概率论——大数定律及中心极限定理
收敛性
切比雪夫不等式
表述：设随机变量X的数学期望和方差都存在，则对任意常数 ε>0，有P( | X - E(X) | ≥ ε ) ≤ D(X) / ε² ，或P( | X - E(X) | < ε ) ≥ 1 - D(X) / ε²[1] 。
例子：
大数定律
定义和几个常用的大数定律
参见：（大数定律具体是个什么概念？）
大数定律：在试验不变的条件下，重复试验多次，随机事件的频率近似于它的概率。
小概率事件原理
一个事件的发生概率很小，那么它在一次试验中是几乎不可能发生的，但在多次重复试验中是必然发生的。
中心极限定理
重点：
中心极限定理：说明的是在一定条件下，大量、独立、随机变量的平均数是以正态分布为极限的。
而大数定律只是揭示了大量随机变量的平均结果，但没有涉及到随机变量的分布的问题。
棣莫弗—拉普拉斯定理
证明的是二项分布的极限分布是正态分布，也告诉了我们实际问题时可以用大样本近似处理。