首先是两种不同的收敛形式,即几乎必然收敛(converge almost surely, 简称a.s.收敛)和依概率收敛(converge in probability, 简称i.p.收敛). 在概率空间中,a.s.收敛强于i.p.收敛. 现在来说大数定律. 大数定律所讨论的问题是,对于一个随机变量序列 (没有要求i.i.d.),记 ,我们希望找到两个非随机实数列 ,使得 . 如果这里的收敛性是a.s.收敛,就称为强大数律; 如果收敛性是i.p.收敛,就称为弱大数律. 如果任意给一列随机变量,显然我们并不一定能找到合适的 使得 成立. 因此我们需要给 加上一定的的条件,来保证可以找到这样的 .而给 加上不同的条件,也就得到了不同的强/弱大数定律,它们通常用证明该定理的数学家名字来命名. 比较常用的是 i.i.d.并且期望存在条件下的强大数定律,这时我们取 ,就有:
但是有时候独立同分布是很难办到的,往往我们只能得到独立序列,不能满足同分布,这时如果满足一些二阶矩条件,我们又有下面的强大数定律:
下面再给一个弱大数律的例子,它的条件相比前两个强大数律更弱了,甚至不要求期望存在,所以就只能得到依概率收敛. 强大数定律亦不要求方差有限,强大数定律和弱大数定律的条件完全相同,只是结论不同。要求方差有限的乃是中心极限定理。 下图截取自 Rick Durret 的概率论教材《Probability: Theory and Examples》第三版,世界图书出版公司, 2009年出版。 知乎用户 收录于 编辑推荐 · 强弱大数定律都是在说:随着样本数的增大,用样本的平均数来估计总体的平均数,是靠谱的。 1. 强弱大数定律的前提条件一样:要求独立同分布iid的随机序列,要求其期望存在。 3. 弱大数定律和强大数定律的区别在于,前者是“依概率收敛(convergence in probability)”,后者是“几乎确定收敛(almost surely convergence)或以概率为1收敛、几乎处处收敛”。 3.1 依概率收敛的例子: 图中的黑线表示一个随机数列,这个数列在大约n=200之后进入了一个我们定的小边界(用虚线表示),之后我们可以确定,它再也不会超出虚线所表示的边界(超出这个边界的概率是0)。跟上面的例子一样,虚线所表示的边界可以定得任意小,而一定会有一个n值,当这个数列超过了n值之后,超出这个边界的概率就是0了。 弱大数定律是较早被数学家最早证明的,即对于独立同分布的随机序列,只要总体均值存在,那么样本均值会随着n增大而“依概率收敛”到总体均值,就是弱大数定律。 参考: 感谢 博士的指点,感谢 的批评。拜谢。 尽可能接近这个世界的真相 的答案已经说得很清楚了,这里我主要想结合公式谈一谈对这个问题的理解。 若干描述不正确的地方已经修改,感谢 的指正!(另外知乎这个公式编辑器在编辑状态下,带有括号的公式老不显示,不知道啥情况,修改起来太麻烦了,编辑器也各种bug) 首先大数定律想要证明当对一个随机变量进行无限次采样时,得到的平均值会无限接近真实的期望值。 强大数定律想证明:采样的次数越多,平均值几乎一定越来接近真实期望值; 弱大数定律想证明:采样的次数越多,平均值接近真实期望值的可能性越来越大。 首先用公式描述下强大数定律和弱大数定律。 问题是: 设这些变量相互独立,是服从同一分布的随机变量序列,; ,是该随机变量序列。 强大数定律认为: ; 弱大数定律认为: ; 先用直观的语言来描述下,强大数定律和弱大数定律的区别主要在于: 强大数定律能证明当时,几乎一定能不断接近真实的,也就是说几乎是不断朝着接近的方向去的; 弱大数定律能证明当时,接近真实的的可能性会越来越大,也就是说是朝着接近的方向去的可能性越来越大,但是也有极小的可能朝着反方向。 下面我们来说明下这两者的区别: 我们对比下上面的公式,一个lim写在P里面,一个lim写在P外边,只是变换下位置含义就不同。我们把公式极限的部分改写下,改写成下面的形式也许会更直观。 强大数定律: ,当时, ; 弱大数定律: , , , 当时, ; 下面照着上面去掉极限的公式看,我们来说明下这二者的含义。 强大数定律: 随着不断增大,这件事是必然发生的; 即随着不断增大,几乎一定能不断接近真实的。 弱大数定律: 随着不断增大,这件事发生的概率是逐渐增大的; 随着 不断增大,越有可能接近真实的。 提下收敛、几乎确定收敛、按概率收敛的概念,几乎确定收敛对应强大数定律,按概率收敛对应弱大数定律。 设是一个随机变量序列,是一个常数, 收敛: , 即,当时,, 记作,称收敛于。 几乎确定收敛: , ,当时, ; 记作 ,称 几乎确定收敛于 。 按概率收敛: , , , , 当时, ; 我们又记作,我们又叫按概率收敛于。 弱大数定律就是实用版,依概率收敛在大多数情况下足够用了。 Song Yang 提到的强大数定律并不是最强的版本。Etemadi在1981年证明只要X1,X2,...两两独立并且同分布,期望存在,那么强大数定律就成立。见An elementary proof of the strong law of large numbers 谢谢你如此好看还为我点赞 依概率收敛:, 是任意常数 a.s.收敛: 弱大数律和强大数律只是按照收敛的方式区别的称法。 强大数律成立充要条件是X绝对值的期望存在。 弱大数律成立充要条件是,极限行为是, ,同样在Durrett的书中可以找到该结论。最简单的服从弱大数律却不服从强大数律的例子为 类似于pareto分布。显然, 但X绝对值的期望是无穷 又土又穷 我也来凑个数。Runze 把强弱大数定理已经说得很清楚了。其实大数定理的证明并没有那么复杂。一旦证明了式子(3-42),恩,一切都豁然开朗。 |
|