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}≥1−σ2ε2
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
limn→∞P|Xn−a|<ε=1
则称序列X1,X2,…,Xn,…依概率收敛与a,记为
Xn−→Pa
以上极限等价于limn→∞P|Xn−a|≥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
limn→∞P{ |1n∑nk=1Xk−1n∑nk=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:1n∑nk=1Xk−→P1n∑nk=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