S01 · implies
操作前
\{0,1\},\quad p=(1/2,1/2)操作後
p_0,p_1\ge0,\quad p_0+p_1=1
條件:無
規則:work · 依賴:G1, work
葉節點依據:work
先完整驗證共同有限邊際law。
derivation-mko-strong-law-large-numbers-finite-valued-iid-01 · ocme-new142-reader-adoption-20261021
對齊named SLLN前提,並明示prefix不是a.s.證明。
無限IID為前提;有限值SLLN為named theorem。
workG1 — 在一個已給定機率空間上,(X_i)_{i≥1}為無限IID序列,對任意有限不同indices的joint law都因子分解為Bernoulli(1/2)的乘積。此為全序列前提,不從有限資料估出。bar X_n — 樣本平均μ — 共同邊際meanmko_definition · cited — 以明示infinite IID process certificate及normalized finite marginal law定義mu。SLLN結論為P(lim_{n→∞} n^{-1}sum_{i=1}^n X_i=mu)=1。exact families重算marginal mean、固定prefix的sample mean與固定n deviation event probability,但明示這些都不是a.s. convergence證書。non-IID與nonfinite-support只是本節scoped theorem不適用;finite prefix不證極限,wrong target不等於共同mean。 · mko-strong-law-large-numbers-finite-valued-iidwork · prerequisite — 明示named theorem前提:給定機率空間上的無限IID有限值序列,其樣本平均a.s.收斂到共同mean;另假設binomial law及機率測度向下連續性。操作前
\{0,1\},\quad p=(1/2,1/2)操作後
p_0,p_1\ge0,\quad p_0+p_1=1
條件:無
規則:work · 依賴:G1, work
葉節點依據:work
先完整驗證共同有限邊際law。
操作前
\mu=0(1/2)+1(1/2)
操作後
\mu=1/2,\quad |X_i|\le1\text{ a.s.}條件:無
規則:work · 依賴:G1, S01, work
葉節點依據:work
有限support給共同mean與有界可積性。
操作前
x_1,x_2,x_3,x_4=(1,0,1,1)
操作後
\bar x_4=3/4
條件:無
規則:work · 依賴:G1, S02, work
葉節點依據:work
指定一段path prefix的樣本平均只為3/4。
操作前
S_4\sim\operatorname{Binomial}(4,1/2)操作後
P(S_4=k)=(1,4,6,4,1)_k/16\quad(k=0,1,2,3,4)
條件:無
規則:work · 依賴:G1, S03, work
葉節點依據:work
利用IID完整列固定n=4 law。
操作前
|S_4/4-1/2|\ge1/4
操作後
S_4\in\{0,1,3,4\},\quad P=10/16=5/8條件:無
規則:work · 依賴:G1, S04, work
葉節點依據:work
固定n偏差事件含端點等號,精確加四項。
操作前
\text{infinite IID common finite law}操作後
P\!\left(\lim_{n\to\infty}\frac1n\sum_{i=1}^{n}X_i=1/2\right)=1\quad\text{(named SLLN)}條件:無
規則:work · 依賴:G1, S05, work
葉節點依據:work
套用明示的有限值SLLN:無限IID、有限support與共同mean均有。
操作前
P(\lim_n\bar X_n=1/2)=1
操作後
\bar X_n\to1/2\quad\text{almost surely}條件:無
規則:work · 依賴:G1, S06, work
葉節點依據:work
收斂事件機率一等同a.s.結論,不保證每個抽象path。
操作前
X_i\equiv c\text{ a.s.}\quad\text{(boundary)}操作後
\bar X_n=c\text{ a.s. for every }n條件:無
規則:work · 依賴:G1, S07, work
葉節點依據:work
零variance的有限值law仍合格;強律不需要CLT的非退化性。
本稿無局部子步。
S08 · premise_audit · G1, S07, work — nonfinite support僅超出本slice,不表示一般強律一定失敗。S07 · premise_audit · G1, S06, work — 全1事件E=交_{m≥1}{X1至Xm全為1}可測;有限prefix事件機率2^(-m),由向下連續性得P(E)=lim 2^(-m)=0,不要求sample points本身是paths或singleton。S06 · premise_audit · G1, S05, work — 5/8不是這個極限事件機率;極限來自named theorem。S05 · premise_audit · G1, S04, work — k=2不在事件,k=1、3在事件。S04 · premise_audit · G1, S03, work — 五格點沒有省略任何樣本和。S03 · premise_audit · G1, S02, work — prefix值不同於共同mean1/2,沒有矛盾。S02 · premise_audit · G1, S01, work — boundedness綁所有i的共同law。S01 · premise_audit · G1, work — 這不單獨建立無限joint process。有限law驗證與無限IID前提分別保留。
固定n偏差5/8與lim事件機率1不可互換。
reject — 極限不要求有限n等於mean。reject — 常數IID序列也滿足此有限值強律。reject — 只是不屬本slice,其他強律有不同前提。依named SLLN,平均a.s.趨1/2;固定n=4偏差機率5/8不證也不反證此極限。
3 個本稿宣告算術檢查;只支持所列算式。
b1b2f1dcf8c50d67a93fe52d95f8eef7b3abba9fbdda8ad449130122c4fb072fb2338389ae3e3f6902e49ee7a1976ed50d7d5044da6d2c78524cf0fe83d2656b7f968e993ea5d1eb189113dbdbc2977b902653d6SCOPED_LEAD_AND_BILINGUAL_CONTEXT_REVIEW