Quant Sandbox
DerivatívákPortfólió és kockázatKötvényekVállalati pénzügyekValószínűség és mértékSztochasztikus modellekPiaci mikrostruktúraÚtmutató
Valószínűség és mérték
Valószínűségi mező
σ-algebrák
InformációFiltráció
Lebesgue-mérték
Valószínűségi változók
PörgettyűEloszlásfüggvény
Lebesgue-integrál
Riemann és LebesgueVárható érték rendezéssel
Konvergencia
Elszökő tömegKonvergenciatípusok
Feltételes várható érték
Legjobb tippMértékcsere
Kapcsolódó útmutatók
  • Konvergenciatételek
  • Konvergenciafajták és a nagy számok törvénye
  • A nagy számok törvénye és a centrális határeloszlás-tétel
  • Feltételes várható érték és martingálok

© 2026 Quant Sandbox · Tanulást segítő eszköz a kvantitatív pénzügyekhez

Adatvédelem és adatokNincsenek sütik

Ez az oldal nem használ sütiket (cookie-kat), és nem kér személyes adatokat. Néhány apró beállítást a böngésződ helyi tárolójában (local storage) őriz meg — a választott témát és nyelvet, az oldalsáv elrendezését, valamint az útmutatókban elért haladást és a válaszaidat —, hogy a következő látogatáskor is emlékezzen rájuk. Ezek az adatok nem hagyják el az eszközödet; a böngésző tárhelyének törlésével eltávolíthatók. A módosított bemenetek az oldal URL-címében is rögzülhetnek, így megoszthatsz vagy könyvjelzőként elmenthetsz egy adott beállítást. Az oldal a Vercel Web Analytics szolgáltatást használja, amely adatvédelem-barát és süti nélküli: csak névtelen, összesített használati adatokat (például oldalletöltéseket) rögzít, anélkül hogy azonosítana téged vagy más oldalakon követne.

Konvergenciatételek

Beállítások

Körök
4
112
Megjelenítés
Hivatkozás
Tétek1, 2, 4, 8, … az első nyerésig
P(mind a 4 kört elveszíti)2⁻⁴ = 0,0625
Hová tűnik a tömeg
X₄ = −15, ha ω ∈ [0, 1/16)X₃ = −7, ha ω ∈ [0, 1/8)X₂ = −3, ha ω ∈ [0, 1/4)X₁ = −1, ha ω ∈ [0, 1/2)01/161/81/41/210+1−1−3−7−15ω — az érmedobások kódja a [0, 1)-ben; az „első n dobás vesztes” a [0, 2⁻ⁿ)Kövess egy ω-tω = 0,30−1, +1, +1, +1, …→ +1ω = 0,01−1, −3, −7, −15, …→ +1ω = 0−1, −3, −7, −15, …nullmértékűÁtlagok és kimenetelekP(Xₙ = +1) = 1 − 2⁻ⁿE[Xₙ] = 0 minden n-re10n = 112Melyik tétel feltétele sérülMonoton konvergenciasérülkell: 0 ≤ X₁ ≤ X₂ ≤ …Dominált konvergenciasérülkell: |Xₙ| ≤ Y, E[Y] < ∞Fatou-lemmasérülkell: Xₙ ≥ 0Xₙ < 0; a 1 − Xₙ ≥ 0 veszteségekreigaz: 0 ≤ 1A tömeg kiszökhet egyhatárértékből, de be soha nem.
lim E[Xₙ]
0
E[lim Xₙ]
1
a vesztő halmazba rejtett veszteség, n = 4
15 × 1/16 = 0,9375
legkisebb tető
E[sup |Xₙ|] = ∞

Az eszközről

Vihető a határérték a várható érték alá? Nem mindig. Duplázd a tétet egy szabályos érmén, amíg nyersz: majdnem minden kimenetel 1 nyereséggel végződik, mégis minden szakasz várható értéke 0, mert a veszteségek egy nullához tartó halmazba zsúfolódnak, amelyet a határérték nem lát. Ezek az oldalak megmutatják, hová tűnik a tömeg, mely tételek akadályozzák meg az elszökését, és hogy a sorozatok különböző értelmekben konvergálhatnak: majdnem biztosan, valószínűségben vagy átlagban.

Gyakori kérdések

Mit mondanak a monoton és a dominált konvergencia tételei?

Monoton konvergencia: ha nemnegatív függvények egy határfüggvényhez növekednek, az integráljaik is a határ integráljához növekednek. Dominált konvergencia: ha a függvények konvergálnak, és mind egyetlen rögzített integrálható függvény alatt maradnak, az integráljaik a határ integráljához tartanak. Mindkettő olyan feltételt ad, amely mellett a határérték és a várható érték felcserélhető. Fatou lemmája csak a nemnegativitást kéri, és csak egyenlőtlenséget ad: a határ várható értéke legfeljebb a várható értékek határértéke.

Hová tűnik a tömeg a tüskés példában?

Az n·1[0, 1/n) tüske, amely a 0 és 1/n közötti intervallumon n, máshol 0, minden n-re 1 várható értékű, de bármely rögzített kimenetelnél végül 0. Az egész tömege egy zsugorodó halmazban van. A határfüggvény majdnem biztosan 0, így a várható értéke 0, ami kisebb 1-nél. Fatou egyenlőtlensége bőven teljesül. Nincs olyan integrálható függvény, amely az összes tüske fölött lenne, ezért a dominált konvergencia nem alkalmazható.

Mit próbáljak ki az oldalakon?

Az első oldalon válts az öt sorozat között, és hasonlítsd a határ várható értékét a várható értékek határértékével: a duplázó stratégia és a tüske veszít a tömegből, a dominált és a növekvő sorozat nem. A típusok oldalán hasonlítsd össze az írógép-sorozatot, a zsugorodó tüskét és az érmedobások mintaátlagát, és nézd meg, a konvergencia három értelme közül melyiknek felel meg mindegyik.

A majdnem biztos konvergenciából következik az átlagban vett konvergencia?

Nem, ahogy a tüske mutatja: majdnem biztosan 0-hoz tart, de a várható értéke 1 marad. Az írógép-sorozat a másik irányba mutat példát: valószínűségben és átlagban kicsi lesz, miközben egyetlen kimenetelnél sem konvergál. A majdnem biztos konvergenciától az átlagban vett konvergenciáig felső korlát (dominancia) vagy egyenletes integrálhatóság vezet. Az átlagban vett konvergenciából mindig következik a valószínűségben vett, fordítva viszont csak további feltételekkel.

Az elmélet

  • Konvergenciatételek — Mikor egyezik az integrálok határértéke a határérték integráljával: elszökő tömeg, monoton konvergencia, Fatou-lemma, dominált konvergencia, sorok.
  • Konvergenciafajták és a nagy számok törvénye — Majdnem biztos, sztochasztikus, átlagbeli és eloszlásbeli konvergencia: különbségek, Borel–Cantelli-lemma, egyenletes integrálhatóság, nagy számok törvényei.
  • A nagy számok törvénye és a centrális határeloszlás-tétel — Miért állnak be az átlagok, milyen gyorsan, és miért bukkan fel a normális eloszlás: a Monte Carlo és a Brown-határátmenet mögötti két tétel.
  • Feltételes várható érték és martingálok — Feltételes várható érték a múlt ismeretében, igazságos játékok, miért nem győzhető le egy martingál fogadási stratégiával, és a diszkontált árak Q alatt.