令 为具有 的伯努利随机变量的三角阵列。假设
求 的极限分布。
|
我们将证明它收敛于参数为
的泊松分布。泊松分布的特征函数为
。我们证明特征函数
收敛于
,这意味着结果成立。
. 根据我们的假设,这收敛于
.
令 是一个独立同分布随机变量序列,在 上服从均匀分布。证明
以概率 1 存在,并计算其值。
|
令
.
.
随机变量
是独立同分布的,并且具有有限的均值,
.
因此,大数定律 意味着
以概率 1 收敛到
.
所以几乎可以确定,
收敛到
且
收敛到
.
由于
是一个鞅,
是一个非负的次鞅,并且
,因为
是平方可积的。因此,
满足杜布鞅不等式的条件,因此结果成立。
![{\displaystyle =E[(X-E[X|{\mathcal {G}}_{2}])^{2}]+E[(E[X|{\mathcal {G}}_{2}]-E[X|{\mathcal {G}}_{1}])^{2}]+2E[(X-E[X|{\mathcal {G}}_{2}])(E[X|{\mathcal {G}}_{2}]-E[X|{\mathcal {G}}_{1}])]}](https://wikimedia.org/api/rest_v1/media/math/render/svg/6f2c7a758b3f43175ca8f297680bb90fb33c600e)
我们将证明第三项为零。然后,由于第二项非负,因此结果成立。
由全概率定律得出。
, 因为
是
-可测的。
最后,![{\displaystyle E[(X-E[X|{\mathcal {G}}_{2}])|{\mathcal {G}}_{2}]=E[X|{\mathcal {G}}_{2}]-E[E[X|{\mathcal {G}}_{2}]|{\mathcal {G}}_{2}]=E[X|{\mathcal {G}}_{2}]-E[X|{\mathcal {G}}_{2}]=0}](https://wikimedia.org/api/rest_v1/media/math/render/svg/d29b5dceec5916e92711152c23f14471a88fa68d)
考虑一个随机变量序列 ,使得 。假设 并且
证明 (a.) ![{\displaystyle P[X_{n}=1{\text{ for some n}}]=1.}](https://wikimedia.org/api/rest_v1/media/math/render/svg/7bcad33491c06ed17e83cb6dc5613663bbcc748f) (b). ![{\displaystyle P[X_{n}=1{\text{ infinitely often}}]=1.}](https://wikimedia.org/api/rest_v1/media/math/render/svg/ad4ed33832a8115220044b2a71089b54b491f4b9)
|
我们证明
. 如果
仅对有限个
成立,那么存在一个最大的索引
使得
. 我们证明相反地,对于所有
,
.
首先注意到,
以及
.
设
为事件
,则
.
注意到
且
。因此
且
。因此,
,我们得到了想要的结论。