练习 1 ([1, 练习 3.4.18])
(耦合) 如果 X 和 Y 是定义在 (Ω,B) 上的随机变量,证明
supA∈B|P[X∈A]−P[Y∈A]|≤P[X≠Y].
证明:
对于任意事件 A∈B,考虑指示函数 1X∈A 和 1Y∈A。注意到对于每个样本点 ω∈Ω:
|1X(ω)∈A−1Y(ω)∈A|≤1X(ω)≠Y(ω).
这是因为:
- 如果 X(ω)=Y(ω),则 1X(ω)∈A=1Y(ω)∈A,因此差的绝对值为零。
- 如果 X(ω)≠Y(ω),则 |1X(ω)∈A−1Y(ω)∈A|≤1,且 1X(ω)≠Y(ω)=1。
对上述不等式取期望,得到:
|P[X∈A]−P[Y∈A]|=|E[1X∈A]−E[1Y∈A]|=|E[1X∈A−1Y∈A]|≤E[|1X∈A−1Y∈A|]≤E[1X≠Y]=P[X≠Y].
由于上述不等式对任意 A∈B 都成立,因此:
supA∈B|P[X∈A]−P[Y∈A]|≤P[X≠Y].
证毕。
练习 2 ([1, 练习 3.4.22])
设 {Xn,n≥1} 是定义在概率空间 (Ω,B,P) 上的随机变量,并定义对应的随机游动为
S0=0,Sn=n∑i=1Xi,n≥1.
令 τ:=inf{n>0:Sn>0} 为第一次上升阶梯时间。证明 τ 是随机变量。假设已知 τ(ω)<∞ 对所有 ω∈Ω 都成立。证明 Sτ 是随机变量。
证明:
练习 3 ([1, 练习 4.6.13])
设 {Xn,n≥1} 是独立同分布随机变量,且 P[X1=1]=p=1−P[X1=0]。计算模式 1, 0, 1 无限次出现的概率。
提示: 令
Ak=[Xk=1,Xk+1=0,Xk+2=1]
并考虑 A1,A4,A7,…。
证明:
练习 4 ([1, 练习 4.6.14])
在一列独立的伯努利随机变量 {Xn,n≥1} 中,假设
P[Xn=1]=p=1−P[Xn=0],
令 An 表示在第 2n 到第 2n+1 次试验之间发生 n 个连续的 1 的事件。如果 p≥1/2,则无限多次发生 An 的概率为 1。
提示:证明如下形式的结果:
P(An)≥1−(1−pn)2n/2n>1−e−(2p)n/2n.
证明:
练习 5 ([1, 练习 4.6.19])
给出一个简单的例子,说明两个随机变量在一种概率测度下是独立的,但在另一种概率测度下是相关的。
证明:
本文作者:某宇_My
本文链接:https://www.cnblogs.com/Desire-My/p/18434826
版权声明:本作品采用知识共享署名-非商业性使用-禁止演绎 2.5 中国大陆许可协议进行许可。
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步