第四章切比雪夫不等式、大数定理、中心极限定理

切比雪夫不等式

 设随机变量X具有数学期望 E(X)=μ ,方差 D(X)=σ2 ,对于任意 ε>0 ,都有

P{|Xμ|ε}σ2ε2

  这里写图片描述

方差越大,X落在区间外的概率越大,X的波动也就越大,与方差的意义统一了。等价公式

P{|Xμ|<ε}1σ2ε2

适用范围

  期望、方差都存在的随机变量。

用途

  对于随机变量落在期望附近区域内(或外)给出一个界的估计。

证明

  证明的要点是意识到 D(X)=E((Xμ)2)

大数定律

  随机事件A的频率 fn(A) 当重复试验的次数n增大时,总是呈现出稳定性,稳定在某一个常数附近。频率的稳定性是概率定义的客观基础。
  随机变量与随机变量序列的区别看这里。感觉上:随机变量序列是多次随机试验结果写成数组形式。

辛钦大数定律

  设 X1,X2...Xn 是相互独立且服从同一分布的随机变量序列,且具有数学期望 E(Xk)=μ ,k=1,2,3…。则对于 ε>0 ,有

limn>+P{|1nk=1nXkμ|<ε}=1

   |1nnk=1Xkμ|<ε 是一个随机事件。辛钦大数定律描述的是独立同分布且具有均值 μ 的随机变量 X1,X2...Xn ,当n很大的时候,它们的 算术平均值 1nnk=1Xk 很可能接近于 μ

依概率收敛

定义

  设 Y1,Y2,...Yn 为一个随机变量序列,c为一常数,若对于 ε ,均有 limn>+P{|Ync|ε}=0 成立,则称随机变量序列 {Yn,n>1} 依概率收敛于c,记为 Yn>c (这里记号有问题,表示不出来),当 n>+
 

性质

 若 Xn>a (依概率), Yn>b (依概率),当 n>+ 时,函数f(x,y)在点(a,b)处连续,那么 g(Xn,Yn)>g(a,b) (依概率),当 n>+ 时。

辛钦大数定律第二种写法

 设 X1,X2...Xn 是相互独立且服从同一分布的随机变量序列,且具有数学期望 E(Xk)=μ ,k=1,2,3…。则序列 X¯¯¯=1nnk=1Xk 依概率收敛于 μ 。记为 X¯¯¯>μ (依概率)。
 说明:相当于辛钦大数定律使用依概率收敛写了一次。
 辛钦大数定律指出随机变量X的数学期望的近似值的方法:将随机变量独立重复地观察n次,记第k次的观测值为 Xk ,可将n次观测值的算术平均值作为期望的近似。

切比雪夫大数定律

  X1,X2...Xn 是相互独立的随机变量,且具有相同的期望 μ ,相同的方差 σ2 ,那么 1nni=1Xi>μ (依概率)。
 

伯努利大数定律

 设 fn(A) 是n次独立重复试验中时间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 ε>0 。有

limn>+P{|fAnp<|ε}=1
,也可以表示为 fn(A)np (依概率)。
 伯努利大数定律指出当试验次数很大的时候可以用频率代替概率。

三个大数定律的比较

定律分布情况期望方差结论
辛钦大数定律相互独立且同分布存在估算期望
切比雪夫大数定律相互独立相同相同估算期望
伯努利大数定律二项分布相同相同频率=概率
相同点: n>+ ,依概率趋近条件组件变得严格

中心极限定理

  有许多随机变量,它们是由大量的相互独立的随机因素的综合影响形成的,其中每一个的因素在总影响中所起的作用都是微小的。这种随机变量往往近似的服从正态分布。
  中心极限定理(central limit theorem)是概率论中讨论随机变量序列部分和分布渐近于正态分布的一类定理。这组定理是数理统计学和误差分析的理论基础,指出了大量随机变量累积分布函数逐点收敛到正态分布的积累分布函数的条件。(引用)

独立同分布的中心极限定理(CLT)

