Answers:
有(Kolmogorov的)两个定理,并且都要求期望值是有限的。当变量为IID时,第一个成立;当采样独立且的方差满足时,第二个成立
假设所有期望值为0,但它们的方差为因此条件显然失败了。那会发生什么呢?您仍然可以计算估计的均值,但是随着您采样的越来越深,该均值将不会趋向于0。当您继续采样时,它往往会越来越偏离。n 2
让我们举个例子。假设是统一的那么上面的条件会导致失效。 ù (- ñ 2 Ñ,Ñ 2 Ñ)
通过注意
通过归纳,我们可以看到,计算出的平均值始终在区间。通过使用相同的公式为,我们也看到,总有一个机会大于即位于外侧。实际上,是统一的并位于的概率为。另一方面,通过归纳法在,并且对称地以概率为正。(- 2 Ñ,2 Ñ)Ñ + 1 1 / 8 ˉ X Ñ + 1(- 2 Ñ,2 Ñ)X Ñ + 1(-2Ñ,2Ñ)1/2。从这些观察中可以立即得出大于或小于的可能性,每个概率都大于。由于大于,因为趋于无穷大,所以不能收敛到0 。2ñ-2Ñ1/16| ˉ X Ñ+1| >2Ñ1/8Ñ
现在,具体回答你的问题,考虑一个事件。如果我理解得很好,您会问:“以下陈述在什么情况下是错误的?”
其中是事件的指标函数,即如果则,否则为,并且相同地分布(并像一样分布)。
我们看到上面的条件将成立,因为指标函数的方差在1/4之上,这是Bernouilli 0-1变量的最大方差。仍然会出错的是大数定律的第二个假设,即独立采样。如果随机变量未被独立采样,则无法确保收敛。
例如,如果对于所有 =,则该比率将为1或0,无论的值如何,因此都不会发生收敛(除非当然具有0或1的概率)。这是一个虚假的极端例子。我不知道在实际情况下不会收敛到理论概率。但是,如果采样不是独立的,则存在潜力。