形式陈述

随机变量 $X_n$$X_n$ 几乎必然收敛到 $X$$X$，记作 $X_n\xrightarrow{a.s.}X$$X_n\stackrel{a.s.}{\to }X$，若

$$ \mathbb P\bigl(\{\omega:X_n(\omega)\to X(\omega)\}\bigr)=1. $$$$\mathbb{P}(\{\omega :X_n(\omega )\to X(\omega )\})=1.$$

等价地，对每个 $\varepsilon>0$$\epsilon >0$，

$$ \mathbb P\!\left(\bigcap_{N=1}^{\infty}\bigcup_{n\ge N} \{|X_n-X|>\varepsilon\}\right)=0. $$$$\mathbb{P}(\bigcap _{N=1}^{\mathrm{\infty }}\bigcup _{n\ge N}\{|X_n-X|>\epsilon \})=0.$$

即偏差超过 $\varepsilon$$\epsilon$ 的事件只发生有限多次，几乎处处成立。a.s. 收敛蕴含依概率收敛。

直觉

几乎必然收敛固定一个样本后观察整条序列，要求除零概率样本外，每条路径最终都稳定到自己的极限；它比逐个 $n$$n$ 控制坏事件概率更强。

例子与边界

强大数律给出样本均值 a.s. 收敛。若 $X_n=1_{A_n}$$X_n=1_{A_n}$ 且 $\sum_n\mathbb P(A_n)<\infty$$\sum _n\mathbb{P}(A_n)<\mathrm{\infty }$，第一 Borel–Cantelli 引理推出 $X_n\to0$$X_n\to 0$ a.s.。a.s. 收敛不意味着处处收敛，零概率异常路径可以存在；也不自动推出期望收敛，例如 $X_n=n1_{(0,1/n)}$$X_n=n{1}_{(0,1/n)}$ 在 $[0,1]$$[0,1]$ 上 a.s. 趋零而期望恒为一。不同版本变量若不在同一概率空间，a.s. 收敛没有直接意义。

推论与应用

几乎必然收敛用于随机过程路径性质、强大数律、鞅收敛和随机算法长期行为；与控制条件结合后可传递积分或矩。

参考资料

• Patrick Billingsley, Probability and Measure, 3rd ed., Wiley, 1995，Ch. 1, convergence with probability one。
• Rick Durrett, Probability: Theory and Examples, 5th ed., Cambridge University Press, 2019，Ch. 2, almost sure convergence and Borel–Cantelli。