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,这一讲我们简单介绍一下Kolmogorov 0-1律。
假设{Xj}j≥1\{X_j\}_{j \ge 1}{Xj}j≥1是(Ω,F,P)(\Omega,\mathcal{F},P)(Ω,F,P)上的一列实值随机变量,定义
Fn=σ{Xn+1,Xn+2,⋯}\mathcal{F}_n = \sigma\{X_{n+1},X_{n+2},\cdots\}Fn=σ{Xn+1,Xn+2,⋯}
定义tail σ\sigmaσ-代数为
τ=∩n≥1Fn\tau = \cap_{n \ge 1}\mathcal{F}_nτ=∩n≥1Fn
称τ\tauτ中的事件为tail event,称τ\tauτ-可测的随机变量为tail random variable。
例 考虑下列事件是否是tail event:Bn∈B(R)B_n \in \mathcal{B}(\mathbb{R})Bn∈B(R)
- {w∈Ω:∑j≥1Xj(w)converges}\{w \in \Omega:\sum_{j \ge 1}X_j(w)\ converges\}{w∈Ω:∑j≥1Xj(w) converges}
- {w∈Ω:∑j≥1Xj(w)=2}\{w \in \Omega:\sum_{j \ge 1}X_j(w)=2\}{w∈Ω:∑j≥1Xj(w)=2}
- {w∈Ω:∃limnXn(w)}\{w \in \Omega:\exists \lim_{n}X_n(w)\}{w∈Ω:∃limnXn(w)}
- {w∈Ω:Xn(w)∈Bni.o.}\{w \in \Omega:X_n(w) \in B_n\ i.o.\}{w∈Ω:Xn(w)∈Bn i.o.}
- {w∈Ω:Xn(w)∈Bne.v.}\{w \in \Omega:X_n(w) \in B_n\ e.v.\}{w∈Ω:Xn(w)∈Bn e.v.}
- {w∈Ω:limnSn(w)/n=4}\{w \in \Omega:\lim_n S_n(w)/n=4\}{w∈Ω:limnSn(w)/n=4}
先说答案,除了第二个不是tail event,其他的都是tail event。有一种比较直观的方法是看事件是否受到X1X_1X1或者X1,⋯,XcX_1,\cdots,X_cX1,⋯,Xc的影响,c<<nc<<nc<<n,比如第二个事件中的级数显然是每一项都非常重要,2的值主要是由前几项给出来的,后续的无穷项都为0,第一项与第二项的区别在于第一项只要求级数收敛,而不需要给定级数的值,因此按照级数收敛性的判定,它与前几项并无关系。其他事件与前几项都无关系,比如第三项和第六项的极限,极限讨论的就是尾部性质,所以自然是尾部事件,第四项与第五项根据定义就知道与前几项无关。
Kolmogorov 0-1律
假设{Xj}j≥1\{X_j\}_{j \ge 1}{Xj}j≥1独立,则τ\tauτ是一个trivial σ\sigmaσ-代数,即
∀A∈τ,P(A)=0or1\forall A \in \tau,P(A)=0\ or \ 1∀A∈τ,P(A)=0 or 1
评述
回顾一下强大数定律(Kolmogorov),假设X1,⋯,Xn,n≥1X_1,\cdots,X_n,n\ge 1X1,⋯,Xn,n≥1是iid的随机变量,E∣X1∣<∞E|X_1|<\inftyE∣X1∣<∞,则
Xˉ→asEX1\bar X \to_{as} EX_1Xˉ→asEX1
记A={w∈Ω:Sn(w)/n→EX1}A = \{w \in \Omega:S_n(w)/n \to EX_1\}A={w∈Ω:Sn(w)/n→EX1},上面的例题第六条说明A∈τA \in \tauA∈τ,根据Kolmogorov 0-1律,P(A)=0or1P(A)=0\ or\ 1P(A)=0 or 1,但实际上Kolmogorov 0-1律只能给出这个结果了,因为尽管我们知道了这个概率要么是0,要么是1,但我们在计算这个概率前也是不知道它到底是0还是1的,但至少Kolmogorov 0-1律可以作为一个必要条件。
证明
有一个非常有用的观察:
P(A)=0or1⇔P(A∩A)=P(A)=P(A)P(A)P(A)=0\ or\ 1 \Leftrightarrow P(A\cap A) = P(A)=P(A)P(A)P(A)=0 or 1⇔P(A∩A)=P(A)=P(A)P(A)
也就是说AAA与自己独立,于是我们可以通过说明AAA与自己独立来证明Kolmogorov 0-1律。
