依機率收斂
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
- 有限聯合分布 — 共同有限機率空間。
- 有限樣本空間的實值隨機變數 — X_n與X為同空間變數。
- 有限樣本空間上的機率 — deviation事件機率。
- 數列 — 變數依n索引。
- 度量空間中的收斂 — 實值偏差使用距離。
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