最后更新: 2024-03-27 14:38 查看: 256 次纠错评论(0) 课件开VIP

复习6：大数定律

## 切比雪夫不等式    
设随机变量 $X$ 的期望 $E X$, 方差 $D X$ 都存在, 则对任意 $\varepsilon>0$ 均有    
$$
P\{|X-E X| \geqslant \varepsilon\} \leqslant \frac{D X}{\varepsilon^2}
$$
或    
$$
P\{|X-E X|<\varepsilon\} \geqslant 1-\frac{D X}{\varepsilon^2} .
$$

## 大数定律    
(1) 依概率收敛    
对于随机变量序列 $X_1, X_2, \cdots, X_n, \cdots$ 和常数 $a$, 如果对于任意给定的正数 $\varepsilon$, 有    
$$
\lim _{n \rightarrow \infty} P\left\{\left|X_n-a\right|<\varepsilon\right\}=1
$$    
则称随机变量序列 $X_1, X_2, \cdots, X_n, \cdots$ 依概率收玫于 $a$, 记作 $X_n \stackrel{P}{\longrightarrow} a$.
        
(2) 切比雪夫大数定律    
设随机变量 $X_1, X_2, \cdots, X_n, \cdots$ 相互独立, 数学期望 $E X_i$ 和方差 $D X_i$ 均存在, 且方差 $D X_i$ 有公共上界, 即存在常数 $C$, 使 $D X_i \leq C(i=1,2, \cdots)$, 则对于任意给定的正数 $\varepsilon$, 总有    
$$
\lim _{n \rightarrow \infty} P\left\{\left|\frac{1}{n} \sum_{i=1}^n X_i-\frac{1}{n} \sum_{i=1}^n E X_i\right|<\varepsilon\right\}=1
$$
            
【注】上式表明: 当 $n$ 很大时, 相互独立方差有公共上界的随机变量的平均值 $\frac{1}{n} \sum_{i=1}^n X_i$ 依 概率收敛于其数学期望 $\frac{1}{n} \sum_{i=1}^n E X_i$.

(3) 伯努利大数定律   
设 $n_A$ 是 $n$ 次独立重复试验中事件 $A$ 发生的次数, $p$ 是事件 $A$ 在每次试验中发生的 概率. 则对于任意正数 $\varepsilon>0$, 有
$$
\lim _{n \rightarrow \infty} P\left\{\left|\frac{n_A}{n}-p\right|<\varepsilon\right\}=1 .
$$   
【注】上式表明: 当 $n$ 很大时, 随机事件 $A$ 发生的频率 $\frac{n_A}{n}$ 依概率收敛于事件 $A$ 的概率 $p$, 因此在试验次数充分大时, 可以用频率来近似代替概率.
      
        (4) 辛钦大数定律   
设随机变量 $X_1, X_2, \cdots X_n, \cdots$ 相互独立, 服从相同的分布, 具有数学期望 $E X_i=\mu$ $(i=1,2, \cdots)$ 则, 对于任意给定的正数 $\varepsilon$, 总有
$$
\lim _{n \rightarrow \infty} P\left\{\left|\frac{1}{n} \sum_{i=1}^n X_i-\mu\right|<\varepsilon\right\}=1 .
$$
           
【注】上式表明：当 $n$ 很大时, 独立同分布的随机变量的平均值 $\frac{1}{n} \sum_{i=1}^n X_i$ 依概率收敛于
它的数学期望 $\mu$.
## 中心极限定理

(1) 列维-林德伯格中心极限定理 设随机变量 $X_1, X_2, \cdots X_n, \cdots$ 相互独立, 服从相同的分布, 具有数学期望 $E X_i=\mu$ 和 方差 $D X_i=\sigma^2>0(i=1,2, \cdots)$, 则对于任意实数 $x$, 有
$$
\lim _{n \rightarrow \infty} P\left\{\frac{\sum_{i=1}^n X_i-n \mu}{\sqrt{n} \sigma} \leq x\right\}=\Phi(x) .
$$
            
【注】上式表明：在定理条件下, 当 $n$ 充分大时, $\sum_{i=1}^n X_i$ 以正态分布为极限分布.        
(2) 棣莫弗-拉普拉斯中心极限定理    
设随机变量 $X_n$ 服从参数为 $n, p(0< p < 1, n=1,2, \cdots)$ 的二项分布, 即

$X_u \sim B(n, p)$, 则对于任意实数 $x$, 有
$$
\lim _{n \rightarrow \infty} P\left\{\frac{X_n-n p}{\sqrt{n p(1-p)}} \leq x\right\}=\Phi(x) .
$$      
【注】上式表明：当重复实验次数足够多时, 二项分布以正态分布为极限分布.

科数题库(单机版) 会议室预约系统(book)

今日还可看 0 篇未注册用户每天查看4篇，注册用户每天8篇，开通VIP会员无限制查看。

免费注册

《高等数学》难点解析

高数教程 泰勒公式切线与法线切平面与法平面驻点·拐点·极值点·零点间断点渐进线瑕积分欧拉方程伯努利方程 Abel 收敛定理偏导数的几何意义偏导数的几何意义梯度数量场与向量场多元函数极值拉格朗日算子通量与散度环流量与旋度格林公式高斯公式斯托克斯公式三大公式比较傅里叶级数极坐标微元点法式方程变上限定积分 X型计算面积 Y型计算面积微分的意义渐近线间断点 y''+py'+qy=f(x)方程高斯黎曼傅里叶变换(复数) 拉普拉斯变换(复数)

《线性代数》难点解析

线代教程 近世代数对数学的整体思考线性的意义矩阵乘法(列视角) 矩阵乘法(行视角) 矩阵左乘矩阵右乘逆矩阵求解方程组阶梯形矩阵的求法方程组解的判定四阶行列式的计算线性变换的意义线性空间向量组的等价线性空间的几何意义基础解系的求法施密特正交化特征值与特征向量的意义矩阵相似的几何意义矩阵可对角化的理解秩的意义(向量版) 秩的意义(方程版) 二次型的意义

《概率论与数理统计》难点解析

概率教程 置信区间与上a分位数概率中的“取”与“放” 贝叶斯公式全概率公式泊松分布指数分布伽玛分布二维密度图的意义卷积的意义相关系数的意义 k阶矩是与矩母函数卡方分布的作用单正态区间估计理解假设检验理解切比雪夫不等式中心极限定理

上一篇：复习5:数学期望与方程

下一篇：复习7:重要统计量

本文对您是否有用？有用 (0) 无用 (0)