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)