概率论课件概率.pptxVIP

切比雪夫不等式 证明 取连续型随机变量的情况来证明. 切比雪夫不等式 得 切比雪夫大数定律（特殊情况） 实例　频率的稳定性 　　随着试验次数的增加, 事件发生的频率逐渐稳 定于某个常数. 启示:从实践中人们发现大量测量值的算术平均值有稳定性. 定理（切比雪夫定理的特殊情况） 表达式的意义 证明 由切比雪夫不等式可得 并注意到概率不能大于1, 则 关于定理的说明: （这个接近是概率意义下的接近） 即在定理条件下, n 个随机变量的算术平均, 当n 无限增加时, 几乎变成一个常数. 定理的另一种叙述: 依概率收敛序列的性质: 证明 [证毕] 解 独立性依题意可知, 检验是否具有数学期望？ 例1 说明每一个随机变量都有数学期望, 检验是否具有有限方差？ 说明离散型随机变量有有限方差, 故满足切比雪夫定理的条件. 伯努利大数定律 证明 引入随机变量 定理（伯努利大数定理） 显然 根据定理一有 关于伯努利定理的说明: 故而当 n 很大时, 事件发生的频率与概率有较大偏差的可能性很小. 在实际应用中, 当试验次数很大时, 便可以用事件发生的频率来代替事件的概率. 辛钦大数定律 关于辛钦定理的说明: (1) 与定理一相比, 不要求方差存在; (2) 伯努利定理是辛钦定理的特殊情况. 定理（辛钦定理） 解 由辛钦定理知 例1