กฎหมายจำนวนมากล้มเหลวเมื่อใด


13

คำถามก็คือสิ่งที่ระบุไว้ในชื่อเรื่อง: เมื่อไหร่กฎหมายจำนวนมากล้มเหลว? สิ่งที่ฉันหมายถึงคือในกรณีใดความถี่ของเหตุการณ์ที่ไม่น่าจะเป็นไปได้ทางทฤษฎี?

คำตอบ:


10

มีสองทฤษฎีบท (ของ Kolmogorov) และทั้งสองต้องการให้ค่าที่คาดหวังจะมี จำกัด ครั้งแรกถือเมื่อตัวแปรเป็น IID ที่สองเมื่อการสุ่มตัวอย่างเป็นอิสระและความแปรปรวนของXnตอบสนอง

n=1V(Xn)n2<

บอกได้เลยว่าทุกได้คาดว่าค่า 0 แต่ความแปรปรวนของพวกเขาคือn 2เพื่อให้อยู่ในสภาพที่เห็นได้ชัดว่าล้มเหลว จะเกิดอะไรขึ้น? คุณยังสามารถคำนวณค่าเฉลี่ยโดยประมาณได้ แต่ค่าเฉลี่ยนั้นจะไม่เป็น 0 ในขณะที่คุณสุ่มตัวอย่างมากขึ้นเรื่อย ๆ มันจะมีแนวโน้มที่จะเบี่ยงเบนมากขึ้นเรื่อย ๆ เมื่อคุณทำการสุ่มตัวอย่างXnn2

ลองยกตัวอย่าง สมมติว่าเป็นชุดU ( - n 2 n , n 2 n )เพื่อให้สภาพข้างบนล้มเหลวอย่างชัดเจนXnU(n2n,n2n)

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

โดยสังเกตว่า

X¯n=Xnn+n1nX¯n1,

เราจะเห็นจากการเหนี่ยวนำที่คำนวณเฉลี่ยอยู่เสมอภายในช่วงเวลา( - 2 n , 2 n ) โดยใช้สูตรเดียวกันสำหรับn + 1เรายังเห็นว่ายังมีโอกาสมากขึ้นกว่า1 / 8ที่ˉ X n + 1อยู่นอก( - 2 n , 2 n ) แท้จริงแล้วX n + 1X¯n(2n,2n)n+11/8X¯n+1(2n,2n)เป็นชุดU(-2n+1,2n+1)และตั้งอยู่นอก(-2n,2n)ที่มีความน่าจะเป็น1/4 ในทางกลับกันnXn+1n+1U(2n+1,2n+1)(2n,2n)1/4ที่อยู่ใน(-2n,2n)โดยการเหนี่ยวนำและสมมาตรมันเป็นบวกกับความน่าจะเป็น1/2 จากการสังเกตเหล่านี้เป็นไปตามทันทีว่า ˉ X n+1เป็นจำนวนมากกว่า2nหรือเล็กกว่า-2nแต่ละคนมีความน่าจะเป็นขนาดใหญ่กว่า1/16 เนื่องจากความน่าจะเป็นที่| ˉ X n+1| >nn+1X¯n(2n,2n)1/2X¯n+12n2n1/16มีค่ามากกว่า 1 / 8 , มีไม่สามารถบรรจบกันเป็น 0 เป็น nไปที่อินฟินิตี้|X¯n+1|>2n1/8n

ตอนนี้เฉพาะตอบคำถามของคุณพิจารณาเหตุการณ์ ถ้าฉันเข้าใจดีคุณถามว่า "เงื่อนไขต่อไปนี้เป็นเท็จหรือไม่?"A

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

ที่เป็นฟังก์ชั่นตัวบ่งชี้ของเหตุการณ์, เช่นถ้าและเป็นอย่างอื่นและมีการกระจายเหมือนกัน (และกระจายเช่น ) A 1 A ( X k ) = 1 X kA 0 X k X1AA 1A(Xk)=1XkA0XkX

เราเห็นว่าเงื่อนไขข้างต้นจะคงอยู่เนื่องจากความแปรปรวนของฟังก์ชันตัวบ่งชี้ถูกล้อมรอบด้วย 1/4 ซึ่งเป็นความแปรปรวนสูงสุดของตัวแปร Bernouilli 0-1 ยังคงเป็นสิ่งที่สามารถไปอย่างผิดปกติเป็นสมมติฐานที่สองของกฎหมายที่แข็งแกร่งของตัวเลขขนาดใหญ่คือการสุ่มตัวอย่างอิสระ หากตัวแปรสุ่มไม่ได้สุ่มตัวอย่างอย่างอิสระการบรรจบกันจะไม่ได้รับการประกันXk

ตัวอย่างเช่นถ้า =สำหรับทั้งหมดอัตราส่วนจะเป็น 1 หรือ 0 ไม่ว่าค่าใดของดังนั้นการลู่เข้าจะไม่เกิดขึ้น (ยกเว้นว่ามีความน่าจะเป็น 0 หรือ 1 แน่นอน) นี่คือตัวอย่างปลอมและสุดขีด ฉันไม่ได้ตระหนักถึงกรณีปฏิบัติที่การลู่เข้ากับความน่าจะเป็นทางทฤษฎีจะไม่เกิดขึ้น ยังคงมีศักยภาพถ้าสุ่มตัวอย่างไม่เป็นอิสระX 1 k n AXkX1knA


หนึ่งความคิดเห็น บนวิกิพีเดีย (หน้า lnl) ฉันได้อ่านว่าความไม่สิ้นสุดของความแปรปรวนเพียงชะลอการบรรจบกันของค่าเฉลี่ย แตกต่างจากสิ่งที่คุณระบุหรือไม่
emanuele

2
คุณสองคนกำลังคุยกันเรื่องกฎหมายเดียวกันหรือไม่? คำถามที่ถามเกี่ยวกับความถี่ของเหตุการณ์ที่เกิดขึ้นในขณะที่คำตอบนี้ดูเหมือนว่าจะมุ่งเน้นไปที่การกระจายการสุ่มตัวอย่างของค่าเฉลี่ย แม้ว่าจะมีการเชื่อมต่อ แต่ก็ยังไม่ปรากฏอย่างชัดเจนเท่าที่ฉันสามารถบอกได้
whuber

@whuber True ฉันมุ่งเน้นไปที่หัวเรื่องของคำถามมากเกินไป ขอบคุณสำหรับการชี้ ฉันอัพเดตคำตอบแล้ว
gui11aume

@ gui11aume ฉันไม่เข้าใจ "เราเห็นว่าเงื่อนไขข้างต้นจะคงอยู่เนื่องจากความแปรปรวนของฟังก์ชันตัวบ่งชี้ถูกล้อมรอบด้วย 1/4" มันหมายความว่าอะไร?
emanuele

1
หากมีการแจกจ่ายแบบเดียวกัน แต่ไม่เป็นอิสระขีด จำกัด ที่เป็นปัญหาอาจไม่มีอยู่เลย
พระคาร์ดินัล
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.