專題五 大數定律與中心極限定理
5.1 大數定律
1.大數定律: 一類收斂現象X1,X2,...Xn爲一隨機變量的序列,常常有n1⋅i=1∑nXi, n→∞ 在某種意義下收斂
2.切比雪夫不等式:
P(∣X−E(X)∣≤ϵ)≥ 1−ϵ2D(X)
5.2 中心極限定理
1.中心極限的定義:
當n趨於無窮大時,X1,X2,...,Xn,隨機變量的序列之和的分佈服從正態分佈
2.中心極限定理:
定理一: 獨立同分布的中心極限定理
設隨機變量X1,X2,..,Xn相互獨立,服從同一分佈,且具有數學期望,方差: E(Xk)=μ D(Xk)=σ2 (k=1,2,..,n)
當n→∞時,i=1∑nXi ~ N(nμ,nσ2)
定理二: 二項分佈的中心極限定理
設隨機變量 X 服從參數 n ,p (0<p<1) 的二項分佈
(1)局部極限定理:
P(X=k)=Cnk⋅pk⋅(1−p)n−k
當 n→∞ 時,P(X=k)≈ np(1−p)1⋅ψ(np(1−p)k−np)
(2)拉普拉斯定理:
當 n→∞ 時,P(X≤x)≈ϕ(np(1−p)x−np)