概率论四种收敛性.pptVIP

第三章3.1四种收敛性 主要内容 一、车贝晓夫不等式 二、分布函数弱收敛 定义1： * * 几乎处处收敛 依概率收敛 依分布收敛 r-阶收敛 车贝晓夫不等式 由车贝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. 当方差已知时，车贝晓夫不等式给出了r.v X与它的期望的偏差不小于 的概率的估计式 . 如取 可见，对任给的分布，只要期望和方差 存在， 则 r.v X取值偏离E(X)超过 3 的概率小于0.111 . 车贝晓夫不等式只利用随机变量的数学期望及方差就可对的概率分布进行估计。 从车贝晓夫不等式还可以看出, 对于给定的? 0, 当方差越小时，事件{|X-E(X)|≥?}发生的概率也越小，即X的取值越集中在E(X)附近．这进一步说明方差确实是一个描述随机变量与其期望值离散程度的一个量． 当D(X)已知时，车贝晓夫不等式给出了X与E(X)的偏差小于? 的概率的估计值． 车贝晓夫不等式的用途： （1）证明大数定律；（2）估计事件的概率。 例1： 设电站供电网有10000盏电灯，夜晚每盏灯开灯的概率均为0.7，假定灯的开、关是相互独立的，使用车贝晓夫不等式估计夜晚同时开着的灯数在6800到72