UA MATH563 概率论的数学基础 中心极限定理3 推导一元随机变量独立性的判断方法
UA MATH563 概率论的数学基础 中心极限定理3 推导一元随机变量独立性的判断方法
上一讲我们基于测度论定义了事件、事件序列、σ\sigmaσ-代数与随机变量的独立性,并给出了基于π−λ\pi-\lambdaπ−λ定理导出的独立性的判断方法,这一讲我们的目标是基于这个判断方法导出判断我们最常用的一元随机变量独立性的方法。我们先列出上一讲导出的定理:
定理 假设Ai,1≤i≤n\mathcal{A}_i,1 \le i \le nAi,1≤i≤n是一列独立的π\piπ-类,则σ(Ai),1≤i≤n\sigma(A_i),1 \le i \le nσ(Ai),1≤i≤n独立。
现在讨论随机变量Xi:(Ω,F,P)→(R,B(R)),1≤i≤nX_i:(\Omega,\mathcal{F},P) \to (\mathbb{R},\mathcal{B}(\mathbb{R})),1 \le i \le nXi:(Ω,F,P)→(R,B(R)),1≤i≤n,上一讲我们定义了随机变量序列的独立性,如果σ(Xi)\sigma(X_i)σ(Xi)互相独立,则XiX_iXi独立,其中
σ(Xi)={Xi−1(B):B∈B(R)}\sigma(X_i) = \{X_i^{-1}(B):B \in \mathcal{B}(\mathbb{R})\}σ(Xi)={Xi−1(B):B∈B(R)}
要用定理说明σ(Xi)\sigma(X_i)σ(Xi)互相独立,我们需要找到可以生成σ(Xi)\sigma(X_i)σ(Xi)的一个π\piπ-类,回顾一下在实分析中,我们介绍过Borel代数的构造:
Proposition 1.2 B(R)\mathcal{B}(\mathbb{R})B(R) contains all open intervals, closed intervals, half-open intervals, open rays and closed rays.
也就是说Borel代数可以由一种特定的区间族生成,我们有下面几种不同的选项:
- {(−∞,x]:x∈R}\{(-\infty,x]:x \in \mathbb{R}\}{(−∞,x]:x∈R}
- {(−∞,x):x∈R}\{(-\infty,x):x \in \mathbb{R}\}{(−∞,x):x∈R}
- {[x,+∞):x∈R}\{[x,+\infty):x \in \mathbb{R}\}{[x,+∞):x∈R}
- {(x,+∞):x∈R}\{(x,+\infty):x \in \mathbb{R}\}{(x,+∞):x∈R}
- {(x,y):x,y∈R}\{(x,y):x,y \in \mathbb{R}\}{(x,y):x,y∈R}
- {[x,y]:x,y∈R}\{[x,y]:x,y \in \mathbb{R}\}{[x,y]:x,y∈R}
这六种集族每一种都可以生成Borel代数B(R)\mathcal{B}(\mathbb{R})B(R),于是接下来我们要做的是分别验证这六种集族以及是否是π\piπ-类,事实上这六种集族都是π\piπ-类,简单验证任意两个集合的交也在集族中即可,下面举三个例子,剩下的留给读者。
第一种:(∞,x]∩(−∞,y]=(−∞,min(x,y)](\infty,x] \cap (-\infty,y]=(-\infty,\min(x,y)](∞,x]∩(−∞,y]=(−∞,min(x,y)],所以是π\piπ-类;
第四种:(x,+∞)∩(y,+∞)=(max(x,y),+∞)(x,+\infty)\cap (y,+\infty) = (\max(x,y),+\infty)(x,+∞)∩(y,+∞)=(max(x,y),+∞),所以是π\piπ-类;
第六种:[x,y]∩[a,b]=[max(a,x),min(b,y)][x,y] \cap [a,b]=[\max(a,x),\min(b,y)][x,y]∩[a,b]=[max(a,x),min(b,y)],所以是π\piπ-类。
现在根据定理,只要集族是独立的,那么随机变量就是独立的,于是我们可以获得下面六种判别方法:
定理 一元随机变量独立性的判断方法
随机变量序列Xi:(Ω,F,P)→(R,B(R)),1≤i≤nX_i:(\Omega,\mathcal{F},P) \to (\mathbb{R},\mathcal{B}(\mathbb{R})),1 \le i \le nXi:(Ω,F,P)→(R,B(R)),1≤i≤n独立的充分条件是(下列六个等价条件中任意一个即可)
- P(X1≤x1,⋯,Xn≤xn)=∏i=1nP(Xi≤xi)P(X_1 \le x_1,\cdots,X_n \le x_n)=\prod_{i=1}^n P(X_i \le x_i)P(X1≤x1,⋯,Xn≤xn)=∏i=1nP(Xi≤xi)
- P(X1<x1,⋯,Xn<xn)=∏i=1nP(Xi<xi)P(X_1< x_1,\cdots,X_n< x_n)=\prod_{i=1}^n P(X_i < x_i)P(X1<x1,⋯,Xn<xn)=∏i=1nP(Xi<xi)
- P(X1≥x1,⋯,Xn≥xn)=∏i=1nP(Xi≥xi)P(X_1 \ge x_1,\cdots,X_n \ge x_n)=\prod_{i=1}^n P(X_i \ge x_i)P(X1≥x1,⋯,Xn≥xn)=∏i=1nP(Xi≥xi)
- P(X1>x1,⋯,Xn>xn)=∏i=1nP(Xi>xi)P(X_1 > x_1,\cdots,X_n > x_n)=\prod_{i=1}^n P(X_i > x_i)P(X1>x1,⋯,Xn>xn)=∏i=1nP(Xi>xi)
- P(x1≤X1≤y1,⋯,xn≤Xn≤yn)=∏i=1nP(xi≤Xi≤yi)P(x_1 \le X_1 \le y_1,\cdots,x_n \le X_n \le y_n)=\prod_{i=1}^n P(x_i \le X_i \le y_i)P(x1≤X1≤y1,⋯,xn≤Xn≤yn)=∏i=1nP(xi≤Xi≤yi)
- P(x1<X1<y1,⋯,xn<Xn<yn)=∏i=1nP(xi<Xi<yi)P(x_1 < X_1 < y_1,\cdots,x_n < X_n < y_n)=\prod_{i=1}^n P(x_i<X_i < y_i)P(x1<X1<y1,⋯,xn<Xn<yn)=∏i=1nP(xi<Xi<yi)
UA MATH563 概率论的数学基础 中心极限定理3 推导一元随机变量独立性的判断方法相关推荐
- UA MATH563 概率论的数学基础 中心极限定理4 独立一元随机变量的性质
UA MATH563 概率论的数学基础 中心极限定理4 独立一元随机变量的性质 上一讲我们建立了判断一元随机变量独立性的方法,这一讲我们来推导一些关于一元随机变量独立性的性质. 性质1 ∀1≤i≤n, ...
