论函数极限地若干求法.doc

论函数极限的若干求法 1、相关定义 1.1、定义及引理 设{ n n 1}是定义在概率空间 { F P}上,在 S {1 2 }中取值的随机序列, 其联合分布与边缘分布分别为 P ( 1 x1 n xn ) p ( x1 x n ) xi S 1 i n n 1 2 (5.1) 和 P ( i xi ) g ( xi p) (5.2) 其中g ( x p ) p (1 p ) xi 1i 0 p 1 xi S 1 i n n 1 2 . 即 i i 1服从几何 分布。设0 a1 a2 是一列固定的整值数列, 我们给出 定义 5.1 设{ n n 1}是随机变量序列,称 M a n a n n ( S a n n S an ) n (5.3) 为{ n n 1}的滑动平均(见[2]),其中S n 1 n n 1 2 . 定义 5.2 称 a n n1 i a1p (1 p) i n Ln( ) p( 分母0 a n 1 a n n)(5.4) 0 其它 14 及 L ( ) liminf1nlog Ln( ) (5.5) n 分别为{ n n 1}相对于边缘乘积分布(几何分布) n g ( xi 1 p) i (5.6) 的滑动似然比和渐近对数滑动似然比.这里约定 log0 0. 为了证明的需要,我们先给出一个引理. 引理 5.1 设r (x1 xn ) n 1 2 是概率空间 ( F P)上的概率分布函 数,r ( x a n 1 xan n)是其边缘分布函数,{a n n 1 2 }如前面定义 .则 limsup1log r( a n 1 an n)n p( P a s(5.7) na n 1 a n n)0 证明 令B {( x a n 1 x a n n ) p ( x a n 1 xa n n) 0},于是 E r( a n 1 a n n) p ( xa n 1 a n n) r ( x a n 1 xa n n) ( )( a n 1a n n) ( x a n 1 x a n n) Bp x a n 1 x p x x a n n r ( x a 1 xa n) 1 (x 1 x ) Snn n a n a nn由 Markov 不等式,有 P 1logr( a n 1 an n) n p( a n 1 an n) P r( a n 1 a n n) p( exp(n a n 1 a n n) ) exp( n ) 从而 P 1log r( a n 1 a n n) n 1 n p( exp( ) a n 1 n a n n) n 1由 B C引理,有 15 P limsup1log r( a n 1 a n n) nn p( a n 1 a n n)0 由 的任意性,引理成立. 1.2、记号及定义 本章在固定的完备概率空间 ( , F , P)上讨论,Fn ( X 1 , X 2,... Xn)约定 F0 { , } ,对几乎处处意义下成立的等式或不等式常省去 a.s.记号. 对随机 变量 X { X n , Fn , n 1}引入如下记号: 设{a n, n 1}是一列单调不降的正数序列,令 Y {Y n E ( X n | Fn 1)},B {B n E ( X n | Fn 1)},V {v n 0,1} 其中I [.]是示性函数. 定义 4.1 { n , Fn , n 0}称为随机变量序列 Xn, n 1 关于 的随机变 换,若 n 1 n [ v k ( Xk k)] k 1a B (4.1) k 其中 v {v k , Fk , k 0}是一列可预报序列. 10 定 义 4.2 称 { n( t ), n 1}是 分 别 具 有 C 特 征 的 函 数 序 列 , 若 对 每 一 n 1, n( t ) :R R 的偶函数,且分别使 n( t )t2| t | , ( t)(4.2) 单调不降. 1.3、有关定义 为了叙述的方便,下面给出本文用到的一些基本定义。 定义 1.3.1 设 ,F 是一个可测空间,P 是定义在 F 上的测度,则称 , F ,P 为测度空间 若 P 1,即 P 是定义在 F 上的概率测度,则称 , F ,P 为概率空间。 若 P 为完备测度,则称 , F ,P 为完备测度空间。 定义 1.3.2 设X 1 , X 2, Xn和 X 是随机变量,记它们的分布函数为F。若对 F x 的任一连续点 x,都有 ln i m Fn 1 , F2 , , 和 F F n x F x ,则称X n依分布收敛于 X ,记为X d n X。 定义 1.3.3 设 X n, n 1 为随机变量序列,如果对于 0,存在可测函 数 X,使得当 n 时, P X n X 0,则称X n依概