第四章-大数定律与中心极限定理.pptxVIP

xiaobugs第四章大数定律与中心极限定理第四章目录§4.1 大数定律 §4.2 随机变量序列的两种收敛性 §4.3 中心极限定理 §4.4 中心极限定理（续） §4.1 大数定律（引论）概率论应用于实际的一个重要原则是所谓“实际推断原理”，即认为：概率接近于0的事件（小概率事件）在个别（一次）试验中“实际上是不可能发生的”；反之认为概率接近于1的事件（大概率事件），在一次试验中当作是“实际上必然的”。大数定律（引论2 ）在概率论中建立概率接近于0的规律具有特别重要的意义，规律接近于0的概率中最重要的是联系到大量现象的一系列法则，例如重复进行k次独立试验，当k充分大时，事件A的发生频率μ/n与其概率p应该很接近，从理论上可以证明，当k无限增大时,事件的概率趋于1，这个概率显然是很重要的，概率论中有一系列定理以极限形式建立概率接近于0的规律，这些定理通常都称作大数定律（或大数法则）。 定理4.1 （贝努里大数定律）设 是n重贝努里试验中事件A出现的次数，又A在每次试验中出现的概率为p（0p1），则对任意的ε0，有定理证明频率“靠近”概率是可以直接观察到的一种客观现象，贝努里大数定律说明了大数次重复试验下所呈现的客观规律性。 大数定律的一般提法定义4.1 若 为随机变量序列，如果存在常数列 ，使得对任意的ε0，有 （4.3）成立，则称随机变量序列 服从大数定律。 契贝晓夫大数定律定理4.2 设 是一列两两不相关的随机变量，又设它们的方差有界，即存在常数C，使得 ，则对任意的ε0，有 （4.4）定理证明辛钦大数定律定理4.3 设 是一列独立同分布的随机变量序列，且数学期望存在，即则对任意的ε0，有 （4.5）成立。马尔可夫条件在契贝晓夫大数的证明中，马尔可夫注意到，只要下式成立，则大数定律就能成立。通常称上式为马尔可夫条件。**马尔可夫大数定律设 为一随机变量序列，如果马尔可夫条件成立，则对任意的ε0，有 成立。依概率收敛的定义我们称由（4.5）式表示的极限关系式为 依概率收敛于a。并记作 或贝努里大数定律表明了频率依概率收敛于概率，即§4.2随机变量序列的两种收敛性 定义4.2 设有一列随机变量 对任意的ε0，有 （4.6）则称随机变量序列 依概率收敛于ξ，并记作 （4.6）或 （4.6）由此可知，前面所述的大数定律只是依概率收敛的一种特例。两条性质 性质1： 依概率收敛于ξ的充分必要条件是： 依概率收敛于0。性质2： 依概率收敛于ξ，且 依概率收敛于η，则弱收敛 定义4.3 设 是一列分布函数，如果对F(x)的每一个连续点都有成立，则称分布函数列 弱收敛于分布函数F(x)，并记作 （5.9） 在这里称“弱收敛”是自然的，因为它的确比在每一点上都收敛“弱”一些。例4.2定理4.4 若随机变量序列 依概率收敛于随机变量ξ，即则相应的分布函数序列 弱收敛于ξ的分布函数F(x)。即一般来说，此定理的逆定理是不成立的。反例定理4.5定理4.5 随机变量序列 依概率收敛于常数C的充分必要条件是这里F(x)是ξ＝C的分布函数，即证明斯鲁茨基定理（引子）如果 和 是两个随机变量序列，并且当 时有这里a与b是两个常数，则有（1）（2）若b≠0，有斯鲁茨基定理（定理4.7）设 是k个随机变量序列，且又 是k元变量的有理函数，并且则有成立§4.3 中心极限定理（独立同分布的中心极限定理）贝努里大数定律回顾设 是n重贝努里试验中事件A出现的次数，又A在每次试验中出现的概率为p（0p1），则对任意的ε0，有定理4.8德莫佛－拉普拉斯（De Moivre－Laplace）定理 在n重贝努里试验中，事件A在每次试验中出现的概率均为p（0p1），