概率 + 统计 大数定律与中心极限定理(五)
大数定律
切比雪夫不等式
设随机变量X具有数学期望,方差,则对于任意正数,有不等式
由切比雪夫不等式可以看出,若越小,则事件的概率越大,即随机变量X 集中在期望附近的可能性越大.
大数定律的客观背景
设是一个随机变量序列,a是一个常数,若对于任意正数,有,则称序列依概率收敛于a,记作。
性质:设,,又设函数g(X,Y)在点(a,b)连续,则。
切比雪夫大数定律:
设是一个随机变量序列,如果存在常数C,使得,则对于任意正数有,也就是说。
贝努利大数定律
设 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,则对于任意任意正数,有
,也就是说
在实际应用中,当试验次数很大时,就可以用事件的频率来代替事件的概率。
辛钦大数定律
设是相互独立,服从同一分布的随机变量序列,且具有数学期望。则对于任意正数,有,也就是说
中心极限定理
中心极限定理的客观背景:在客观实际中,许多随机变量是由大量的相互独立的随机因素的综合影响所形成的。而其中每一个别因素所起的作用都是微小的。这样的随机变量往往近似地服从正态分布!
中心极限定理
定理1(独立同分布情形下的中心极限定理)设随机变量相互独立,服从同一分布,具有数学期望和方差,,则随机变量值和的标准化变量的分布函数对于任意x满足
定理2(德莫佛-拉普拉斯中心极限定理): 设随机变量服从参数n,p(0<p<1)的二项分布,则对任意x,有
定理表明:二项分布的极限分布是正态分布,即
定理3(李雅普诺夫中心极限定理)设随机变量相互独立,具有数学期望和方差,记,若存在正数,使得当时,
,则随机变量值和的标准化量的分布函数对于任意x,满足