概率论与数理统计（邓爱姣）ch5 极限定理.pdfVIP

第五章 极限定理 本章要解决的问题： 答案 1．为何能以某事件发生的 频率作为该事件的概率的估计？ 大数 2．为何能以样本均值作为 定律 总体期望的估计？ 3．为何正态分布在概率论 中占有极其重要的地位？ 中心极 4．大样本统计推断的理论 限定理 基础是什么？ 伯努利试验场合的极限定理 回忆: 在伯努利试验中, 事件A 发生的概 率P(A) 以 μn 记试验中A 出现的次数 n→∞ 频率 μn /n 趋近于常数 P(A) 我们已得到 E(μn /n)=P(A)=p D(μn /n)=pq /n 作为随机变量 如何表述它的极限行为? ( ?why?) 极限的两种提法 µn  lim P −p ≥ε 0   n→∞  n  µn  lim P p ε 1  −  n→∞  n  µn P 依概率收敛(convergence in probability) →p n  µn  P lim p  1 n→∞ n  以概率1收敛(convergence in probability 1) 几乎处处(almost everywhere\ a.e. ) 收敛 µn a .s . →p n 进一步研究 μn 的极限行为 P µ ≤x ( ) → n →∞ µ →∞ n 0 ( n ) 标准化 µ −np ζn n npq ( ) P ζ ≤x