切比雪夫不等式
随机变量 X X X, E ( X ) = μ , D ( X ) = σ E(X)=\mu,D(X)=\sigma E(X)=μ,D(X)=σ
P ( ∣ X − μ ∣ ≥ ε ) ≤ σ 2 ε 2 P(|X-\mu|\geq\varepsilon)\leq\frac{\sigma^2}{\varepsilon^2} P(∣X−μ∣≥ε)≤ε2σ2
中心极限定理
和的分布收敛于正态分布这一类定理叫做中心极限定理
独立同分布的 中心极限定理
X 1 , X 2 , . . . , E ( X i ) = μ , D ( X i ) = σ 2 , i = 1 , 2 , . . . X_1,X_2,...,E(X_i)=\mu,D(X_i)=\sigma^2,i=1,2,... X1,X2,...,E(Xi)=μ,D(Xi)=σ2,i=1,2,...
计
Y
n
=
∑
i
=
1
n
X
i
−
n
μ
σ
n
Y_n=\frac{\sum_{i=1}^nX_i-n\mu}{\sigma\sqrt{n}}
Yn=σn∑i=1nXi−nμ
的分布函数
F
n
(
x
)
F_n(x)
Fn(x),有
F
n
(
x
)
=
Φ
(
x
)
F_n(x)=\Phi(x)
Fn(x)=Φ(x)
∑ i = 1 n X i ∼ N ( n μ , n σ ) \sum_{i=1}^nX_i\sim N(n\mu,n\sigma) i=1∑nXi∼N(nμ,nσ)
两点分布
lim n → ∞ { ∑ i = 1 n X i − n p n p ( 1 − p ) ≤ x } = Φ ( x ) \lim_{n\to\infty}\{\frac{\sum_{i=1}^nX_i-np}{\sqrt{np(1-p)}}\leq x\}=\Phi(x) n→∞lim{np(1−p)∑i=1nXi−np≤x}=Φ(x)