随机分析之收敛(极限).pptx

;收敛的概念; 定义1 称二阶矩随机序列 以概率1收敛于二阶矩随机 变量 ，若使 成立的 的集合的概率为1，即 或称 几乎处处收敛于 ，记作 ;依概率收敛;伯努利大数定律：设 是 次独立重复试验中事件 发生的次数，而 是事件 在每次试验中发生的概率，对于任意给的正数 ，都有 伯努利大数定律说明当所做的独立重复试验的次数趋向于无穷时，可以用 频率来计算事件发生的概率;例 设 随机变量序列服从以下分布： 为 的分布函数列 ，则有 假设随机变量 的分布函数为 ，又设另一函数 （1）可知 ，即 点点收敛于 ，但是 不满足分布函数的右连续性，不是分布函数。 （2）除了 的跳跃间断点 外， 均收敛于 因此：要求分布函数序列 点点收敛于一个分布函数 有些太苛刻了，需要定义分布函数序列的弱收敛 ;依分布收敛;随机序列的均方收敛;设 是相互独立同分布的随机变量序列， 则有 证：由 的相互独立同分布性，得 ;定义5 设有二阶矩随机过程 和二阶矩随机变量 ，若有 成立，则称 当 时均方收敛于 ，记作 ;收敛之间的关系;（1）若 ，则 （2）均方收敛必依概率收敛，反之不一定成立，即均方收敛比依概率收敛有更强的收敛性 （3）均方收敛是根据均方距离定义的，依概率收敛是根据概率意义定义的 ; 若 ，则 证：由马尔可夫不等式得 由均方收敛知 ，则对任意给定的 ，有 ;（1）若 ，则 （2）几乎处处收敛必依概率收敛，反之不一定成立，即几乎处处收敛比依概率收敛有更强的收敛性 （3）定义式的比较 ; 若 ，则 证：由 ，得 因此，对任意给定的的 ，有 ;几乎处处收敛不一定均方收敛，尽管二阶矩存在。均方收敛和几乎处处收 敛没有谁包含谁的问题，但若几乎处处收敛的序列满足一些限制条件时， 可以等价 ;（1）若 ，则 （2）依概率收敛必依分布收敛，反之不一定成立。因为若随机序列 的取值依概率收敛于随机变量 的取值，则 的分布即是 的极限分布；但是取值分布的收敛并不意味着取值的收敛。由上可知，依分布收敛是一种比依概率收敛更弱的收敛，也是四种收敛中最弱的 ; 若 ，则 证：设随机序列 的分布函数列为 ，为证 ，只须证明对所有的 ，有 因为如果上式成立，则当 是分布函数 的连续点时，有 因此有： 首先令 ，则由 得 ;由于 ，有 ，所以 再令 ，得 同理可证，当 时，有 再令 ，得 因此定理得证 ;（3）若 ，则 逆命题不成立，反例： 例 设随机变量 的分布列为 再令