Büyük sayıların yasası ne zaman başarısız olur?


Yanıtlar:


10

(Kolmogorov'un) iki teoremi vardır ve her ikisi de beklenen değerin sonlu olmasını gerektirir. Birincisi değişkenler IID olduğunda, ikincisi örnekleme bağımsız olduğunda ve varyansı tatmin olduğundaXn

n=1V(Xn)n2<

Tüm değerinin beklenen 0 değerine sahip olduğunu , ancak varyanslarının olduğunu ve koşulun açıkça başarısız olduğunu varsayalım. O zaman ne olacak? Yine de tahmini bir ortalama hesaplayabilirsiniz, ancak daha derin ve daha derin örneklemede bu ortalama 0'a eğilimli olmaz. Siz örneklemeye devam ettikçe daha fazla sapma eğilimi gösterecektir.Xnn2

Bir örnek verelim. Ki bu üniform böylece durumu üzerinde epically başarısız olur.XnU(n2n,n2n)

n=1V(Xn)n2=n=1n222n+2121n2=13n=14n=.

Bunu not ederek

X¯n=Xnn+n1nX¯n1,

indüksiyonla, hesaplanan ortalama aralığının daima aralığında olduğunu görürüz . Aynı formül kullanılarak , aynı zamanda daha fazla şans her zaman olduğu görülmektedir olduğu Dışında kalan . Gerçekten, tek tip ve dışarıda olasılıkla . Öte yandan, olan endüksiyon ile, ve simetri ile bu olasılık ile pozitif olanX¯n(2n,2n)n+11/8X¯n+1(2n,2n)Xn+1n+1U(2n+1,2n+1)(2n,2n)1/4nn+1X¯n(2n,2n)1/2. Bu gözlemlerden hemen sonra in veya küçük olduğu ve her birinin 1 büyük bir olasılık olduğu . Olasılıktan beri büyükse , sonsuza giderken 0'a yakınsama olamaz .X¯n+12n2n1/16|X¯n+1|>2n1/8n

Şimdi, sorunuzu özellikle cevaplamak için olayını düşünün . İyi anladıysam, "aşağıdaki ifade hangi koşullarda yanlıştır?"A

limn1nk=1n1A(Xk)=P(XA),[P]a.s.

burada göstergesi olay fonksiyonudur , yani ise ve , aksi ve eşit dağıtılmış (ve bu gibi dağıtılmış ).1AA 1A(Xk)=1XkA0XkX

Yukarıdaki koşulun geçerli olacağını görüyoruz, çünkü bir gösterge fonksiyonunun varyansı, bir Bernouilli 0-1 değişkeninin maksimum varyansı olan 1/4 ile sınırlıdır. Yine de, yanlış gidebilecek şey, büyük sayıların güçlü yasasının, yani bağımsız örneklemenin ikinci varsayımıdır . Rastgele değişkenler bağımsız olarak örneklenmezse yakınsama sağlanamaz.Xk

Örneğin, tüm için = ise , değeri ne olursa olsun, oran 1 veya 0 olacaktır , bu nedenle yakınsama meydana gelmez ( elbette 0 veya 1 olasılığı yoksa). Bu sahte ve aşırı bir örnek. Teorik olasılığa yakınsamanın olmayacağı pratik durumların farkında değilim. Yine de, örnekleme bağımsız değilse potansiyel vardır.XkX1knA


Bir yorum. Vikipedi'de (lnl sayfası) varyansın sonlu olmamasının sadece ortalama değerin yakınsamasını yavaşlattığını okudum. Belirttiğinizden farklı mı?
emanuele

2
Siz ikiniz aynı yasayı tartışıyor musunuz? Soru , olayların sıklıklarını sorarken , bu cevap bir ortalamanın örnekleme dağılımına odaklanıyor gibi görünmektedir . Her ne kadar bir bağlantı olsa da, henüz anlatabildiğim kadarıyla burada açıkça ortaya çıkmadı.
whuber

@whuber Doğru. Sorunun başlığına çok fazla odaklandım. Gösterdiğiniz için teşekkürler. Cevabı güncelledim.
gui11aume

@ gui11aume "Yukarıdaki durumun geçerli olacağını görüyoruz, çünkü bir gösterge fonksiyonunun sapması 1/4 ile sınırlanmıştır." Ne anlama geliyor?
emanuele

1
Aynı şekilde dağıtılmışlarsa, ancak bağımsız değilse, söz konusu sınır hiç mevcut olmayabilir.
kardinal
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.