概率论第五章 大数定律和中心极限定理

背住这四组 条件+结论！ 不用管证明，只用记住条件+结论。

---

X1,X2,……,Xn是一个随机变量序列

切比雪夫不等式

对任意的＞0，都有

口诀：先大于等于≥，后小于等于≤。先期望，后方差。（30年只考过一次2001年，背住，以防要靠）

切比雪夫不等式可以使人们在随机变量X的分布未知的情况下，对事件的概率作出估计。

注意：应用切比雪夫不等式必须满足E(X)和D(X)存在且有限这一条件。

---

依概率收敛

区别于高数中的收敛

---

切比雪夫大数定律

切大条件：Xi不相关，方差有界，则有依概率收敛 

设测量某一物理量X，在条件不变的情况下重复测量n次，得到的结果X1，X2，…，Xn是不完全相同的，这些测量结果可看作是n个独立随机变量X1，X2，…，Xn的试验数值，并且有同一数学期望E(X)。

上式表明，n足够大时，把n次测量结果的算术平均值作为E(X)的近似值，所产生的误差是很小的。

---

辛钦大数定律

辛大条件：Xi独立同分布，期望存在，则有依概率收敛 

---

伯努利大数定律：

不用背，是切大和辛大的特例(当Xn~B(n,p)时)

---

小结

小结：★背住切大和辛大，条件不一样，结论一样。

都是2个条件：一弱一强。

切大：不相关(弱)+方差有界(强)             不相关不一定独立。 方差存在，期望一定存在。

辛大：独立同分布(强)+期望存在(弱)      独立一定不相关。     期望存在，方差不一定存在、有界。

---

林德伯格中心极限定理 

林中条件：Xi独立同分布，方差存在，则有 ，即服从正态分布。

N(E,D)中的E是指，D是指，都是由Xi的分布来确定。

例如：当Xi~B(1,p)时，期望=p，方差=p(1-p)。=nE(Xi)=np，=nD(Xi)=np(1-p)。

---

拉普拉斯中心极限定理

(不用记了，就看作是林中的特殊情况:X~B(n,p)时)