关于独立伯努利随机变量加权标准化和几乎必然收敛的证明验证、边界条件拓展及假设放宽的技术问询

假设存在一列独立的伯努利随机变量 $X_i$，每个变量的成功概率为 $p_i$。设 $c_i$ 为一列实数，$m$ 为实数，满足 $c_1>0$ 且 $0 \le m < c_i < \infty$。定义：
$$Y_n=\frac{\sum\limits_{i=1}^n c_i X_i -\sum\limits_{i=1}^n c_i p_i}{\sum\limits_{i=1}^n c_i}.$$
则 $Y_n$ 几乎必然（a.s.）收敛到0。（证明如下）

我的问题 #

1. 我给出的证明是否正确？
2. 当 $m=0$ 时，上述结论是否仍然成立？

我的证明（未完成） #

定义：
$$Z_i = c_i (X_i-p_i).$$
则 $E[Z_i]=0$。（原证明后续内容未完整输入）

回答 #

Hi there! Let's break down your questions step by step:

1. 证明正确性的判断

首先，你定义的 $Z_i = c_i(X_i - p_i)$ 确实满足 $E[Z_i] = 0$，这一步完全没问题。从这个开头来看，你应该是打算用加权形式的强大数定律（SLLN）——比如柯尔莫哥洛夫强大数定律结合克罗内克引理，这是这类问题的标准思路。

因为你的证明没写完，我没法直接拍板说整体正确，但可以给你验证这个思路的合理性：

• 先计算方差：$\text{Var}(Z_i) = c_i^2 p_i(1-p_i) \le \frac{c_i^2}{4}$（伯努利变量的方差最大值为1/4）
• 由条件 $c_i > m > 0$，部分和 $S_n = \sum_{k=1}^n c_k$ 必然趋向于无穷大（每一项都大于正数m，累加后发散）
• 接下来验证柯尔莫哥洛夫的关键条件：$\sum_{i=1}^\infty \frac{\text{Var}(Z_i)}{S_i^2} < \infty$。利用裂项技巧，我们知道 $\sum_{i=2}^\infty \frac{c_i}{S_{i-1} S_i} = \frac{1}{S_1} - \lim_{n \to \infty} \frac{1}{S_n} = \frac{1}{c_1}$（收敛），而 $\frac{\text{Var}(Z_i)}{S_i^2} \le \frac{c_i^2}{4 S_i^2} < \frac{c_i^2}{4 S_{i-1} S_i}$，结合 $c_i = S_i - S_{i-1}$ 可推导出该级数收敛。所以只要你的后续证明是沿着这个方向推进，那大概率是正确的。

2. $m=0$ 时结论是否成立？

这个不能一概而论，得分情况讨论：

• 情况1：$\sum_{i=1}^\infty c_i = \infty$
  此时如果满足加权SLLN的条件（比如刚才提到的 $\sum_{i=1}^\infty \frac{c_i^2 p_i(1-p_i)}{S_i^2} < \infty$），结论仍然成立。举个例子：$c_i = \frac{1}{i}$，$S_n \approx \log n$ 趋向无穷，$\text{Var}(Z_i) = \frac{1}{i^2} p_i(1-p_i) \le \frac{1}{4i^2}$，则 $\frac{\text{Var}(Z_i)}{S_i^2} \approx \frac{1}{i^2 (\log i)^2}$，这个级数收敛，因此 $Y_n \xrightarrow{\text{a.s.}} 0$。
• 情况2：$\sum_{i=1}^\infty c_i < \infty$
  此时分母 $S_n$ 趋向一个有限的正数 $S$，而分子 $\sum_{i=1}^n Z_i$ 是独立零均值随机变量的和，几乎必然收敛到某个非零随机变量（除非所有 $p_i$ 都是0或1，这不符合伯努利变量的一般情况）。比如 $c_i = \frac{1}{2^i}$，$p_i = \frac{1}{2}$，则分子极限是 $\sum_{i=1}^\infty \frac{1}{2^i}(X_i - \frac{1}{2})$，这是一个非零的随机变量，因此 $Y_n$ 的极限不是0，结论不成立。

总结：当 $m=0$ 时，只有在 $\sum_{i=1}^\infty c_i = \infty$ 且满足加权强大数定律的条件下，结论才成立；若 $\sum c_i$ 收敛，结论不成立。

备注：内容来源于stack exchange，提问作者user394334