這篇主要在講我們的隨機變數的收斂情況
這整章有一個非常重要的定理 : 大數法則(Large Sample Theory)
簡單來說就是當我們的取樣數越來越大的時候
我們所估計出來的 樣本平均值 就會往 母體(也就是真實)平均值 靠近
總共會介紹 4 種重要的收斂 :
Convergence in Distribution
特色 :
的分布會很接近 的分布
但 不一定接近
Convergence in Probability
特色 :
有很大比例的 其 和 的值很接近
但有很小的比例 和 不接近
Convergence Almost Surely
特色 :
所有的 其 和 都很接近
Convergence in Quadratic Mean
特色 :
平均而言, 和 的差距很小
換句話說,就是不會有任何一個 其 和 的值差距太大
單一變數
證明 :
令
:
:
雙變數
上面的證明我都寫不出來哈哈
如果有大神會的話麻煩私訊我 orz