论文部分内容阅读
不等式在数学各个领域的发展中一直起着重要的作用,对于概率统计也不例外,选择或提出适当的不等式成为解决相关问题的关键。但是随着知识的更新与新问题陆续的出现,许多经典的不等式在应用的过程中逐渐显现了不足之处。所以很多学者在原有不等式的基础上不断改进推广,得到一系列新的不等式,对概率论的发展及其在实际中的应用做出了极大的贡献。在估计概率的界时,我们通常会用到Markov不等式、Chebyshev不等式和Chernoff不等式等矩估计方法。以上不等式的经典形式只是针对单个概率的估计,而若要对概率的和式或级数做估计,它们提供的界就不再精确了。于是有学者针对上述问题对级数型概率不等式做了相关研究,给出了级数型Markov不等式及级数型Chebyshev不等式。本文首先对已有的级数型概率不等式做一个介绍与总结,在此基础上将Chernoff不等式推广至级数形式,并给出了广义测度意义下的级数型Chernoff不等式。由于Chernoff不等式的确界形式只需在普通形式的基础上取下确界即可,所以本文只讨论了普通Chernoff不等式的级数形式,并分别在t﹥0和t﹤0两种情况下给出了不同的不等式。文中通过定义与和式系数及随机变量取值区间有关的极大极小量,给出了对概率和的界估计,并在已有界估计显现不完全的基础上对级数型Chernoff不等式做出了改进。在证明的过程中,文章详细讨论了级数型Chernoff不等式中等号成立的条件,明确指出了满足等号成立条件的概率分布,使得所给的界是对概率和的精确估计。最后文章在广义测度意义下证明了级数型Chernoff不等式,并说明了普通级数型Chernoff不等式就是广义测度意义下的级数型Chernoff不等式在选取适当离散测度时的特例。