切比雪夫不等式
这个不等式只是概率论不等式中的沧海一粟而已,其实这个不等式就是将我们的某些直觉量化了,呃呃,这么说可能很抽象,我举例来说下,当分布服从均匀分布或者正态分布时,我们知道
前提:期望方差存在
公式:
依概率收敛
这个是一些特定随机序列才会有的特性,而非所有随机序列都具有,而我们之所以要给出这个定义,主要是因为我们在估计一些总体未知的随机变量的数字特征时,如果我们能构造出一个可以收敛于这个真实数字特征的估计量时,那么就代表我们的估计是和总体一致的(一致性),在这里有必要强调一点就是这个思想其实是概率派的思想(还有一个派叫贝叶斯派),概率派相信数字特征(参数)是唯一存在的,所以我们只要找到合适的随机序列,这个随机序列可以随着n的增大不断趋近真实的数字特征,用数学描述这种性质就叫做依概率收敛,可以参考
叁晟:通俗理解依概率收敛、有效性、无偏性和一致性zhuanlan.zhihu.com大数定律
大数定律其实就是证明了样本均值(
切比雪夫大数定律:
前提:两两不相关,方差期望均存在
公式:
辛钦大数定律 :
前提:独立同分布,期望存在
公式:
伯努利大数定律 :其实就是辛钦大数定律在二项分布上应用
公式:
这三者有依次包含的关系,第一个的涵盖范围最大,而且也只要求不相关就好,第二个要求更苛刻一点,要求独立。
中心极限定理
中心极限定理的“中心”是指样本均值会以总体均值为中心,反复左右横跳,当实验次数够多时,反复左右横跳形成的样本平均值服从以总体均值为期望,总体方差为方差的正态分布。如果我们对样本均值进行单位化操作,那么就可以得到这个正态分布就是标准正态分布。
就是列维-林德伯格中心极限定理 :
感慨一下:每每看到这,我总会被数学这种绝妙的巧合震撼到,这种简洁干脆但却包罗万象的定理才是数学的真正魅力所在。
大数定律和中心定理的区别在我看来就是:大数定律告诉你你走的方向没错,中心定理就是告诉你你的蛇形走位是什么样的,人话就是你是怎么趋近,趋近过程是什么样子的。
中心极限定理的强大在于它用一条等式确定了样本和总体的关系。这个也是数理统计的根基,因为现实中我们不可能穷尽所有,当然也必要,因为我们的出发点本来就是想偷懒,用最少的量统计最大的量,中心极限定理就告诉我们,当你的数据可以大概估摸出服从的正态分布时,你就可以确定你要的总体估计了,而且一次性可以得到期望和方差,当然什么时候估摸,这个取决你自己的需要,你想准一点,就多做几次,这里涉及数理统计了,就不展开了。
最后
由于能力有限,所以难免会有不严谨和纰漏的地方,还望各位大佬海涵,并不吝指出,不奢求这篇短文能够使你掌握,但是希望这篇文章可以帮助你进一步理解这些伟大的定理,不要被一些只知道堆砌一堆定理和题目,丝毫不做过渡,也不谈本质和应用,上来就摆一副自以为很牛高高在上的姿态,让你学的一脸懵逼的垃圾教材蚕食了你学习数学的兴趣和热情,所以只要这篇文章能够帮助到你窥视到这些真理的一点魅力足矣。