Wenn , wo und ist eine Folge von positiven Zufallsvariablen, wie groß sie sind ?
Mein Versuch: durch Markovs Ungleichung impliziert und . Es bleibt zu beurteilen. Für eine positive Folge von Zufallsvariablen
Wenn wir also zeigen, dass die rechte Seite in der Wahrscheinlichkeit begrenzt ist, sind wir fertig, da .
Per Definition wenn überhaupt gibt es so dass
Daraus folgt , dass für jede ist , existiert derart , dass also und
Gibt es Fehler in meiner Argumentation? Gibt es eine einfachere Möglichkeit, dieses Ergebnis zu sehen?
Meine zweite Frage ist, ob wir etwas über die Reihenfolge in Erwartung sagen können
Da sieht es so aus, als hätte man nur den ersten Moment in Erwartung ist nicht ausreichend. Ist das richtig?
Antworten:
Ich glaube, viel könnte sich zeigen, wenn man eine Reihe von Zufallsvariablen wie die folgenden betrachtet:
Später werden wir geeignete Funktionen und identifizieren, nachdem wir die Rollen analysiert haben, die sie in den asymptotischen Erwartungen spielen. Nehmen wir zunächst an, dass ungleich Null ist und beide divergieren, wenn groß wird, wobei für alle .f G f( n ) n G( n ) ≥ n n > 0
Per Definition der Erwartung,
Offensichtlich
Erlaubt uns, , das nach Bedarf gegen konvergiert . (Da dies der Fall ist und als , beachten Sie, dass ) Trotzdem die Berechnung von enthält einen Begriffan=n−1+f(n)−1 0 xlog(1/x)→0 x→0 anlog(1/an)→0 E(Yn)
Der andere Begriff ist gleich
bleibt begrenzt (und konvergiert gegen Null).
Nehmen wir an, divergiert langsamer als ;f G das heißt, wählen Sie für das divergiert. Die Summe von und asymptotischf G( n ) / f( n ) ( 1 ) ( 2 )
Es gibt solche und die alle an sie gestellten Bedingungen erfüllen (positiv, divergent, wobei divergent sind): zum Beispiel (mit ) und funktioniert für jedes . Folglich ist für alle und für alle Funktionen die unten durch begrenzt sind .f G G( n ) / f( n ) G( n ) = n h ( n ) h ( n ) ≥ 1 f( n ) =nϵ 0 < ϵ < 1 E (Y.n) = O ( h ( n )n1 - ϵ) ϵ > 0 h 1
Dies zeigt, dass es überhaupt keine Begrenzung für die Rate gibt, mit der divergieren kann.E (Y.n)
quelle
Da positive Zufallsvariablen sind, benötigen wir den Absolutwert nicht. Wir habenX.n
Dann da auch
da sie positiv sind r.v. Die Folge von konvergiert also gegen die Konstante Null.X.
Aber dann
... oder vielleicht plims.
Vermisse ich etwas
quelle