\(\displaystyle{ (X_n)}\) - ciąg zmiennych losowych o gęstościach \(\displaystyle{ f_n(x)=2n^2x\mathbbb{1}_{[0,\frac{1}{n}]}(x), n=1, 2,...}\)
Czy ciąg jest zbieżny z prawdopodobieństwem 1, według prawdopodobieństwa, w \(\displaystyle{ L_p}\)?
Nie wiem jak to zrobić. \(\displaystyle{ EX_n}\) mi wyszło \(\displaystyle{ \frac{2}{3n} \rightarrow 0}\), ale nie wiem, czy mi to coś daje.
zbadać zbieżności
- Premislav
- Użytkownik
- Posty: 15687
- Rejestracja: 17 sie 2012, o 13:12
- Płeć: Mężczyzna
- Lokalizacja: Warszawa
- Podziękował: 196 razy
- Pomógł: 5221 razy
zbadać zbieżności
Ja bym zaczął od zbadania zbieżności według rozkładu, bo granica, jaka wyjdzie z rozważenia zbieżności wg rozkładu to jedyny sensowny kandydat na granicę z p-stwem 1, według prawdopodobieństwa i tak dalej (gdyż jest to "najsłabsza" z tych zbieżności, które znam, a więc ze zbieżności ciągu \(\displaystyle{ (X_n)}\) do \(\displaystyle{ X}\) wg prawdopodobieństwa wynika zbieżność wg rozkładu i tak dalej).
Podpowiem, że wychodzi dystrybuanta \(\displaystyle{ F_n(x)=x^2n^2 \mathbf{1}_{[0, 1/n]}(x)+\mathbf{1}_{(1/n, +\infty)}(x)}\) i jedyny sensowny kandydat na granicę, to rozkład jednopunktowy skupiony w \(\displaystyle{ 0}\).
No i dalej rozważasz tę zbieżność wg prawdopodobieństwa itd. Czyli:
sprawdzasz czy dla każdego \(\displaystyle{ \epsilon>0}\) jest
\(\displaystyle{ \lim_{n \to \infty } \mathbf{P}(|X_n-0|>\epsilon)=0}\) i tak dalej. Choć mocniejszą własnością jest zbieżność prawie na pewno, więc ją wypadałoby sprawdzić najpierw.
Jest też taki lemat: jeśli ciąg zmiennych losowych \(\displaystyle{ (X_n)}\) zbiega według rozkładu do stałej \(\displaystyle{ c}\), to ma też miejsce zbieżność według prawdopodobieństwa.
Podpowiem, że wychodzi dystrybuanta \(\displaystyle{ F_n(x)=x^2n^2 \mathbf{1}_{[0, 1/n]}(x)+\mathbf{1}_{(1/n, +\infty)}(x)}\) i jedyny sensowny kandydat na granicę, to rozkład jednopunktowy skupiony w \(\displaystyle{ 0}\).
No i dalej rozważasz tę zbieżność wg prawdopodobieństwa itd. Czyli:
sprawdzasz czy dla każdego \(\displaystyle{ \epsilon>0}\) jest
\(\displaystyle{ \lim_{n \to \infty } \mathbf{P}(|X_n-0|>\epsilon)=0}\) i tak dalej. Choć mocniejszą własnością jest zbieżność prawie na pewno, więc ją wypadałoby sprawdzić najpierw.
Jest też taki lemat: jeśli ciąg zmiennych losowych \(\displaystyle{ (X_n)}\) zbiega według rozkładu do stałej \(\displaystyle{ c}\), to ma też miejsce zbieżność według prawdopodobieństwa.
-
- Użytkownik
- Posty: 339
- Rejestracja: 25 lip 2014, o 16:13
- Płeć: Kobieta
- Lokalizacja: Polska
- Podziękował: 243 razy
zbadać zbieżności
No tylko mam problem ze sprawdzeniem tych zbieżności do zera z prawdopodobieństwem 1 i według prawdopodobieństwa (gdyby nie korzystać z tego lematu ze stałą).
\(\displaystyle{ P(|X_n|>\epsilon)=1-F_n(\epsilon)=1-n^2\epsilon ^2}\).
Nie wiem jak to zapisać, żeby widać było, że \(\displaystyle{ n^2\epsilon ^2 \rightarrow 1}\).
I jeszcze żeby z prawdopodobieństwem 1 sprawdzić, to muszę policzyć \(\displaystyle{ \sum_{}^{} (1-n^2\epsilon ^2)}\), też nie wiem co z tym zrobić.
\(\displaystyle{ P(|X_n|>\epsilon)=1-F_n(\epsilon)=1-n^2\epsilon ^2}\).
Nie wiem jak to zapisać, żeby widać było, że \(\displaystyle{ n^2\epsilon ^2 \rightarrow 1}\).
I jeszcze żeby z prawdopodobieństwem 1 sprawdzić, to muszę policzyć \(\displaystyle{ \sum_{}^{} (1-n^2\epsilon ^2)}\), też nie wiem co z tym zrobić.
- Premislav
- Użytkownik
- Posty: 15687
- Rejestracja: 17 sie 2012, o 13:12
- Płeć: Mężczyzna
- Lokalizacja: Warszawa
- Podziękował: 196 razy
- Pomógł: 5221 razy
zbadać zbieżności
To chyba nie jest trudne (przynajmniej zbieżność wg prawdopodobieństwa). Wystarczy nie gubić tych indykatorów (w ogóle ten gatunek drobiu jest zdrowy, hehe, hihi, jaki żarcik). Ustalmy dowolne
\(\displaystyle{ \epsilon>0}\). Wówczas istnieje takie \(\displaystyle{ n_0 \in \NN}\), że dla wszystkich \(\displaystyle{ n \in \NN}\) większych od \(\displaystyle{ n_0}\) zachodzi \(\displaystyle{ \epsilon > \frac{1}{n}}\).
