13 大数定律.pptVIP

证： 如果 由契比晓夫不等式 三、依概率收敛 定义1.2 设 是一个随机变量序列，a是一个常数，若对于任意小的正数 ， 一、契比晓夫不等式 设随机变量X有期望E(X)和方差 ，则对于 任给 0, 或 由契比晓夫不等式可以看出，若 越小，则事件{|X-E(X)| }的概率越大，即随机变量X集中在期望附近的可能性越大. 由此可体会方差的概率意义： 它刻划了随机变量取值的离散程度. 则 取 对任给的分布，只要期望E(X)和方差 存在，则由契比晓夫不等式 取 研究大量的随机现象，常常采用极限形式，由此导致对极限定理进行研究. 极限定理的内容很广泛，其中最重要的有两种: 与 大数定律 中心极限定理 下面我们先介绍大数定律 定理1（独立同分布下的大数定律） 设X1,X2, …是独立同分布的随机变量 序列，且E(Xi)= ，D(Xi)= ， i=1,2,…, 则对任给 0, 几个常见的大数定律 定理2（契比晓夫大数定律-推广） 设 X1,X2, …是相互独立的随机变量序列，它们都有有限的方差，并且方差有共同的上界，即 D(Xi) ≤K，i=1,2, …， 切比雪夫 则对任意的ε0， 契比晓夫大数定律表明，独立随机变量序列{Xn}，如果方差有共同的上界，则 与其数学期望 偏差很小的 概率接近于1. 随机的了，取值接近于其数学期望的概率接近于1. 即当n充分大时， 差不多不再是 契比晓夫大数定律给出了 平均值稳定性的科学描述 下面给出的贝努里大数定律，是定理1的一种特例. 贝努里 设Sn是n重贝努里试验中事件A发生的次数，p是事件A发生的概率， 引入 i=1,2,…,n 则 是事件A发生的频率 于是有下面的定理： 设Sn是n重贝努里试验中事件A发生的 次数，p是事件A发生的概率，则对任给的ε 0， 定理3（贝努里大数定律） 或 贝努里 贝努里大数定律表明，当重复试验次数n充分大时，事件A发生的频率Sn/n与事件A的概率p有较大偏差的概率很小. 贝努里大数定律提供了通过试验来确定事件概率的方法和理论依据. 任给ε0， 蒲丰投针问题中解法的 理论依据就是大数定律 当投针次数n很大时，用针与线相交的频率m/n近似针与线相交的概率p，从而求得π的近似值. 针长L 线距a 下面给出的独立同分布下的大数定律，不要求随机变量的方差存在. 设随机变量序列X1,X2, …独立同分布，具有有限的数学期E(Xi)=μ, i=1,2,…， 则对任给ε 0 ， 定理3（辛钦大数定律） 辛钦 则称随机变量序列 依概率收敛于a. 性质 若 记为 又设g(x,y)在点(a,b), 连续，则