大数定律和强大数定律的推广汇.docVIP

大数定律和强大数定律的推广 数学计算机学院专业201 中图分类号：O211.5 The promotion of the law of large number and strong laws of large numbers Abstract: The law of large number and the strong laws of large numbers are two important conceptin in the theory of probability, There are many literature in the discussion of the law of large number and the strong laws of large numbers, Discussion on the law of large number and strong laws of large numbers, this paper Summarizing the part of the extended form theorem, and expounds the application theorem the problems to be pay attention to, and the inner relationship between the theorem. Key words: law of large number；strong laws of large Numbers；promotion 目 录 1 引言 1 2大数定律 1 2.1 大数定律的叙述 1 2.2伯努利大数定律 2 2.3辛钦大数定律 3 2.4波莱尔强大数定律 3 2.5柯尔莫哥洛夫强大数定律 3 2.6马尔可夫大数定律 3 3强大数定律 4 4强大数定律的推广 5 5收敛性之间关系 7 参考文献 8 致 谢 8 大数定律和强大数定律的推广 1 引言 大数定律和强大数定律是概率论中两个重要的概念，围绕这两个概念有许多重要的定理，并且许多重要的定理证明和实际问题中都要应用这两个概念及其相关定理，鉴于这些定理在理论推导和实际应用方面的举足轻重的作用，很有必要推广这两个概念及其定理． 2大数定律[1] 大数律是概率论中讨论随机变量序列的算术平均值向常数收敛的定律是概率论与数理统计学的基本定律之一.　以重复投掷一枚硬币的随机试验为例,记次投币试验中出现正面的次数为.对于不同的次试验，可能不同，但当越来越大时，出现正面的频率将大体上逐渐接近于1/2.又如称某一物体的重量，假如衡器不存在系统偏差，由于衡器的精度等各种因素的影响，对同一物体重复称量多次，可能得到多个不同的重量数值，，…，.但若取它们的算术平均值,则随的增大,一般来说也将逐渐接近于物体的真实重量.2.1 大数定律的叙述[1] 设｛X｝为随机变量序列，它们都有有限的数学期望E(X)．如果 0 则称｛X｝满足大数定律． 2.2伯努利大数定律[1] 雅各布第一伯努利(1652～1705)在《推测术》(1713年出版)中首先从数学上论述了这一现象.他证明了是次独立重复试验中事件出现的次数，是事件的概率，则对,有，即依概率收敛于 则····是个相互独立的随机变量，且 而 . 于是 有切比雪夫不等式有 ， 又由独立性可以证明此结论，这一结论表明，对任意小的正数，只要充分大，频率与概率 p发生大于的偏离的可能性就很小，即大多数试验只使与p发生较小的偏离.这是历史上第一个严格说明频率稳定性的定律，称为伯努利大数律.大数律这个名称是S.-D.泊松于 1837年给出的.大数律表明，对同一随机变量的次独立观察值，，…，的平均,将随的增大而收敛于它的数学期望EX.在数理统计中，就依据这一点而取多次重复观测的算术平均作为EX的较精确的估计.特别可以利用频率的稳定性来对事件的概率和随机变量的分布进行估计，还可以利用样本矩向总体矩的收敛，取样本矩作为总体矩的近似而获得参数估计的矩方法（见点估计）.由于随机变量序列向常数的收敛可以有多种不同的方式按其收敛为依概率收敛、以概率1收敛或均方收敛（见概率论中的收敛），分别有弱大数律、强大数律均方大数律.弱大数律又通称为大数律.根据随机变量序列各种收敛之间的关系由强大数律或均方大数律可以推出弱大数律.辛钦大数律[] 若{}为独立同分布随机变量序列，存在有限，则对任何0，有 ， 2.4波莱尔强大数律[] 设是次独立重复试验中某事件出现的次数,则以概率1成立.(F.-é.-J.-) é.波莱尔最初只