三个点在同一个半圆的概率_概率论复习笔记(8)——特征函数与Lindberg-Lévy中心极限定理...

在笔记（5）中，也介绍了中心极限定理，但是比较简略：

fjddy：概率论复习笔记(5)——Chebyshev不等式​zhuanlan.zhihu.com

目录

1. 特征函数
2. 分布函数的弱收敛、随机变量的依分布收敛
3. Lindberg-Lévy中心极限定理.

1 特征函数

定义1.1 [特征函数]设r.v.

的分布是

称

为

的

特征函数(characteristic function).

注：特征函数只与分布相关, 因此也称为某个分布函数的特征函数.

容易观察有如下性质:

下面引入贯穿概率论最重要的实分析中的定理——控制收敛定理.

定理1.1 [控制收敛定理] 设

是可测空间,

是它上的测度,

若存在可测函数

使得

（即f控制

）, 同时

则

定理1.2 [特征函数的一致连续性] 特征函数f有如下的增量不等式:

根据控制收敛定理，可证

是连续的, 从而

一致连续.

证明：作如下放缩：

只需要看

有没有被控制住. 由于

由

以及控制收敛定理可知上述积分与极限可交换顺序, 再由

的连续性可知

是连续的, 从而

一致连续. QED

定理1.3 [非负定性]

有

证明：利用

即可. QED

定理1.4 若

独立, 则

证明：注意到对于所有的

的Borel可测函数g,h, 都有

独立. QED

注：利用该性质可以推出二项分布、Poisson分布、正态分布、Gamma分布的再生性. 这里从略.

定理1.5 若

则

关于自变量t是n阶可导的, 且

证明：利用导数的定义以及控制收敛定理即可. QED

注：若

是特征函数, 则

定理1.6 设

则

定理1.7 [逆转公式] 设分布函数

的特征函数是

是F的连续点, 则

进一步, 若f在

上是Lebesgue可积的, 即

则函数

是F的密度函数.

证明：套定义验证即可, 其中要用到控制收敛定理.

定理表明分布函数与特征函数可以相互转化.

2 弱收敛与依分布收敛

定义2.1 [分布函数的弱收敛]设

是分布函数列, 若存在非减函数

（不一定是分布函数）, 使得F在任一连续点都有

则称

弱收敛于F. 记为

注：

不一定是分布函数, 见下面例子:

而

故

不是分布函数.

定义2.2 [随机变量的依分布收敛]设

的分布函数是

的分布函数为F. 如果有

则称

依分布收敛到

, 记为

注：这里的

可能不是定义在同一个概率空间上, 但是依概率收敛中的r.v.必定定义在同一个概率空间上.

对于几种收敛的比较, 下一篇文章再写吧.（可能明天(2019/6/20)就赶出来了）

【敬请期待】

3 特征函数的应用——中心极限定理

定理3.1[Lévy] 设分布函数列

弱收敛到分布函数F, 则相应的特征函数

点点收敛到f, 且在t的任一有限区间上一致收敛.

反之, 若

逐点收敛到一个复值函数f, 且f在

处连续, 则f为其分布函数F的特征函数, 且

定理的证明要用到Helly定理, 如果展开来写的话篇幅过长, 在这儿从略.

定理揭示了分布函数列弱收敛与对应特征函数逐点收敛的关系.

定理3.2 [Lindberg-Lévy]设

是i.i.d.r.v.列, 且

令

（标准化） , 则

注：结论等价于

或者用

Lévy定理,

证明：设

是

的特征函数, 记

利用特征函数的性质,

当t充分小时, 我们有

特别地, 对任一固定

以及充分大的

, 都有

由于

是连续的, 利用

Lévy定理可得

QED

下面的例子很有意思，把区间[0,1]中的数的二进制表示与概率论结合起来.

例3.3 [Borel] 若

为i.i.d.r.v.列,

令

则

的分布收敛于

上的均匀分布.

证明：用Lévy定理, 只需转化为特征函数.

上的均匀分布的分布函数是

则它的特征函数为

而

的特征函数为

例3.4 用特征函数法证明二项分布的Poisson逼近定理.

证明：同样用Lévy定理来证明. 设

又记

则

则

的特征函数是

另外,

的特征函数是

这样, 如果

则

QED