中心极限定理_概率论——大数定律与中心极限定理

学习阶段：大学数学。

前置知识：微积分、随机变量、数学期望、方差。

1. 切比雪夫不等式

切比雪夫不等式可以对随机变量偏离期望值的概率做出估计，这是大数定律的推理基础。

以下介绍一个对切比雪夫不等式的直观证明。

1.1 示性函数

对于随机事件A，我们引入一个示性函数

，即一次试验中，若A发生了，则

的值为1，否则为0.

现在思考一个问题：这个函数的自变量是什么？

我们知道，随机事件在做一次试验后有一个确定的观察结果，称这个观察结果为样本点

，所有可能的样本点的集合称为

样本空间

. 称

的一个子集

为随机事件。

例如，掷一个六面骰子，记得到数字k的样本点为

，则

，随机事件“得到的数字为偶数”为

.

由此可知，示性函数是关于样本点的函数，即

（试验后）

在试验之前，我们能获得哪个样本点也未知的，因此样本点也是个随机事件，记为

，相应地示性函数可以记为

（试验前）

在试验之前，

值也是未知的，因此

是个二值随机变量。这样，我们就建立了随机事件A和随机变量

之间的一一对应关系。

对

求数学期望可得

是什么？是样本点落在A里面的概率，也就是A事件发生的概率

，由此我们就得到了示性函数很重要的性质：其期望值正是对应的随机事件的概率，即

1.2 马尔可夫不等式

对于非负的随机变量

和定值

，考虑随机事件

&#