大数定律

什么是大数定律

  大数定律是指在随机试验中,每次出现的结果不同,但是大量重复试验出现的结果的平均值却几乎总是接近于某个确定的值。

  其原因是,在大量的观察试验中,个别的、偶然的因素影响而产生的差异将会相互抵消,从而使现象的必然规律性显示出来。例如,观察个别或少数家庭的婴儿出生情况,发现有的生男,有的生女,没有一定的规律性,但是通过大量的观察就会发现,男婴和女婴占婴儿总数的比重均会趋于50%。


大数定律的表现形式

  定义1:\varepsilon_n(n=1,2,\cdots)概率空间(Ω,F,P)上定义的随机变量序列(简称随机序列),若存在随机变数\varepsilon,使对任意\varepsilon>0,恒有:

\lim_{n\to\infty}p{|\varepsilon_n-\varepsilon|\ge\varepsilon}=0
\lim_{n\to\infty}p{|\varepsilon_n-\varepsilon|\le\varepsilon}=1

  则称随机序列{\varepsilon_n}依概率收敛于随机变量\varepsilon(\varepsilon也可以是一个常数),并用下面的符号表示:

  \lim_{n\to\infty}\varepsilon_n=\varepsilon(p)\varepsilon_n\overrightarrow{p}\varepsilon

  定义2:{\varepsilon_n}为一随机序列,数学期望E(\varepsilon_n))存在,令\bar{\varepsilon_n}= \frac{1}{n}\sum_{i=1}^n \varepsilon_i,若\lim_{n\to\infty}[\bar{\varepsilon_n}-E(\bar{\varepsilon_n})]=0(P),则称随机序列{\varepsilon_n}服从大数定律,或者说大数法则成立。

  定义3:Fn(x)是分布函数序列,若存在一个非降函数F(x),对于它的每一连续点x,都有\lim_{n\to\infty}F_n(x)=F(x),F_n(x)\overrightarrow{w}F(x),则称分布函数序列Fn(x)弱收敛于F(x)。

  定义4:F_n(x)(n=1,2,3,\cdots),F(x)分别是随机变量\varepsilon_n(n=1,2,3,\cdots)\varepsilon的分布函数,若F_n(x)\overrightarrow{w}F(x),则称{\varepsilon_n}依分布收敛于\varepsilon,亦记为\varepsilon_n\overrightarrow{L}\varepsilon,且有:(1)若\varepsilon_n\overrightarrow{P}\varepsilon,则\varepsilon_n\overrightarrow{L}\varepsilon;(2)设c为常数,则 \varepsilon_n\overrightarrow{P}c的充要条件是\varepsilon_n\overrightarrow{L}c

  逆极限定理:设特征函数列fn(t)收敛于某一函数f(t),且f(t)在t=0时连续,则相应的分布函数列Fn(x)弱收敛于某一分布函数F(x),而且f(t)是F(x)的特征函数。


切比雪夫大数定理
   
,....是一列相互独立的随机变量(或者两两不相关) [2]   ,他们分别存在期望
   
和方差
   
。若存在常数C使得:
 
则对任意小的正数 ε,满足公式一:
将该公式应用于抽样调查,就会有如下结论:随着 样本容量n的增加, 样本平均数将接近于 总体平均数。从而为统计推断中依据样本平均数估计总体平均数提供了理论依据。
特别需要注意的是, 切比雪夫大数定理并未要求
   
同分布,相较于后面介绍的伯努利大数定律和 辛钦大数定律更具一般性。
设μ是n次独立试验中事件A发生的次数,且事件A在每次试验中发生的 概率为P,则对任意正数ε,有公式二:
该定律是 切比雪夫大数定律的特例,其含义是,当n足够大时,事件A出现的频率将几乎接近于其发生的概率,即频率的稳定性。
在抽样调查中,用样本成数去估计总体成数,其理论依据即在于此。
辛钦大数定律:常用的大数定律
   
为独立同分布的随机变量序列,若
   
数学期望存在,则服从大数定律:
即对任意的ε>0,有公式三:

  • 4
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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