NoteDeep

切比雪夫不等式

设随机变量 的数学期望和方差存在,则对任意的 ,有
证明:
从而有

斯特林(Stirling)公式


依概率收敛

对于随机变量 与随机变量序列 ,如果对任意的 ,有

大数定律

切比雪夫大数定律
假设 是独立的随机变量序列, 如果方差 存在且一致有上界 ,则 服从大数定律
证明:
,当
伯努利大数定律
假设 是n重伯努利实验中事件A发生的次数,每次实验中事件A发生的概率是 ,则
证明:直接利用切比雪夫大数定律
辛钦大数定律
假设 是独立同分布的随机变量序列,如果 存在,则
(由于没有关于方差一致有界的条件,所以不能用切比雪夫大数定律来证明辛钦大数定律,需要考虑别的方法,如特征函数)
证明:
的特征函数为 ,则 的特征函数为 ,由特征函数的唯一性定理知其分布是退化分布,故 依分布收敛于退化分布,又因依分布收敛于常数与依频率收敛于常数是等价的,故有
考点:
1)切比雪夫大数定律要求:相互独立,方差一致有界(没有分布条件)
2)辛钦大数定律要求:相互独立,同分布,期望存在(没有方差条件)


中心极限定理

列维-林德贝格定理
假设 是独立同分布的随机变量序列,如果 存在,则 服从中心极限定理,即对任意实数 ,有 ,当n充分大的时候,有
棣莫夫-拉普拉斯定理
假设随机变量 ,则对任意区间 ,有
1)(局部极限定理)当 ,一致地有
2)(积分极限定理)
证明:
证明列维-林德贝格定理即可
设随机变量 的特征函数为 ,则 的特征函数为 ,则 的特征函数为 ,而 ,故 ,是标准正态分布的特征函数,由特征函数的唯一性知, 的极限分布是标准正态分布, 依分布收敛于正态分布,即有
考点:条件是独立同分布,期望方差均存在











评论列表

    切比雪夫不等式
    斯特林(Stirling)公式
    依概率收敛
    大数定律
    中心极限定理