概率论极限定理解析.ppt

意义： 即n很大时，Xn以很大的可能性靠近X，其中ε为误差。（随机性消失） §5.1 大数定理 第五章 极限定理 * * 1.切比雪夫大数定律: 设X1, X2, …, Xn, …是由相互独立的随机变量所构成的序列, 其中EXk=?k, DXk≤C+∞,（k=1,2,…,n,…） * 2.辛钦大数定律 此定理使算术平均值的法则有了理论依据： 测量时以n次测量的平均值作为最后的试验结果。 * 3.贝努里大数定律 设nA是n重贝努里试验中事件A发生的次数，p(A)是事件A在每次试验中发生的概率，则 贝努里大数定理说明, 事件A发生的频率依概率收敛到事件A发生的概率p, 这就以严格的数学形式表达了频率的稳定性。 三个大数定理之间的关系 切贝雪夫大数定理（随机变量独立） 辛钦大数定理 （随机变量独立同分布） 贝努里大数定理（随机变量独立同分布于0-1分布） * §5.2 中心极限定理 相互独立的随机变量序列{Xn}, 设EXn , DXn (n=1,2,…)存在, 令 * 1.林德伯格(Lindeberg)定理 设随机变量序列{Xn}相互独立，数学期望及方差存在： 则 {Xn}服从中心极限定理。 * 上式中极限称为林德伯格条件，验证此条件成立比较困难，所以计算时一般不会引用此定理。但是该条件给了我们一个很好的结论： * 2. 列维－林德伯格中