极限定理

在概率论中，频率是概率的反应，随着观察次数的增多，频率将逐渐稳定于概率。许多随机变量之和的结果会服从或近似服从正态分布。那么极限定理就是要解决这类问题的。
在概率论中，通常把一切关于随机现象的平均结果稳定性的定理称为大数定律；把在一定条件下判定随机变量之和的极限分布式正态分布的定理称为中心极限定理。极限定理中最基本的两种类型是“大数定律”和“中心极限定理”。

切比雪夫不等式

定理1：

大数定律

定理2：（伯努利（Bernoulli）大数定律）

伯努利大数定律说明：事件A发生的频率与其概率有较大偏差的可能性趋于零，但并不意味着较大偏差的事件就不会发生，知识说较大偏差的事件发生概率小，这就是频率稳定于概率的含义。

定理3：（切比雪夫大数定律）

伯努利大数定律是切比雪夫大数定律的特例，在它们的证明中，都是切比雪夫不等式为基础的，所以要求随机变量具有方差。但是进一步的研究表明，方差存在这个条件不是必要的，下面要介绍独立同分布时的辛钦大数定律。

定理4：（辛钦大数定律）

前面说过伯努利大数定律表明了当n很大时，事件发生的频率会接近概率，而这里的辛钦大数定律表明，当n很大时，随机变量在n次观察中的算术平均值会接近它的数学期望，这就为寻找随机变量的数学期望提供了一条实际可行的途径。

例如要估计某地区小麦的平均亩产量，只要收割一部分有代表性的地块，计算它们的平均亩产量，即，当n充分大时，它可以作为全地区平均亩产量的近似。

中心极限定理

定理5：（林德贝格-列维中心极限定理）

定理6：（棣莫佛-拉普拉斯定理）