MathLabs
Định lýĐã chứng minh

Luật số lớn mạnh

Phát biểu

Cho X1,X2,…X_1, X_2, \dots là các biến ngẫu nhiên độc lập, có cùng phân phối với E[∣X1∣]<∞\mathbb{E}[|X_1|] < \infty và kỳ vọng μ=E[X1]\mu = \mathbb{E}[X_1]. Khi đó trung bình mẫu Xˉn=1n∑i=1nXi\bar{X}_n = \frac{1}{n}\sum_{i=1}^n X_i hội tụ hầu chắc chắn về μ\mu: P(lim⁡n→∞Xˉn=μ)=1\mathbb{P}\left(\lim_{n \to \infty} \bar{X}_n = \mu\right) = 1.

Vì sao đúng?

Trong khi luật yếu nói rằng tại một bước nn đủ lớn bất kỳ, trung bình Xˉn\bar{X}_n rất có khả năng nằm gần μ\mu, thì luật mạnh đảm bảo rằng dọc theo hầu hết mọi dãy phép thử vô hạn, trung bình tích lũy cuối cùng sẽ ổn định và ở lại gần μ\mu mãi mãi với xác suất bằng 11.

Phác thảo chứng minh

Không mất tính tổng quát, giả sử μ=0\mu = 0. Cắt cụt bằng cách đặt Yn=Xn1{∣Xn∣≤n}Y_n = X_n \mathbf{1}_{\{|X_n| \le n\}}. Vì ∑n=1∞P(∣Xn∣>n)=∑n=1∞P(∣X1∣>n)≤E[∣X1∣]<∞\sum_{n=1}^{\infty} \mathbb{P}(|X_n| > n) = \sum_{n=1}^{\infty} \mathbb{P}(|X_1| > n) \le \mathbb{E}[|X_1|] < \infty, bổ đề Borel–Cantelli suy ra P(Xn≠Yn i.o.)=0\mathbb{P}(X_n \ne Y_n \text{ i.o.}) = 0. Định lý Fubini cho ∑n=1∞Var⁡(Yn)n2≤∑n=1∞E[Yn2]n2≤2E[∣X1∣]<∞\sum_{n=1}^{\infty} \frac{\operatorname{Var}(Y_n)}{n^2} \le \sum_{n=1}^{\infty} \frac{\mathbb{E}[Y_n^2]}{n^2} \le 2\mathbb{E}[|X_1|] < \infty. Theo tiêu chuẩn hội tụ Kolmogorov (suy ra từ bất đẳng thức cực đại Kolmogorov), chuỗi ∑n=1∞Yn−E[Yn]n\sum_{n=1}^{\infty} \frac{Y_n - \mathbb{E}[Y_n]}{n} hội tụ hầu chắc chắn. Bổ đề Kronecker khi đó cho 1n∑i=1n(Yi−E[Yi])→0\frac{1}{n}\sum_{i=1}^n (Y_i - \mathbb{E}[Y_i]) \to 0 hầu chắc chắn, và vì E[Yn]→μ=0\mathbb{E}[Y_n] \to \mu = 0, suy ra Xˉn→0\bar{X}_n \to 0 hầu chắc chắn.

Người chứng minh

Chủ đề chứa định lý này

Định lý liên quan

Chứng minh từng bước

Chưa có chứng minh từng bước cho định lý này.

Tài liệu tham khảo

  1. Andrey Kolmogorov (1933). Grundbegriffe der Wahrscheinlichkeitsrechnung
  2. Rick Durrett (2019). Probability: Theory and Examples