因为A∈τA \in \tauA∈τ,所以∃N∈N\exists N \in \mathbb{N}∃N∈N, ∀m≥N\forall m \ge N∀m≥N, A∈FmA \in \mathcal{F}_mA∈Fm,记Gn=σ{X1,⋯,Xn}\mathcal{G}_n=\sigma\{X_1,\cdots,X_n\}Gn=σ{X1,⋯,Xn},如果n<mn<mn<m,则Gn\mathcal{G}_nGn与AAA独立,进一步可以得到AAA与∪n≥1Gn\cup_{n \ge 1}\mathcal{G}_n∪n≥1Gn独立,记C1={A},C2=∪n≥1GnC_1 = \{A\},C_2 = \cup_{n \ge 1}\mathcal{G}_nC1={A},C2=∪n≥1Gn,则C1,C2C_1,C_2C1,C2都是π\piπ-类:
C2C_2C2是π\piπ-类因为E1,E2∈C2E_1,E_2 \in C_2E1,E2∈C2, ∃n1,n2,E1∈G1,E2∈G2\exists n_1,n_2,E_1 \in \mathcal{G}_1,E_2 \in \mathcal{G}_2∃n1,n2,E1∈G1,E2∈G2,E1∩E2∈Gmax(n1,n2)⊂C2E_1\cap E_2 \in \mathcal{G}_{\max(n_1,n_2)} \subset C_2E1∩E2∈Gmax(n1,n2)⊂C2。
因此σ(C1)\sigma(C_1)σ(C1)与σ(C2)\sigma(C_2)σ(C2)独立,其中σ(C2)=σ{X1,X2,⋯}\sigma(C_2)=\sigma\{X_1,X_2,\cdots\}σ(C2)=σ{X1,X2,⋯}, σ(C1)={ϕ,A,AC,Ω}\sigma(C_1)=\{\phi,A,A^C,\Omega\}σ(C1)={ϕ,A,AC,Ω},因为A∈τ⊂σ{X1,X2,⋯}A \in \tau \subset \sigma\{X_1,X_2,\cdots\}A∈τ⊂σ{X1,X2,⋯},于是AAA与自己独立。
UA MATH563 概率论的数学基础 中心极限定理15 Kolmogorov 0-1律相关推荐
- 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14 Kolmogorov maximal inequality
UA MATH563 概率论的数学基础 中心极限定理14 Kolmogorov maximal inequality 这一讲介绍一个有用的不等式,它给出了独立随机变量的和的最值的tail probab ...
- UA MATH563 概率论的数学基础 中心极限定理7 Kolmogorov extension theorem及其扩展
UA MATH563 概率论的数学基础 中心极限定理7 Kolmogorov extension theorem及其扩展 上一讲为了构造包含无限个独立随机变量的序列,我们使用了Kolmogorov e ...
- 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 ...
最新文章
- JS 截取字符串及字符与数字转换
- mysql killed 不掉,解决:kernel: Out of memory: Killed process 15967, UID 27, (mysqld).
- 在Dubbo中使用高效的Java序列化(Kryo和FST)
- 04 canvas——位移画布和旋转缩放
- 开机发现超级管理员账户不见了
- c ++查找字符串_C ++结构| 查找输出程序| 套装2
- java期末项目实验答辩毕业设计工程项目源码
- 文档理解最新技术介绍 | DAS 2020 Keynote Speech
- leetcode探索动态规划(二)
- java aspose 给Word添加水印
- 【FND】EBS中Java并发程序开发
- Windows Project2016如何增加加班工时。
- emd matlab工具箱,Matlab-EMD工具箱
- 高效而稳定的企业级.NET Office 组件Spire(.NET组件介绍之二)
- HDU2604Queuing
- 五年JAVA开发,一份简历搞定面试官!
- 第一章 汽车电子控制系统
- 学习报告2020-6-30
- ZooKeeper客户端源码(一)——向服务端建立连接+会话建立+心跳保持长连接
- 计算机作业ppt能用wps吗,WPS演示怎么设置PPT可以在未安装WPS的电脑上打开?