  设随机变量 X1,X2...Xn 相互独立且同分布, E(Xi)=μ D(Xi)=σ2 ,i=1,2,…,则对于充分大的n,有 ni=1Xi()N(nμ,nσ2) 。此时 P(a<ni=1Xi<b)ϕ(bnμnσ)ϕ(anμnσ) 1nni=1Xi()N(μ,σ2n)

德莫佛-拉普拉斯定理

  记 nA 为n重伯努利试验中事件A发生的次数,并记事件A在每次试验中发生的概率为p,则对于充分大的n有 nA()N(np,np(1p))

  • 14
    点赞
  • 42
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
Quartz是OpenSymphony开源组织在Job scheduling领域又一个开源项目,它可以与J2EE与J2SE应用程序相结合也可以单独使用。Quartz可以用来创建简单或为运行十个,百个,甚至是好几万个Jobs这样复杂的程序。Jobs可以做成标准的Java组件或 EJBs。 Quartz的优势: 1、Quartz是一个任务调度框架(库),它几乎可以集成到任何应用系统中。 2、Quartz是非常灵活的,它让您能够以最“自然”的方式来编写您的项目的代码,实现您所期望的行为 3、Quartz是非常轻量级的,只需要非常少的配置 —— 它实际上可以被跳出框架来使用,如果你的需求是一些相对基本的简单的需求的话。 4、Quartz具有容错机制,并且可以在重启服务的时候持久化(”记忆”)你的定时任务,你的任务也不会丢失。 5、可以通过Quartz,封装成自己的分布式任务调度,实现强大的功能,成为自己的产品。6、有很多的互联网公司也都在使用Quartz。比如美团 Spring是一个很优秀的框架,它无缝的集成了Quartz,简单方便的让企业级应用更好的使用Quartz进行任务的调度。   课程说明:在我们的日常开发中,各种大型系统的开发少不了任务调度,简单的单机任务调度已经满足不了我们的系统需求,复杂的任务会让程序猿头疼, 所以急需一套专门的框架帮助我们去管理定时任务,并且可以在多台机器去执行我们的任务,还要可以管理我们的分布式定时任务。本课程从Quartz框架讲起,由浅到深,从使用到结构分析,再到源码分析,深入解析Quartz、Spring+Quartz,并且会讲解相关原理, 让大家充分的理解这个框架和框架的设计思想。由于互联网的复杂性,为了满足我们特定的需求,需要对Spring+Quartz进行二次开发,整个二次开发过程都会进行讲解。Spring被用在了越来越多的项目中, Quartz也被公认为是比较好用的定时器设置工具,学完这个课程后,不仅仅可以熟练掌握分布式定时任务,还可以深入理解大型框架的设计思想。
[入门数据分析的第一堂课]这是一门为数据分析小白量身打造的课程,你从网络或者公众号收集到很多关于数据分析的知识,但是它们零散不成体系,所以第一堂课首要目标是为你介绍:Ø  什么是数据分析-知其然才知其所以然Ø  为什么要学数据分析-有目标才有动力Ø  数据分析的学习路线-有方向走得更快Ø  数据分析的模型-分析之道,快速形成分析思路Ø  应用案例及场景-分析之术,掌握分析方法[哪些同学适合学习这门课程]想要转行做数据分析师的,零基础亦可工作中需要数据分析技能的,例如运营、产品等对数据分析感兴趣,想要更多了解的[你的收获]n  会为你介绍数据分析的基本情况,为你展现数据分析的全貌。让你清楚知道自己该如何在数据分析地图上行走n  会为你介绍数据分析的分析方法和模型。这部分是讲数据分析的道,只有学会底层逻辑,能够在面对问题时有自己的想法,才能够下一步采取行动n  会为你介绍数据分析的数据处理和常用分析方法。这篇是讲数据分析的术,先有道,后而用术来实现你的想法,得出最终的结论。n  会为你介绍数据分析的应用。学到这里,你对数据分析已经有了初步的认识,并通过一些案例为你展现真实的应用。[专享增值服务]1:一对一答疑         关于课程问题可以通过微信直接询问老师,获得老师的一对一答疑2:转行问题解答         在转行的过程中的相关问题都可以询问老师,可获得一对一咨询机会3:打包资料分享         15本数据分析相关的电子书,一次获得终身学习
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值