在线学习
重点科目
初中数学
高中数学
高等数学
线性代数
概率统计
高中物理
数学公式
主要科目
复变函数
离散数学
数学分析
实变函数
群论
数论
未整理科目
近世代数
数值分析
常微分方程
偏微分方程
大学物理
射影几何
微分几何
泛函分析
拓扑学
数学物理
趣味数学
科数网
题库
教材
高考区
考研区
VIP
科数网
题库
在线学习
高中数学
高等数学
线性代数
概率统计
高中物理
复变函数
离散数学
实变函数
数论
群论
你好
游客,
登录
注册
在线学习
概率论与数理统计
第六篇 大数定理与中心极限定理
依概率收敛
最后
更新:
2025-02-15 16:47
查看:
436
次
反馈
刷题
依概率收敛
## 依概率收敛 设 $X_1, X_2...X_n$, 是随机变量序列,如果存在一个常数 $c$ ,使得对任意一个 $\varepsilon>0$ , 总有 $\quad \lim _{n \rightarrow \infty} P\left(\left|X_n-c\right|<\varepsilon\right)=1$, 那么称 $X_1, X_2, \cdots$ 依概率收敛于 $c$ ,记作 $X_n \stackrel{P}{\longrightarrow} c$ 当 $n$ 充分大时 $\left\{X_n \in(c-\varepsilon, c+\varepsilon)\right\}$ 几乎总是发生或等价地 $\quad \lim _{n \rightarrow \infty} P\left(\left|X_n-c\right| \geq \varepsilon\right)=0$. ## 依概率收敛的通俗解释 假设随机扔一枚硬币,要判断正面向上的概率,我们很容易知道他的概率为$\frac{1}{2}$,也就是$c=50\%$ 但是,当你真的进行实验时。 第一次:扔10次,可能正面的概率为 49%, 和真实的误差是$1\%$ 第二次:扔100次,可能正面的概率为 50.8%, 和真实的误差是$0.8\%$ 第三次:扔1000次,可能正面的概率为 49.5%, 和真实的误差是$0.5\%$ 第四次:扔10000次,可能正面的概率为 49.9%, 和真实的误差是$0.1\%$ 第五次:扔10000次,可能正面的概率为50.1%, 和真实的误差是$0.1\%$ 第六次:扔100000次,可能正面的概率为50.001%,和真实的误差是$0.001\%$ ... 可以看到,随着你扔硬币的次数越来越多,出现的概率越来越接近理论上的真实值。 如何定义“越来越接近”呢? 我们就把高等《高等数学》里极限那套理论搬过来使用:以上面数据为例,当你给定一个数, ①比如要求误差小于$\varepsilon=0.01$,那我只要扔超过100次就可以了。 ②如果要求误差小于$\varepsilon=0.0005$,那我只要扔超过1000次就可以了。 总之,不论你给我的$\varepsilon$有多小,我扔的次数超过N,就能满足你的苛刻的要求。此时,我们就说他是依概率收敛。 ### 依概率收敛的正反两种解释 再看一下这个式子 $ \lim _{n \rightarrow \infty} P\left(\left|X_n-c\right|<\varepsilon\right)=1$, 他的正面描述是:当你扔的次数变成无穷大,那么“硬币正面朝上的概率为50%”的可能性是100%(也就是1) 再看第二个式子 $ \lim _{n \rightarrow \infty} P\left(\left|X_n-c\right| \geq \varepsilon\right)=0$. 他的反面解释是:你扔的次数变成无穷大,那么“硬币正面朝上的概率**不**为50%”的可能性是0%(也就是0) 所以上面两个式子是等价的。 ## 依概率收敛性具有下列性质: **定理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)$X_n \div Y_n \xrightarrow{P} a \div b(b \neq 0)$ . **定理2** 如果 $X_n \stackrel{P}{\longrightarrow} c , Y_n \stackrel{P}{\longrightarrow} b$ ,且函数 $g(x, y)$ 在$(a, b)$ 处连续 $$ g\left(X_n, Y_n\right) \stackrel{P}{\rightarrow} g(a, b) $$ 例如 $X_n \stackrel{P}{\longrightarrow} 1 , Y_n \stackrel{P}{\longrightarrow} 2$ ,则 $X_n+Y_n \stackrel{P}{\longrightarrow} 3$ > 这说明依概率收敛具有简单的可加性和可乘性。
其他版本
【概率论与数理统计】大数定律
刷题
做题,是检验是否掌握数学的唯一真理
上一篇:
本章思维导图
下一篇:
按分布收敛
本文对您是否有用?
有用
(
0
)
无用
(
0
)
纠错
高考
考研
关于
赞助
公式
科数网是专业专业的数学网站。