UA MATH563 概率论的数学基础 中心极限定理3 推导一元随机变量独立性的判断方法
UA MATH563 概率論的數(shù)學(xué)基礎(chǔ) 中心極限定理3 推導(dǎo)一元隨機(jī)變量獨(dú)立性的判斷方法
上一講我們基于測度論定義了事件、事件序列、σ\sigmaσ-代數(shù)與隨機(jī)變量的獨(dú)立性,并給出了基于π?λ\pi-\lambdaπ?λ定理導(dǎo)出的獨(dú)立性的判斷方法,這一講我們的目標(biāo)是基于這個判斷方法導(dǎo)出判斷我們最常用的一元隨機(jī)變量獨(dú)立性的方法。我們先列出上一講導(dǎo)出的定理:
定理 假設(shè)Ai,1≤i≤n\mathcal{A}_i,1 \le i \le nAi?,1≤i≤n是一列獨(dú)立的π\(zhòng)piπ-類,則σ(Ai),1≤i≤n\sigma(A_i),1 \le i \le nσ(Ai?),1≤i≤n獨(dú)立。
現(xiàn)在討論隨機(jī)變量Xi:(Ω,F,P)→(R,B(R)),1≤i≤nX_i:(\Omega,\mathcal{F},P) \to (\mathbb{R},\mathcal{B}(\mathbb{R})),1 \le i \le nXi?:(Ω,F,P)→(R,B(R)),1≤i≤n,上一講我們定義了隨機(jī)變量序列的獨(dú)立性,如果σ(Xi)\sigma(X_i)σ(Xi?)互相獨(dú)立,則XiX_iXi?獨(dú)立,其中
σ(Xi)={Xi?1(B):B∈B(R)}\sigma(X_i) = \{X_i^{-1}(B):B \in \mathcal{B}(\mathbb{R})\}σ(Xi?)={Xi?1?(B):B∈B(R)}
要用定理說明σ(Xi)\sigma(X_i)σ(Xi?)互相獨(dú)立,我們需要找到可以生成σ(Xi)\sigma(X_i)σ(Xi?)的一個π\(zhòng)piπ-類,回顧一下在實(shí)分析中,我們介紹過Borel代數(shù)的構(gòu)造:
Proposition 1.2 B(R)\mathcal{B}(\mathbb{R})B(R) contains all open intervals, closed intervals, half-open intervals, open rays and closed rays.
也就是說Borel代數(shù)可以由一種特定的區(qū)間族生成,我們有下面幾種不同的選項(xiàng):
這六種集族每一種都可以生成Borel代數(shù)B(R)\mathcal{B}(\mathbb{R})B(R),于是接下來我們要做的是分別驗(yàn)證這六種集族以及是否是π\(zhòng)piπ-類,事實(shí)上這六種集族都是π\(zhòng)piπ-類,簡單驗(yàn)證任意兩個集合的交也在集族中即可,下面舉三個例子,剩下的留給讀者。
第一種:(∞,x]∩(?∞,y]=(?∞,min?(x,y)](\infty,x] \cap (-\infty,y]=(-\infty,\min(x,y)](∞,x]∩(?∞,y]=(?∞,min(x,y)],所以是π\(zhòng)piπ-類;
第四種:(x,+∞)∩(y,+∞)=(max?(x,y),+∞)(x,+\infty)\cap (y,+\infty) = (\max(x,y),+\infty)(x,+∞)∩(y,+∞)=(max(x,y),+∞),所以是π\(zhòng)piπ-類;
第六種:[x,y]∩[a,b]=[max?(a,x),min?(b,y)][x,y] \cap [a,b]=[\max(a,x),\min(b,y)][x,y]∩[a,b]=[max(a,x),min(b,y)],所以是π\(zhòng)piπ-類。
現(xiàn)在根據(jù)定理,只要集族是獨(dú)立的,那么隨機(jī)變量就是獨(dú)立的,于是我們可以獲得下面六種判別方法:
定理 一元隨機(jī)變量獨(dú)立性的判斷方法
隨機(jī)變量序列Xi:(Ω,F,P)→(R,B(R)),1≤i≤nX_i:(\Omega,\mathcal{F},P) \to (\mathbb{R},\mathcal{B}(\mathbb{R})),1 \le i \le nXi?:(Ω,F,P)→(R,B(R)),1≤i≤n獨(dú)立的充分條件是(下列六個等價條件中任意一個即可)
總結(jié)
以上是生活随笔為你收集整理的UA MATH563 概率论的数学基础 中心极限定理3 推导一元随机变量独立性的判断方法的全部內(nèi)容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: UA MATH567 高维统计I 概率不
- 下一篇: UA MATH567 高维统计I 概率不