← 返回查找結果

依機率收斂

本頁導覽
  1. 數學敘述
  2. 代表公式(精確 TeX)
  3. 成立條件
  4. 符號作用域
  5. 直觀、定義與常見誤解
  6. 已採用的推導導讀
  7. 前置知識
  8. 驗證界線
  9. 下一個義務
  10. 同源結構化資料

X_n依機率收斂到X,若對每個epsilon>0,偏差超過epsilon的機率趨近0。

mko-convergence-in-probability · definition · v0.10.0

數學敘述

全部X_n與X須在同一機率空間,並保留forall epsilon>0、forall delta>0、exists N、forall n>=N的tail責任。本輪使用明示c/(n+s) deviation-probability profile或eventual equality證書;有限prefix不構成收斂。

代表公式(精確 TeX)

P(X)

成立條件

  • symbolic profile c/(n+s)使用正整數c,s並保持機率不超1的起始域。
  • 不混同almost sure、L^p或distribution convergence。

符號作用域

  • P — 依機率收斂紀錄
  • X — 共同極限變數

直觀、定義與常見誤解

每個正epsilon都要控制deviation event。

c/(n+s)給任意delta的明示N。

有限prefix只能audit,eventual equality提供另一全稱證書。

看到有限多個error probabilities下降就宣稱收斂,或把依分布收斂當同一概念。

已採用的推導導讀

eventual equality的全稱尾端證書

原始 MKO 保留;導讀有自己的追加式修訂與驗證界線,不代表新 Lean 證明。

前置知識

驗證界線

只接受明示symbolic tail或eventual equality證書;不推出a.s.、Lp或CLT。

not_formalized

這不表示內容錯誤;只表示尚未登錄可重播的計算或形式證據。

下一個義務

加入依分布收斂與弱大數律。

同源結構化資料

本頁與互動版共用同一個物件與既有語言 edition;未新增證明或人工審定。

原始 MKO JSON · 純文字 Markdown