大数定律和中心极限定理

本文介绍了随机变量的矩、切比雪夫不等式、相关性和独立性,以及特征函数在概率分布研究中的作用。重点讨论了大数定律和中心极限定理,阐述了样本均值的收敛性和分布特性,为理解和应用统计学提供理论基础。
摘要由CSDN通过智能技术生成

随机变量的矩

X X X是一个随机变量, f ( x ) f(x) f(x)为概率密度函数,对于任何正整数 n n n,定义
E ( X n ) = ∫ p ( x ) x n d x E(X^n)=\int p(x)x^ndx E(Xn)=p(x)xndx为随机变量的 n n n阶矩。

  • n n n=1, E ( X ) E(X) E(X)为随机变量的期望,可以理解为平均值。
  • n n n=2, E ( X 2 ) − E ( X ) 2 = E ( ( X − E ( X ) ) 2 ) E(X^2)-E(X)^2=E((X-E(X))^2) E(X2)E(X)2=E((XE(X))2)为随机变量的方法。

切比雪夫不等式

设随机变量 X X X,期望 u u u,标准差 σ \sigma σ,对于任意实数k>0,
P ( ∣ X − u ∣ ≥ k σ )

评论
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