概率统计复习3.pptVIP

* * 特征函数的定义 特征函数的性质 特征函数的计算 利用特征函数证明极限定理。 分布函数的再生性 §5 随机变量的特征函数 * * §5 特征函数 定义4.5.2 r.v.X的分布函数 (1)对连续型变量来说,特征函数是密度函 数的Fourier变换。 (2)特征函数的性质：Page224 * * 特征函数可完整的描述了r.v. (1)特征函数唯一确定了分布函数 (2)对于连续型随机变量,如果特征函数 绝对可积,则有 * * (1)特征函数在原点的展开式 (2)特征函数的性质6 (3)独立随机变量和的特征函数; 掌握常见的分布的特征函数，如：正态分布，退化分布的特征函数等等； 特征函数的性质 * * 第五章第一部分 大数定律 (1)大数定律的定义 (2)大数定律成立的条件 (3)几个大数定律 * * §工具: 车贝晓夫不等式 命题 设随机变量X的数学期望与方差都存在，则对任意的 有 或者等价的形式 当方差趋于0,r.v.依概率收敛到它的期望； * * 定义 定义 5.1.1（大数定律）设 是随机变量序列，an是一个常数列；令 则称 服从大数定律 若对任意ε0, 有: * * 随机变量序列 若 存在，只要 满足 则 服从大数定律 （马尔可夫条件） 大数定律成立的条件 * * 第二部分 收敛性 (1)依概率收敛 (2)依分布收敛 (3)R阶矩收敛 * * 第三部分 中心极限定理 (1)棣莫佛－拉普拉斯(二项分布的渐进正态性 ) (2)林德伯格-列维(独立同分布下的中心极限定理) (3)中心极限定理的思想以及利用特征函数法证明渐进正态性; * * 棣莫佛－拉普拉斯定理P258 定理5.1 设随机变量 服从参数n， p(0p1)二项分布，则对任意x，有 上述定理说明，二项分布的渐近正态性。 推论 充分大时，有 * * 定理6.4（林德伯格-列维）设随机变量序列 独立同分布，且 记 则对任意 ，有 推广(中心极限定理)P290 * * 根据第4章 连续性定理 设分布函数列 依分布收敛于某一分布 ,则相应的特征函数 收敛于 ,且 在 的一个有限区间内是一致收敛的。 设特征函数列 收敛于某一函数 ,且 在 处连续,则相应的分布函数列 依分布收敛于某一分布函数 ,且 是 的特征函数。 我们可以用特征函数法证明渐进正态性; * * 证明思路 利用特征函数法,找出独立的随机变量 的和的特征函数.即: 1写成标准化的和: * * 中心极限定理的证明思路 2利用特征函数的泰勒展式,写出 3利用独立的和的特征函数等于特征函数 的乘积.写出 的特征函数.从而得到 的特征. 的特征函数,4取极限,看极限分布是否为 正态分布.