统计-大数定律及中心极限定理

第五章 大数定律及中心极限定理

切比雪夫不等式

定理

设随机变量X的数学期望E(X)和方差D(X)都存在,则对任意ε>0,都有

P{|X-E(X)|≥ε}≤D(X)ε2 (ε>0)

P{|X-μ|≥ε}≤σ2ε2

{|X-μ|≥ε}的对立事件是{|X-μ|<ε}

另一个形式

P{|X-μ|<ε}≥1σ2ε2

意义

在随机变量X的分布位置,而只知道X的均值和方差(或已知分布但很复杂)的情况下,切比雪夫不等式给出了概率P{|X-E(X)|≥ε}的一个估计范围

1.对给定的ε>0,估计|X-E(X)|≥ε的概率

2.对给定的概率p,确定所需的区间长度,即确定满足不等式

P{|X-E(X)|≥ε}≥p的ε

例子

设某电网有1000盏灯,夜里每盏灯开灯的概率都是0.7.假设电灯开关时间彼此独立,试估计夜晚同时开着的灯数在6800与7200之间的概率

X表示在夜晚开着电灯的数

X服从参数n=10000,p=0.7的二项分布

p{6800

大数定律

依概率收敛

设X1,X2,…,Xn,…是一个随机变量的序列,a是一个常数。

若对应任意实数ε>0都有

limnP|Xna|<ε=1

则称序列X1,X2,…,Xn,…依概率收敛与a,记为

XnPa

以上极限等价于limnP|Xna|ε=0

{Xn}依概率收敛与a是指:当n充分大后,随机变量Xn几乎总是取值a,或者取值与a非常接近。

大数定律是有关随机变量序列的前n项的算术平均值在一定条件下收敛到这n项的数学期望的算术均值的定理

大数定律定理

设{ Xk}为随机变量序列,它们数学期望都存在。若对于任意ε>0都有

limnP{ |1nnk=1Xk1nnk=1E(Xk)|<ε}=1

则称随机变量序列{ Xk}服从大数定律。

以上极限表明:1nnk=1XkP1nnk=1E(Xk)

#### 切比雪夫大数定理

设X1,X2,…,Xn,…是相互独立的随机变量的序列,它们的数学期望和方差都存在,且存在常数C,使得D(Xk)≤C(k=1,2,..)则对于任意ε

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值