9 votos

La convergencia en probabilidad, no casi seguro

Este es un clásico ejemplo de la convergencia en probabilidad, pero no casi seguramente, pero estoy tratando de demostrar rigurosamente como oposición a ", argumentando en contra de la" casi seguro de convergencia. $\DeclareMathOperator{\Pb}{\mathbf{P}}$ $\DeclareMathOperator{\Unif}{\mathsf{Uniform}}$

Definición 1

Una secuencia de variables aleatorias, $X_n$, se dice que converge en probabilidad si para cualquier número real $\epsilon > 0$ $$ \lim_{n \to \infty} \Pb(|X_n - X | > \epsilon ) \to 0$$

Definición 2

Una secuencia de variables aleatorias $X_n$, se dice que converge casi seguramente (un.s.) un límite si $$\Pb(\lim_{n \to \infty} X_n = X) = 1$$

Recordemos también que una secuencia de números reales $a_n$ converge a un límite de $a$ si por cualquier $\epsilon > 0$ existe un gran valor suficientemente $N$, de modo que $|a_n - a| < \epsilon $ todos los $n \geq N$. En otras palabras, la diferencia entre la secuencia y el límite es uniformemente pequeñas después de algún punto de la secuencia.


La Pregunta

Deje $U \sim \Unif(0,1)$. Para $n = 2^k + m$ donde $k \geq 0$ $0 \leq m \leq 2^k - 1$ definir las funciones $f_n : [0, 1) \to \{0,1\}$ como sigue $$ f_n(x) = \begin{cases} 1 & \text{if } {m \over 2^k} \leq x < {m +1 \over 2^k} \\ 0 & \text{o.w.} \end{casos} $$

  • ¿Cuál es la distribución de $f_n(U)$$n = 2^k + m$$k \geq 0$$ 0 \leq m \leq 2^k - 1$?

  • El uso de la parte anterior, muestran que $X_n := f_n(U)$ converge a $0$ en la probabilidad.

  • Demostrar que para cualquier fijo $x \in (0,1)$, $f_n(x) = 1$ para un número infinito de valores de $n$. El uso de este hecho, razón por la $X_n = f_n(U)$ no converge a 0 casi seguramente.


Mi Trabajo

$f_n(U)$ es igual a $1$ con una probabilidad de ${1 \over 2^k}$ $0$ lo contrario. Este se encarga de la distribución, a continuación, mostrar que $X_n$ no converge en probabilidad, $$\Pb(|X_n - 0| > \epsilon) = \Pb(X_n = 1) = {1 \over 2^k}$$ As $n \to \infty$, for $k = \lfloor \log_2 n\rfloor $ we have that $k \to \infty$, hence $${1 \over 2^k} = \Pb(|X_n - 0| > \epsilon) \to 0$$

Esta es la parte que he visto a menudo ligeramente escamoteada. También es la parte que yo soy claro. Quiero arreglar un $x$, y mostrar que hay un $N$, de modo que $X_n$ todos los $n \geq N$ es uniformemente cerca de $0$. Sin embargo, realmente no estoy seguro de cómo hacer esto. He intentado trabajar con el binario expansiones de mi fijo $x$.

Gracias por la ayuda.

5voto

Nikolai Prokoschenko Puntos 2507

Parece que hay cierta confusión acerca de la distribución o de la probabilidad o casi seguramente.

$$\Pb(|X_n - 0| > \epsilon) = \Pb(X_n = 1) = {1 \over 2^k}$$

implica $X_n \to 0$ en la distribución o en la probabilidad como el lado derecho puede hacerse arbitrariamente pequeña: va a ser menos que cualquier $\epsilon$ $0 \lt \epsilon \lt 1$ si $n \gt N =\lceil 1 - \log_2(\epsilon)\rceil$.

No convergen a $0$ casi seguramente como el pointwise fracaso a converger $X_n \not\to 0$ es el total de $(0,1)$ a que, dada la probabilidad de medida de $U$ probabilidad de $1$ en lugar de $0$.

Agregó

Para cada $x \in (0,1)$ y y cada entero positivo $k$ hay un $n$ tal que $f_n(x)=1$ es decir $n=2^k + \lfloor x2^k\rfloor$.

Por lo $f_n(x)=1$ infinitamente a menudo para todas las $x \in (0,1)$ $X_n$ no converge casi seguramente a $0$.

i-Ciencias.com

I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.

Powered by:

X