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
- 特征函数
- 分布函数的弱收敛、随机变量的依分布收敛
- 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
![]()
为特征函数(characteristic function).的
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
由
定理1.3 [非负定性]有
![]()
证明:利用
定理1.4 若独立, 则
![]()
证明:注意到对于所有的
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
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:
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
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
证明:设
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
由于
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.
而
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
另外,
这样, 如果