4.4大数定律和中心极限定理.pptVIP

§4 大数定律与中心极限定理 ;证 我们只就连续型随机变量的 情况来证明，图4-2 设 的概率密度为 , 则有（如图4-2）;这个不等式给出了:在随机变量 的分布未知的情 况下,事件 的概率的下限的估计.;例1 设 试用切比雪夫不等式估计;解 令 则;在第一章中我们知道事件发生的频率具有稳定性，即随着试验次数的增加，事件发生的频率逐渐稳定于某个常数.在实践中人们还认识到大量测定值的算术平均值也具有稳定性.这种稳定性就是本节所要讨论的大数定律的客观背景.;定理二（切比雪夫大数定理）;证明 由于 两两相互不相关，故;定理三（切比雪夫大数定理的特殊情形） ;证明 由于;定理二表明:当 很大时，随机变量 的 算术平均 接近于数学期望;依概率收敛的序列还有以下性质;定理四 （贝努利大数定理） ;证明 因为 ，由第四章§2例7，??;贝努里大数定理“表明事件发生的频率 依概率收敛于事件发生的概率 ” . ;定理五 （辛钦大数定理） ;例2 设序列 独立同分布于 ,问 时 依概率收敛于多少？;解 由条件知 独立同分布,且;定理六 （独立同分布的中心极限定理） ;这就是说，均值为 ，方差为 的独立同分 布的随机变量 之和 的标准化变量，当 很大时