随机变量序列如何理解:分清序列与样本
随机变量序列如何理解:它是带有整数编号的一串随机变量{X₁,X₂,X₃,…},下标对应次序或离散时间,整体属于离散参数随机过程;你只需要掌握两点,一是区分随机序列本身和单次观测得到的样本数列,二是只用有限维联合分布就能完整描述整条序列,不需要写出无穷维分布;该理解方式适用于本科概率论、时间序列建模,不适用于连续时间随机过程;如果下标是连续实数,就不再属于随机变量序列,而是一般随机过程。
随机变量序列的核心定义
把一个个随机变量按自然数顺序排列,就构成随机变量序列,记作{Xₙ,n=1,2,3,…}。每一个Xₙ都是定义在同一个概率空间上的随机变量,各自拥有独立的取值概率;整条序列是一个无穷维随机对象,但根据概率论基本结论,只需要确定任意有限个Xₖ的联合分布,就能唯一确定整条序列的概率规律,不需要研究无穷维联合分布。
序列本身是随机的,每一次试验都会生成一组不一样的数值。
序列与样本现实的区分
这是最容易混淆的地方。
| 对象 | 属性 | 实例 |
|---|---|---|
| 随机变量序列{Xₙ} | 随机,有无穷多种取值可能 | 连续抛硬币每一次的结果 |
| 样本现实x₁,x₂,…,xₙ | 确定的普通数列,没有随机性 | 连续抛硬币得到的正反面记录:正、反、正 |
你在数据采集里拿到的观测数据,永远只是随机变量序列其中一条样本现实,不能直接等同于序列本身。
两种最常用的序列类型
独立同分布序列是应用最广的一类,简称i.i.d.序列,序列里每一个随机变量服从相同分布,任意两个变量相互独立;重复做同一项随机试验得到的结果,基本都属于这类序列,例如反复掷骰子得到的点数序列。
宽平稳序列不要求变量相互独立,只要求均值固定不变,任意两个变量的协方差只和下标差值有关,和下标本身无关;股票每日收盘价、每日气温的观测序列,大多按宽平稳序列建模。
适用边界与反例
当下标不再是离散整数,而是连续时间t∈[0,+∞),{X(t)}就不再是随机变量序列,只能叫作连续时间随机过程,不能套用序列的有限维分布结论。
仅依靠单条样本现实,无法完全还原整条随机变量序列的分布特征,样本量不足时,统计推断会出现较为明显的偏差。
快速理解的实操方法
拿到一串观测数据时,先把观测数列当成随机变量序列的一条样本现实;再把序列拆成两层:一层是每个时刻单独的随机变量,一层是变量之间的相互关联;先确定单个变量的边缘分布,再补充两两之间的协方差,就能完成对整条随机变量序列的刻画。