Wtedy \(\displaystyle{ \mathbf{P}(|X_n|>\epsilon)=\mathbf{P}(X_n>\epsilon)=1-F_n(\epsilon)=1-1=0}\),
bo przypominam, że \(\displaystyle{ F_n(x)=x^2n^2 \mathbf{1}_{[0, 1/n]}(x)+\mathbf{1}_{(1/n, +\infty)}(x)}\), a dla \(\displaystyle{ n>n_0}\) nasz \(\displaystyle{ \epsilon}\) wpada w przedział \(\displaystyle{ \left(\frac 1 n, +\infty\right)}\)
Stąd natychmiast mamy zbieżność wg prawdopodobieństwa. Teraz zajmijmy się zbieżnością z prawdopodobieństwem \(\displaystyle{ 1.}\) [tj. prawie na pewno]
Nie wiem, jak Ty liczysz zbieżność z prawdopodobieństwem \(\displaystyle{ 1.}\) Czy sprawdzasz może taki warunek (znalazłem w książce Jakubowskiego i Sztencla):
\(\displaystyle{ (\forall \epsilon>0)\left( \lim_{N \to \infty}\mathbf{P}\left( \bigcup_{n=N}^{ \infty }\left\{ |X_n-X|>\epsilon \right\}\right)=0 \right)}\)
dla \(\displaystyle{ X\equiv0}\)
Ja bym wystartował od nierówności Boole'a (prawdopodobieństwo sumy zdarzeń nie przekracza sumy prawdopodobieństw), a potem spróbował zapisać, że
\(\displaystyle{ \mathbf{P}(|X_n|>\epsilon)=\mathbf{P}(X_n>\epsilon)=\mathbf{P}(X_n^2>\epsilon^2)}\) i teraz bym to oszacował z góry na mocy nierówności Czebyszewa.
\(\displaystyle{ \epsilon>0}\). Wówczas istnieje takie \(\displaystyle{ n_0 \in \NN}\), że dla wszystkich \(\displaystyle{ n \in \NN}\) większych od \(\displaystyle{ n_0}\) zachodzi \(\displaystyle{ \epsilon > \frac{1}{n}}\).
Wtedy \(\displaystyle{ \mathbf{P}(|X_n|>\epsilon)=\mathbf{P}(X_n>\epsilon)=1-F_n(\epsilon)=1-1=0}\),
bo przypominam, że \(\displaystyle{ F_n(x)=x^2n^2 \mathbf{1}_{[0, 1/n]}(x)+\mathbf{1}_{(1/n, +\infty)}(x)}\), a dla \(\displaystyle{ n>n_0}\) nasz \(\displaystyle{ \epsilon}\) wpada w przedział \(\displaystyle{ \left(\frac 1 n, +\infty\right)}\)
Stąd natychmiast mamy zbieżność wg prawdopodobieństwa. Teraz zajmijmy się zbieżnością z prawdopodobieństwem \(\displaystyle{ 1.}\) [tj. prawie na pewno]
Nie wiem, jak Ty liczysz zbieżność z prawdopodobieństwem \(\displaystyle{ 1.}\) Czy sprawdzasz może taki warunek (znalazłem w książce Jakubowskiego i Sztencla):
\(\displaystyle{ (\forall \epsilon>0)\left( \lim_{N \to \infty}\mathbf{P}\left( \bigcup_{n=N}^{ \infty }\left\{ |X_n-X|>\epsilon \right\}\right)=0 \right)}\)
dla \(\displaystyle{ X\equiv0}\)
Ja bym wystartował od nierówności Boole'a (prawdopodobieństwo sumy zdarzeń nie przekracza sumy prawdopodobieństw), a potem spróbował zapisać, że
\(\displaystyle{ \mathbf{P}(|X_n|>\epsilon)=\mathbf{P}(X_n>\epsilon)=\mathbf{P}(X_n^2>\epsilon^2)}\) i teraz bym to oszacował z góry na mocy nierówności Czebyszewa.
-
- Użytkownik
- Posty: 339
- Rejestracja: 25 lip 2014, o 16:13
- Płeć: Kobieta
- Lokalizacja: Polska
- Podziękował: 243 razy
zbadać zbieżności
A no właśnie, tu nie wpadłam na to, że się epsilona ustala i mi się wydawało, że jak się małego dostatecznie weźmie, to będzie w ten pierwszy indykator wpadał. Ale już rozumiem.Premislav pisze: Ustalmy dowolne
\(\displaystyle{ \epsilon>0}\). Wówczas istnieje takie \(\displaystyle{ n_0 \in \NN}\), że dla wszystkich \(\displaystyle{ n \in \NN}\) większych od \(\displaystyle{ n_0}\) zachodzi \(\displaystyle{ \epsilon > \frac{1}{n}}\).
Wtedy \(\displaystyle{ \mathbf{P}(|X_n|>\epsilon)=\mathbf{P}(X_n>\epsilon)=1-F_n(\epsilon)=1-1=0}\),
bo przypominam, że \(\displaystyle{ F_n(x)=x^2n^2 \mathbf{1}_{[0, 1/n]}(x)+\mathbf{1}_{(1/n, +\infty)}(x)}\), a dla \(\displaystyle{ n>n_0}\) nasz \(\displaystyle{ \epsilon}\) wpada w przedział \(\displaystyle{ \left(\frac 1 n, +\infty\right)}\)
Tak, z tego samego warunku sprawdzam zbieżność z prawdopodobieństwem 1.
Dzięki za pomoc!