第五章 大数定理.docVIP

第五章 大数定理 ? 1.?????? 什么是切比雪夫不等式？（基本公式、切比雪夫不等式、Chebyshev） 答：设随机变量 的数学期望 及方差 都存在，则对任意 有 。 切比雪夫不等式给出了在 的分布未知情况下对事件“ ”发生的概率进行估计的一种方法。切比雪夫不等式在理论上有重大意义，单估计精度不高。一般地，对任意随机变量 ，若 ， ，有切比雪夫不等式易知 ，比如当 时有 .这个估计精度没有 原则得到的精度高。 2.?????? 何谓依概率收敛？（概念、依概率收敛） 答：设 是一个随机变量序列， 为常数，若对任意 ，有 ，则称 依概率收敛于 ，记为 。依概率收敛的直观意义为：当 充分大后，随机变量 几乎总是取值为 ，或者与 非常接近。上面的式子也可等价地表为 . 3.?????? 切比雪夫大数定律。（概念、切比雪夫大数定律、独立同分布大数定律） 答：设互相独立的随机变量序列 的数学期望与方差都存在，且存在常数 ，使每个 ，则必有 。特别地，如果 是独立同分布的随机变量序列，记 ， ， ， ，则 。这种特殊情况称为独立同分布大数定律，在数理统计中经常会用到。它说明，当 充分大时， 的平均值 在概率意义下会充分接近其数学期望 。 4.?????? 伯努利大数定律。（概念、伯努利大数定律） 答：设在 次伯努利试验中，事件 发生了 次，记 为 次试验中事件 发生的频率，又记 ，则 即对任意 ，有 。这个定理说明了在 次独立重复试验中，事件 发生的频率 依概率收敛于 发生的概率 ，从而以严格的数学形式描述了频率的稳定性。在实际应用中，当试验次数很多时，常以频率来近似地估计概率。 5.?????? 辛钦大数定律。（概念、辛钦大数定律） 答：设随机变量序列 相互独立同分布，且 ， 存在，记 ，则 。这个定律只要求每个数学期望 存在，而不管 是否存在，但要求诸 同分布。这与切比雪夫大数定律不同。 6.?????? 独立同分布中心极限定理。（概念、中心极限定理） 答：设随机变量 相互独立，同分布，且 ， ， ，则对随机变量 ，及任意 ，有 。其中 是标准正态分布 的分布函数。由于 ， ，所以 实际上是随机变量 的标准化。这个式子告诉我们，不论 原来服从什么分布，当 很大时，其部分和 近似有 和等价地近似为 。进一步，若记 ，则得近似公式 。它表明，不论诸 原来分布情况如何，其 项平均值 总是可以近似认为服从 。 7.?????? 隶莫佛－拉普拉斯定理。（例题、隶莫佛－拉普拉斯定理） 答：设随机变量 ， ，则对任意 有 。若当 很大时，近似地有 ，从而可得近似公式： ，在使用这个公式时，有几点需要说明：（1）泊松定理告诉我们，当 时，二项分布可用泊松分布作近似计算，而上述公式不受 值的限制。但若 很大， 很小（ ），则用正态分布作近似不如泊松分布精确。（2）“ 很大”是一个较为模糊的概念。经验告诉我们，如果取 （有时亦可放宽到 ），则近似程度便可以满足一般要求，当然， 越大精度越好。（3）对于概率 ， ， 均可用公式计算，因为当 很大时， 的值都很小。 8.?????? 由统计概型知，当试验次数 时，事件 的频率的极限就是概率，即有 。（频率、概率） 答：不正确。若有 ，则要求对给定的 ，存在正整数 ，当 时，有 。由于 的发生哪个是随机的，从而 是一个随机变量。因此，对给定的 ，我们无法保证在某个时刻（ ）之后恒有 ，故 不成立。 9.?????? 大数定理是依概率收敛的极限定理，中心极限定理是依分布收敛的极限定理。（大数定理、中心极限定理） 答：正确。 根据“依概率收敛”的定义，显然，切比雪夫大数定理可以表为 。伯努利大数定理可以表为 。 由于 与 是等价的； 是随机变量 的分布函数，又 是标准正态分布的分布函数 ，从而知独立同分布的中心极限定理可表为 。因此，随机变量 依分布收敛于 （ 服从标准正态分布）可记为 。 类似地，其它中心极限定理都可以表为 的形式。 10.?? 若一个随机变量序列 依概率收敛于某个随机变量 （即 ），则相应的分布函数序列 在每一点上都收敛于 的分布函数 。（概念、依概率收敛） 答：不正确。举一个反例说明。 设 ， 都服从0－1分布，且 ， ， ，于是对任意给定的 ，当 时，即 ， 有 ， 故 。 又设 ， 的分布函数分别为 与 ， 易知有 ， 。 显然当 时，有 ， 而当 时，有 。 从而知，当 时，没有 。此例说明，一个随机变量序列依概率收敛与某一个随机变量，相应的分布函数列不一定在每一点上都收敛与这个随机变量的分布函数。 11.?? 由伯努利大数定律可知，当 时，频率 依概率收敛于概率 ，即有 ，因此，对于很大的 和指定的 ，可以用它计算概率 。（概念、伯努利大数定律） 答：不是。事实上，由 可知当 越