大数定理证明

chebyshev's inequality:

P(|X-e|>=a)<=d^2/a^2;     //d^2:方差，e:期望， a>0

证明：要证明的是：

P(|X-e|>=a)<=(E((X-e)^2))/a^2

对不等式后面缩放：构造E(Y)<=E((X-e)^2)

及要找一个Y,满足E(Y)>=a^2*P(|X-e|>=a)

找个等于的:这样缩放是等价的，比较容易成功：

Y=a^2 当 |X-e|>=a;其他情况Y=0;

则Y<=(|X-e|)^2,所以E(Y)<=E((X-e)^2);

得证；

The law of big number:

由chebyshev's inequality:

对于i.i.d.(独立同分布的随机变量)X1,X2,X3.....,令M=(1/n)(X1+X2+............)

则，随着随机变量的个数趋向于无穷，M越来越接近M的期望

这其实很好理解：

概率的期望就是无限次的试验后，实验结果的平均值