中心极限定理+拉普拉斯定理+大数定理+切比雪夫不等式

数学理论 专栏收录该内容
19 篇文章 0 订阅

2018.08.19更新

1.中心极限定理:大量独立随机变量的和经过适当标准化后趋近于正态分布,这与变量的原分布无关,有独立同分布的中心极限定理和独立不同分布的中心极限定理

2.独立同分布的中心极限定理:

设随机变量X1,X2,...Xn独立同分布,且具有有限的数学期望和方差,E(Xi)=µ,D(Xi)=σ^2,则满足

当n很大时,近似服从标准正态分布N(0,1),即服从N(nµ,nσ^2),该定理是中心极限定理最简单也最常用的一种形式。在实际工作中,只要n足够大,就可以将独立同分布的随机变量之和当作正态变量(在处理大样本时,非常有用)

3.棣莫佛-拉普拉斯定理:

设随机变量Xn(n=1,2...)服从二项分布B(n,p)的二项分布,则对任意的有限区间(a,b],满足

正态分布是二项分布的极限形式,当实验次数足够多时,可以利用以上公式来计算二项分布概率

4.不同分布的中心极限定理:

设随机变量X1,X2...Xn独立但不同分布,且,

5.大数定理:

6.贝努力大数定理:

设Na是n次独立重复事件A发生的次数,p为事件A的发生概率,则对任意正数ε>0,存在

7.辛钦大数定理:

设随机变量X1,X2,...Xk相互独立且服从相同分布,期望E(Xk)=µ,则对于任意正数ε,存在

若随机变量序列X1,X2,...Xk,存在常数a,对任意正数ε>0,存在

则称Xk依概率收敛于a

8.切比雪夫不等式:

设随机变量X具有数学期望E(X)=µ,方差σ^2,则对任意给定的\varepsilon>0,有

#二项分布模拟拉普拉斯定理
tian<-function(m=100,n=10,p=0.5){z=rbinom(m,n,p);x=(z-n*p)/sqrt(n*p*(1-p));hist(x,prob=TRUE,breaks=20)}

 

  • 8
    点赞
  • 0
    评论
  • 22
    收藏
  • 一键三连
    一键三连
  • 扫一扫,分享海报

相关推荐
©️2020 CSDN 皮肤主题: 技术黑板 设计师:CSDN官方博客 返回首页
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、C币套餐、付费专栏及课程。

余额充值