v_{n}-p\right| \geqslant \varepsilon\right\}$ 出现了就认为大偏差发生了.
而大偏差发生的可能性越来越小, 相当于
$P\left(\left|v_{n}-p\right| \geqslant \varepsilon\right) \rightarrow 0,(n \rightarrow \infty) .$
这时就可称频率序列 $\left\{v_{n}\right\}$ 依概率收敛. 这就是
“频率稳定于概率” 的含义.
下面给出一般的随机变量序列 $\left\{X_{n}\right\}$
依概率收玫于一个随机变量 $X$ 的定义.
定义 4.1.1 设 $\left\{X_{n}\right\}$ 为一随机变量序列, $X$ 为一随机变量,
如果对任意的 $\varepsilon>0$ , 有
$P\left(\left|X_{n}-X\right| \geqslant \varepsilon\right) \rightarrow 0(n \rightarrow \infty),$
则称序列 $\left\{X_{n}\right\}$ 依概率收敛于 $X$ , 记作
$X_{n} \xrightarrow{P} X$ .
依概率收玫的含义是: $X_{n}$ 对 $X$
的绝对偏差不小于任一给定量的可能性将随着 $n$
增大而愈来愈小. 或者说, 绝对偏差 $\left|X_{n}-X\right|$
小于任一给定量的可能性将随着 $n$ 增大而愈来愈接近于 1 , 即 $(4.1.1)$
等价于
$P\left(\left|X_{n}-X\right|<\varepsilon\right) \rightarrow 1(n \rightarrow \infty) .$
特别当 $X$ 为退化分布时, 即 $P (X = c) = 1$ , 则称序列 $\left\{X_{n}\right\}$
依概率收玫于 $c$ , 即 $X_{n} \xrightarrow{P} c$ .
以下我们先给出依概率收玫于常数的四则运算性质.
定理 4.1.1 设 $\left\{X_{n}\right\},\left\{Y_{n}\right\}$
是两个随机变量序列, $a, b$ 是两个常数. 如果
$X_{n} \xrightarrow{P} a, \quad Y_{n} \xrightarrow{P} b,$
则有: (1) $X_{n} \pm Y_{n} \xrightarrow{P} a \pm b$ ;
(2) $X_{n} \times Y_{n} \xrightarrow{P} a \times b$ ;
(3) $X_{n} \div Y_{n} \xrightarrow{P} a \div b(b \neq 0)$ .
证明 (1) 因为
$\left\{\left|\left(X_{n}+Y_{n}\right)-(a+b)\right| \geqslant \varepsilon\right\} \subset\left\{\left|X_{n}-a\right| \geqslant \frac{\varepsilon}{2}\right\} \cup\left\{\left|Y_{n}-b\right| \geqslant \frac{\varepsilon}{2}\right\},$
所以
$\begin{aligned} 0 & \leqslant P\left(\left|\left(X_{n}+Y_{n}\right)-(a+b)\right| \geqslant \varepsilon\right) \\ & \leqslant P\left(\left|X_{n}-a\right| \geqslant \frac{\varepsilon}{2}\right)+P\left(\left|Y_{n}-b\right| \geqslant \frac{\varepsilon}{2}\right) \rightarrow 0 \quad(n \rightarrow \infty), \end{aligned}$
即
$P\left(\left|\left(X_{n}+Y_{n}\right)-(a+b)\right|<\varepsilon\right) \rightarrow 1 \quad(n \rightarrow \infty),$
由此得 $X_{n}+Y_{n} \xrightarrow{P} a+b$ . 类似可证
$X_{n}-Y_{n} \xrightarrow{P} a-b$ .
(2) 为了证明 $X_{n} \times Y_{n} \xrightarrow{P} a \times b$ ,
我们分几步进行:
i) 若 $X_{n} \xrightarrow{P} 0$ , 则有 $X_{n}^{2} \xrightarrow{P} 0$ .
这是因为对任意 $\varepsilon>0$ , 有
$P\left(\left|X_{n}^{2}\right| \geqslant \varepsilon\right)=P\left(\left|X_{n}\right| \geqslant \sqrt{\varepsilon}\right) \rightarrow 0 \quad(n \rightarrow \infty) .$
ii) 若 $X_{n} \xrightarrow{P} a$ , 则有 $X_{n} \xrightarrow{P} c a$ .
这是因为在 $\neq 0$ 时, 有
$P\left(\left|c X_{n}-c a\right| \geqslant \varepsilon\right)=P\left(\left|X_{n}-a\right| \geqslant \varepsilon /|c|\right) \rightarrow 0 \quad(n \rightarrow \infty),$