随机向量大数定理.pptVIP

§3.5大数定理 大数定律的概念 例1. 掷一颗骰子, 出现1点的概率是1/6, 在掷的次数比较少时, 出现1点的频率可能与1/6相差很大, 但是在掷的次数很多时, 出现1点的频率接近1/6是必然的. 例2. 测量一个长度a, 一次测量的结果不见得就等于a, 量了若干次, 其算术平均值仍不见得等于a, 但当测量次数很多时, 算术平均值接近于a几乎是必然的. 算术平均数 在相同条件下对某一个随机变量进行反复地试验, 计划试验n次, 就试验方案而言, 这样的试验将产生出相互独立且同样分布的n个随机变量x1, x2 , ..., xn. 将这n个随机变量加起来除以n称做这n个随机变量的算术平均值, 算术平均数 虽然n个随机变量的算术平均值仍然是随机变量, 人们相信当试验次数n无限增大的时候, 此随机变量将趋向于常数, 即数学期望, 这就是大数定律. 因此, 人们就尝试其它的定义有关随机变量的极 限的办法. 比如说均方收敛. 大家知道当一个随机变量的方差为0时, 这个随 机变量实际上就是一个常数. 那么, 可以知道,一组相互独立同分布的期望为m 方差为s2随机变量, 它们的n个变量的算术平均 值的期望和方差为 由此可见当随着试验次数增加, n次试验的算术 平均值的数学期望将保持不变, 而其方差则随着 n的增加而减少, 趋向于0, 因此可以认为算术平 均值将趋向于一个常数, 即随机变量的