《概率论与数理统计》学习笔记5-大数定律与中心极限定理

目录

切比雪夫不等式

依概率收敛

大数定律

依分布收敛

中心极限定理

---

切比雪夫不等式

        切比雪夫不等式：

        等价形式

依概率收敛

        依概率收敛：

                𝑋1…𝑋𝑛是一个随机变量序列，a是一个常数，对任意给定的正数𝜀，有

                则称随机变量序列𝑋1…𝑋𝑛依概率收敛于a，记作

                （n趋于无穷时随机变量序列的值趋于某个常数）

        依概率收敛的性质：

                若：

                则：

大数定律

                概率论中用来阐述大量随机现象平均结果稳定性的理论称为大数定律

        切比雪夫定理：

                随机变量序列𝑋1…𝑋𝑛相互独立，具有期望和方差，并且方差一致有上界，对任意给定的正数𝜀，有

                表述：

                随机变量序列𝑋1…𝑋𝑛相互独立，具有期望和方差，并且方差一致有上界，当𝑛→∞时，随机变量序列的算术平均值与数学期望的算术平均值之差依概率收敛于0

                若随机变量序列具有相同期望和方差：

        伯努利定理：

                在n重伯努利试验中，p为时间A发生的概率，则：

                等价形式：

                表述：在n重伯努利试验中事件A发生的频率𝑛𝐴/𝑛当𝑛→∞时依概率收敛于事件A发生的概率p

        辛钦定理：

                随机变量序列相互独立，服从同一分布，具有数学期望，对任意给定的正数𝜀，有：

                辛钦定理是切比雪夫定律的特殊情况，是矩估计的理论基础

                伯努利定理是辛钦定的特殊情况（随机变量序列由n重伯努利试验产生）

依分布收敛

        依分布收敛：

                随机变量序列𝑋，𝑋1…𝑋𝑛的分布函数𝐹(𝑋)，𝐹1(𝑋)⋯𝐹𝑛(𝑋)，若对𝐹(𝑋)的每一个连续点都有:

                则称随机变量序列𝑋1…𝑋𝑛依分布收敛于𝑋，记作:

                （n趋于无穷时随机变量序列的分布函数趋于某个随机变量的分布函数）

中心极限定理

                是研究随机变量序列部分和的分布渐进于标准正态分布的定理

        独立同分布的中心极限定理（莱维-林德伯格定理）：

                随机变量序列𝑋1…𝑋𝑛独立同分布，具有数学期望和方差，则随机变量序列

                依分布收敛于服从标准正态分布的随机变量u，记作

                （n充分大时，服从指数分布的随机变量序列之和近似服从正态分布）

        二项分布中心极限定理（棣莫弗-拉普拉斯定理）：

                𝑌𝑛~(𝑛,𝑝)，𝑋1…𝑋𝑛服从两点分布，则随机变量:

                依分布收敛于标准正态分布