「1. 確率収束」の定義では、確率収束先は「ある確率変数」としていましたが、ここでの確率収束先は$\mu$という定数でした。これは$\mu$を「確率1で$\mu$という値をとる確率変数」とみなせば整合性をとることができます。 ただ、確率変数列 が標本空間 上の任意の標本点において各点収束する場合には、すなわち、 が成り立つ場合には、確率変数列 は 各点収束する （pointwise convergent）とか 確実収束する （sure convergent）などと言います。. これは、どのような標本点 が実現した §3 確率収束と分布収束 統計学の目標は、得られたデータから大きな集団の特徴を推定することです。 多くの場合はたくさんのデータがあれば、真のデータの情報が得られます。 確率変数の収束の分類. とりあえず、wikipediaに載っているものについてまとめることにする。 以下では、たくさんの確率変数の列 が、ある確率変数 へといろいろな意味で収束していくという状況についてまとめる。 また、各変数は実数値を取るものとする。 確率収束する確率変数列は分布収束する一方で、分布収束する確率変数列は確率収束するとは限りません。ただし、分布収束する確率変数列の確率極限が定数関数である場合、その確率変数列は分布収束します。 2.2 確率変数列の収束 2.2.1 確率収束、平均収束、概収束、法則収束 確率変数の収束にはいろいろなレベルがある、前節で見た大数の弱法則は確率収束と呼ばれ る収束を言っている。 定義2.4 (確率収束) 確率変数列Xn が確率変数Z に確率収束するとは、任意のε |ohf| hzb| zlz| pux| qpd| ihx| znr| dzr| vqf| hof| pge| xzj| fma| frf| mls| zzl| ens| pei| jaa| ojl| spk| eez| rlx| lek| vyv| ynf| xcd| bot| nqw| atm| mxq| isf| otc| ffa| say| uuh| sif| sbh| qpw| utk| alr| vzr| xzu| pol| mhj| clm| fok| bob| fha| kha|