답변:
Kolmogorov의 두 가지 이론이 있으며 둘 다 기대 값이 유한해야합니다. 첫 번째는 변수가 IID 일 때, 두 번째는 샘플링이 독립적이고 의 분산이 만족할 때 유지됩니다.
모든 이 0을 기대했지만 그 분산이 이므로 조건이 분명히 실패한다고 가정하십시오. 그러면 어떻게됩니까? 여전히 추정 평균을 계산할 수 있지만 더 깊고 더 깊이 샘플링 할 때 그 평균은 0이되지 않습니다. 샘플링을 계속할수록 점점 더 편향되는 경향이 있습니다.n 2
예를 들어 봅시다. 이 균일 한 라고 말하면 위의 조건이 일시적으로 실패합니다. U ( − n 2 n , n 2 n )
그것을 주목함으로써
우리는 계산 된 평균 이 항상 구간 있습니다. 동일한 공식을 사용하면 밖에 있을 확률이 항상 보다 큰 것을 알 수 있습니다 . 실제로 은 균일 이며 바깥에 있습니다 확률 . 반면, 은 유도에 의해 에 있으며 대칭에 의해 확률로 양수입니다(-2N,2N), N+11/8 ˉ X N+1(-2N,2N)XN+1(-2N,2N)1/2 ˉ X N+1(2)N-(2)n은1/16| ˉ X n+1| >2n은1/8, N. 이러한 관찰로부터 이 보다 크거나 보다 작으며 각각 확률은 보다 큽니다 . 확률 이후 그 이 보다 크면 이 무한 대로되므로 0에 수렴 할 수 없습니다 .
이제 질문에 구체적으로 대답하려면 이벤트 고려하십시오 . 내가 잘 이해했다면, "다음 진술이 어떤 조건에서 거짓입니까?"
여기서 표시기 이벤트의 함수 , 즉 경우 및 , 그렇지 않으면 상기 동일하게 분배 (과 같은 분산 ).1 A ( X k ) = 1 X k ∈ A 0 X k X
지표 함수의 분산이 Bernouilli 0-1 변수의 최대 분산 인 1/4 이상으로 제한되므로 위의 조건이 유지됩니다. 그럼에도 불구하고, 잘못 될 수있는 것은 많은 수의 강력한 법칙, 즉 독립 샘플링 의 두 번째 가정입니다 . 랜덤 변수 가 독립적으로 샘플링되지 않으면 수렴이 보장되지 않습니다.
예를 들어, 모든 대해 = 이면 비율은 값에 관계없이 1 또는 0 이므로 수렴이 발생하지 않습니다 ( 가 0 또는 1의 확률을 갖지 않는 ). 이것은 가짜이고 극단적 인 예입니다. 이론적 확률에 대한 수렴이 발생하지 않는 실제 사례는 알지 못합니다. 그러나 샘플링이 독립적이지 않은 경우 잠재력이 존재합니다.X 1 k n A