- UA MATH563 概率论的数学基础 中心极限定理22 度量概率空间中的弱收敛 Portmanteau定理
UA MATH563 概率论的数学基础 中心极限定理22 度量概率空间中的弱收敛 Portmanteau定理 现在我们讨论度量空间中的弱收敛,假设(Ω,d)(\Omega,d)(Ω,d)是一个度量空间 ...
- UA MATH563 概率论的数学基础 中心极限定理24 随机变量的特征函数
UA MATH563 概率论的数学基础 中心极限定理24 随机变量的特征函数 定义 假设XXX是定义在(Ω,F,P)(\Omega,\mathcal{F},P)(Ω,F,P)上的随机变量,定义 ϕ(t ...
- UA MATH563 概率论的数学基础 中心极限定理23 概率测度族的紧性
UA MATH563 概率论的数学基础 中心极限定理23 概率测度族的紧性 给定一个度量可测空间(Ω,F)(\Omega,\mathcal{F})(Ω,F),度量为ddd,我们可以在这个可测空间上定义 ...
- UA MATH563 概率论的数学基础 中心极限定理21 Skorohod定理的证明
UA MATH563 概率论的数学基础 中心极限定理21 Skorohod定理的证明 Skorohod定理 如果Fn⇒FF_n \Rightarrow FFn⇒F,则存在以FnF_nFn为cdf的 ...
- UA MATH563 概率论的数学基础 中心极限定理20 弱收敛的性质
UA MATH563 概率论的数学基础 中心极限定理20 弱收敛的性质 性质一:两种定义的等价性 随机变量依分布收敛 定义一: 假设{Xn}\{X_n\}{Xn}是一列随机变量,称它依分布收敛到XX ...
- UA MATH563 概率论的数学基础 中心极限定理17 0-1律的应用
UA MATH563 概率论的数学基础 中心极限定理17 0-1律的应用 第14讲到第16讲我们介绍了Kolmogorov非常著名的几大定理(如下),事实上Kolmogorov开发出这些定理的目标是证 ...
- UA MATH563 概率论的数学基础 中心极限定理16 Kolmogorov 3-series定理
UA MATH563 概率论的数学基础 中心极限定理16 Kolmogorov 3-series定理 考虑∑n≥1an\sum_{n \ge 1}a_n∑n≥1an,这个级数收敛的充要条件是它的部 ...
- UA MATH563 概率论的数学基础 中心极限定理15 Kolmogorov 0-1律
UA MATH563 概率论的数学基础 中心极限定理15 Kolmogorov 0-1律 如果是初见的话会觉得Kolmogorov 0-1律看上去很奇怪,但它在概率论中有很广泛的应用,这一讲我们简单介 ...
最新文章
- oracle goldengate报错解决之OGG-00446
- STM32 基础系列教程 33 - Lwip_tcp_client
- 如何在Windows上设置BitLocker加密
- ASP.NET MVC 入门2、项目的目录结构与核心的DLL
- mysql 高效分页存储过程_mysql分页存储过程
- torch -index_select()、Pytorch 之修改Tensor部分值、pytorch中Tensor的数据类型
- android studio2.3.6,Android Studio 2.3 问题汇总 - 解决一切障碍,为了更好的时代
- php安装mamcache扩展时报错
- Dijkstra算法(matlab实现)
- Adobe Flash Player32 离线安装包及菁苗软件打开白屏的解决方法
- 探秘Google新搜索引擎算法
- Android11 强制所有APP 横屏显示
- DeepMind黄士杰:深度学习有创造性,正参与星际2项目
- github加速插件(google浏览器)
- java.lang.IllegalStateException: response alrea...
- Technical support(技术支持)
- unsteady_rel_perm案例学习
- 一文搞懂各大APP网站python网络爬虫
- 数字媒体概论——2D图像图形
- 看,2021年,一个普通应届生的成长之旅
热门文章
- Python入门IDE选择
- 151. 翻转字符串里的单词
- Learn About Service Cloud for Agents
- Windows 微信兼容性问题:微信截图放大解决办法。
- leetcode C++ 2. 两数相加 给出两个 非空 的链表用来表示两个非负的整数。其中,它们各自的位数是按照 逆序 的方式存储的,并且它们的每个节点只能存储 一位 数字。 如果,我们将这两个数
- STM32单片机硬件I2C驱动程序(查询方式)
- norm--求矩阵和向量的范数
- 十三种基于直方图的图像全局二值化算法原理、实现、代码及效果。
- 必须采用初始化列表一共有三种情况
- LeetCode215:数组中第K个最大元素