大数定律与中心极限定理-Clouddn.com.PDFVIP

 大数定律与中心极限定理 概率论与数理统计是研究随机现象的统计规律的科学，在随机现象的统计规律中， 频率的稳定性最引人注目. 由此可以揭示随机现象本身许多固有的规律性.极限定理中的 大数定律就是刻画频率稳定性的理论.而在概率论与数理统计的基础理论与应用中，中 心极限定理占有极其重要的地位. 5.1 大数定律 5.1.1 问题的提出 重复试验中事件的频率的稳定性，是大量随机现象的统计规律性的典型表现.人们 在实践中认识到频率具有稳定性，进而由频率的稳定性预见概率的存在；由频率的性质 推断概率的性质，并在实际应用中用频率的值来估计概率的值. 其实，在大量随机现象中，不但事件的频率具有稳定性，而且大量随机现象的平均 结果一般也具有这种稳定性；单个随机现象的行为对大量随机现象共同产生的总平均效 果几乎不发生影响.这就是说，尽管单个随机现象的具体实现不可避免地引起随机偏差， 然而在大量随机现象共同作用时，由于这些随机偏差互相抵消，补偿和拉平，致使总的 平均结果趋于稳定. 例如，一个精密钳工在测量一个工件时，由于具有随机误差，他总 是反复测量多次，然后用各次的平均值来作为测量的结果.而且经验表明：只要测量的 次数足够多，总可以达到要求的精度. 概率论中，一切关于大量随机现象之平均结果稳定性的定理，统称为大数定理. 5.1.2 切比雪夫不等式与大数定律 为了讨论大数定律,首先我们给出一个重要的不等式:切比雪夫（Chebychev）不等式, 为此,我们先证明一个称为马尔科夫不等式的结果. 定理 5.1.1(Markov)设X 为只取非负值的随机变量,则对任一实数a 0 , E X [ ] P X ≥a ≤ { } . a 证明 我们对 X 为连续型随机变量,有密度函数f (x) 的情形给出证明. E [X ] ∫∞xf (x )dx ∫axf (x)dx +∫∞xf (x)dx 0 0 a ∞ ∞ ≥ xf (x)dx ≥ af (x)dx ∫a ∫a a∫∞f (x)dx aP{X ≥a}. a 例 5.1.1 设随机变量 X 且EX 4 ≤100.试给出P (X ≥5) 的一个上界． 131 解 令Y X 4 ，于是Y 是一个非负随机变量且均值不超过 100． 注意到如果X ≥5 ，则有Y ≥625 ．由上述关系式，得 EY 100 P X P Y ( ≥5) ≤ ( ≥625) ≤ ≤ . 625 625 定理 5.1.2 (Chebychev) 设