大数定律与中心极限定理课件.ppt

解§3隨機變數序列的收斂性則稱隨機變數序列{Xn}依概率收斂於X,記為定義：設{Xn}是隨機變數序列,若存在隨機變數X(或常數),對於任意ε0,有§3.1依概率收斂定理:設{Xk}依概率收斂於a,{Yk}依概率收斂於b,f(x,y)在點(a,b)連續,則f(Xk,Yk)依概率收斂f(a,b).證明:因f(x,y)在點(a,b)連續,故對任給的ε0,存在δ0,當(x-a)2+(y-b)2δ2時有{|f(Xk,Yk)-f(a,b)|≥ε}?{(Xk-a)2+(Yk-b)2≥δ2}|f(x,y)-f(a,b)|ε於是?{(Xk-a)2≥δ2/2}∪{(Yk-b)2≥δ2/2}?{|Xk-a|≥δ/√2}∪{(Yk-b)2≥δ2/√2}故有0≤P{|f(Xk,Yk)-f(a,b)|≥ε}≤P({|Xk-a|≥δ/√2}∪{(Yk-b)2≥δ2/√2})由於所以推論:設{Xk}依概率收斂於a,{Yk}依概率收斂於b,則(1){Xk±Yk}依概率收斂於a±b;(2){XkYk}依概率收斂於ab;(3)當b≠0時,{Xk/Yk}依概率收斂於a/b.注:此定理及推論可以推廣到有限個隨機變數序列的情形.定義：設{Xn}是隨機變數序列,若存在隨機變數X(或常數),使得則稱隨機變數序列{Xn}以概率1收斂於X,或稱幾乎處處收斂於X,記為§3.2以概率收斂在上面所講的收斂概念中,尚未直接涉及到隨機變數序列{Xn}的分佈函數列{Fn(x)}和隨機變數X的分佈函數F(x)之間的關係,而分佈函數又完整地刻劃了隨機變數的統計規律,因此有必要討論{Fn(x)}與F(x)之間的關係.§3.3依分佈收斂定義:設F(x),F1(x),F2(x),…是一列分佈函數,如果對F(x)的每個連續點x,都有則稱分佈函數列{Fn(x)}弱收斂於分佈函數F(x),並記作如果隨機變數序列{Xn}的分佈函數列{Fn(x)}弱收斂於隨機變數X的分佈函數F(x),則稱{Xn}依分佈收斂於X,並記作§3.4三種收斂的關係以概率1收斂?依概率收斂?依分佈收斂而其逆都有不真.定理:隨機變數序列{Xn}以概率1收斂於X的充要條件是:對任意的ε0,有不加證明地給出如下定理定理:若隨機變數序列{Xn}以概率1收斂於X,則{Xn}依概率收斂於X.證明:顯然對任意n有由於隨機變數序列{Xn}以概率1收斂於X即{Xn}依概率收斂於X.定理:若隨機變數序列{Xn}依概率收斂於X,則{Xn}依分佈收斂於X.證明:設隨機變數序列{Xn}和隨機變數X的分佈函數分別為{Fn(x)}和F(x),對任意的x,y∈R有{X≤y}={Xn≤x,X≤y}∪{Xnx,X≤y}?{Xn≤x}∪{Xnx,X≤y}從而F(y)≤Fn(x)+P{Xnx,X≤y}如果yx,由隨機變數序列{Xn}依概率收斂於X知P{Xnx,X≤y}≤P{|Xn-X|≥x-y}→0,(n→∞)同理,當xz時,有於是,當yxz時,有令y→x,z→x,即得如果x是F(x)的連續點,就有P{Xnx,X≤y}≤P{|Xn-X|≥x-y}→0,(n→∞)例:拋擲一枚均勻的硬幣,有兩個可能結果ω1=出現正面,ω2=出現反面,於是有P{ω1}=P{ω2}=1/2令則隨機變數X的分佈函數為若令Y(ω)=-X(ω),則Y(ω)與X(ω)有相同的分佈函數F(x),再令Xn(ω)=X(ω),則Xn(ω)的分佈函數Fn(x)=F(x),於是對任意的x∈R有但對任意識0ε2,恒有P{|Xn-Y|ε}=P{2|X|ε}=P{|X|ε/2}=1即不可能有{Xn}依概率收斂於Y.定理:隨機變數序列{Xn}依概率收斂於常數C的充要條件是:{Xn}的分佈函數列{Fn(x)}弱收斂於常數C的分佈函數F(x),即證明:必要性已證,下麵只證充分性.由於X≡C的分佈函數為對任意的ε0有P{|Xn-C|≥ε}=P{Xn≥C+ε}+P{Xn≤C-ε}≤1-Fn(C+ε/2)+Fn(C-ε)由於{Fn(x)}弱收斂於F(x),並注意到F(x)的運算式只在C點不連續,從而即{Xn}依概率收斂於常數C.§3.5弱收斂的判斷方法由於此定理表明了分佈函數與特徵函數的一一對應關係有連續性,因此該定理稱為特徵函數的連續性定理證明定理(辛欽大數定律):設{Xk}是相互獨立同分