第五章 大数定律与中心极限定律.pptxVIP

第五章 极限定理 一. 随机变量序列的收敛性二. 大数定律三. 中心极限定律 一. 随机变量序列的收敛性依分布收敛依概率收敛r阶收敛以概率1收敛 一. 随机变量序列的收敛性依分布收敛依概率收敛r阶收敛以概率1收敛 一. 随机变量序列的收敛性依分布收敛依概率收敛r阶收敛以概率1收敛 一. 随机变量序列的收敛性依分布收敛依概率收敛r阶收敛以概率1收敛 二. 大数定律伯努利大数定律泊松大数定律切比雪夫大数定律马尔可夫大数定律下面要解决的问题 答复为何能以某事件发生的频率 作为该事件的 概率的估计？大数定律为何能以样本均值作为总体 期望的估计？为何正态分布在概率论中占 有极其重要的地位？中心极限定理大样本统计推断的理论基础 是什么？表述正确吗？n次实验A发生的频率n趋于无穷大时 是常数n次实验A发生的次数为二项分布某件事情A为一个常数有定理5.4 伯努利(Bernoulli)大数定律设μn 是 n 重伯努利试验中事件 A 发生的次数, p 是每次试验中 A 发生的概率, 则对即则则记证明 引入随机变量序列{ξi}相互独立，由切比雪夫不等式故伯努利(Bernoulli)大数定律的意义在概率的统计定义中, 事件 A 发生的频率 “ 稳定于”事件 A 在一次试验中发生的概率是指：是频率与 p 有较大偏差小概率事件, 因而在 n 足够大时, 可以用频率近似代替 p . 这种稳定称为依概率稳定.有定理5.5 泊松(Possion)大数定律设μn 是 n 重伯努利试验中事件 A 发生的次数, pi 是第i次试验中 A 发生的概率, 则对定理5.6 切比雪夫大数定律设 是一列两两不相关的随机变量，它们的数学期望Eξi 和方差Dξi均存在，且方差有界，即存在常数C，使得Dξi≤C，则对任意的ε0 有证明由切比雪夫不等式故定理5.6 马尔可夫大数定律设 是一列两两不相关的随机变量，它们的数学期望Eξi 和方差Dξi均存在，且 ，则对任意的ε0 有定理5.7 辛钦大数定理设 是一列相互独立同分布的随机变量，且数学期望Eξi 存在，记Eξi=μ，则对任意的ε0 有算术均值数学期望辛钦大数定律的意义具有相同数学期望和方差的独立 随机变量序列的算术平均值依概率收敛于数学期望.当 n 足够大时, 算术平均值几乎是一常数.可被近似代替例5.4证明：由辛钦定理知 设 闭区间[a,b]上的连续函数，则存在多项式序列 于[a,b]上一致收敛于 例5.5 魏尔斯特拉斯定理 ——用概率方法证明魏尔斯特拉斯定理 任一闭区间上的连续函数都可以用多项式函数来逼近。