第五~七章_中心极限定理,抽样分布,参数估计要点.docVIP

第五章 大数定律及中心极限定理 大数定律是描述大量重复试验中呈现出来的平均规律性；而中心极限定理则描述大量独立作用的随机因素当每一微小且均匀对总和影响不大时，其综合效应往往呈现正态分布。 一、切比雪夫不等式：P{|X-E(X)| 为任意小的正数 或 P{|X-E(X)| 切比雪夫不等式反映了随机变量的离差与方差之间的关系，说明方差可以度量数据分散程度。 二、大数定理 1、贝努利大数定理 设m是n次独立重复试验中事件A发生的次数，p是事件A发生的概率，则对任意正数，有： 贝努利大数定理说明当n 充分大时“事件A发生的频率与概率的绝对偏差小于任意小的正数”几乎必然发生，这正是“概率是频率的稳定值”的确切含义。 独立同分布随机变量切比雪夫大数定理 设是独立同分布的随机变量，E(Xi)= D(Xi)= i=1，2，则对任意 有： 上式说明经过算术平均以后得到的随机变量 在统计上有一种稳定性，它的取值将比较紧密地聚集在它的期望附近。 中心极限定理 1、设是独立同分布的随机变量， E(Xi)= D(Xi)= i=1，2， （1）当n充分大时，独立同分布随机变量（任意分布，不一定是正态分布）之和的分布近似与正态分布。 （2）当n充分大时，独立同分布随机变量（任意分布，不一定是正态分布）的平均值的分布近似与正态分布 2、棣莫非-拉普拉