⼤数定律与中⼼极限定理
⼤数定律
⼆者的联系和区别
中⼼极限定理
切⽐雪夫不等式
切⽐雪夫⼤数定律
伯努利⼤数定律
⾟钦⼤数定律
独⽴同分布的中⼼极限定理
李雅普诺夫定理
设随机变量X服从参数为n,p(0<P<1)的⼆项分布,则有
设随机变量 , ,…, ,…相互独⽴,服从同意分
布,且具有数学期望E( )= ,k=1,2,…,则对于
任意正数ε,有 {| — |<ε}=1
X
1
X
2
X
n
X
k
μ
lim P
n→∞
n
1
X ∑
k=1
n
k
μ
概念:设随机变量X存在有限⽅差D(X),则对任意ε>0,有
P{|X—E(X)|≥ε}≤
ε
2
D(X)
设 是n次独⽴重复事件中事件A发⽣的次数,p是事件A
在每次试验中发⽣的概率,对于任意正数ε,
{| —P|<ε}=1,
或 {| —P|≥ε}=0
n
A
lim P
n→∞
n
n
A
lim P
n→∞
n
n
A
设 , …是相互独⽴的随机变量序列,各有数学期望
E( ),E( ),…及⽅差D( ),D( )…,并且对于i=1,
2,…,都有D( )<l,其中l是与i⽆关的常数,则对于任
给的ε>0,有 {| —
|<ε}=1
X
1
X
2
X
1
X
2
X
1
X
2
X
i
lim P
n→∞
n
1
X
∑
i=1
n
i
n
1
E(X )∑
i=1
n
i
特殊情况:设随机变量 , ,…, ,…相互独⽴,
且具有相同的数学期望和⽅差:E( )= ,D( )=
,k=1,2,…
作前n个随机变量的算术平均 = ,则对于任
意正数ε,有 {| — |<ε}=1
X
1
X
2
X
n
X
k
μ X
k
σ
2
Y
n
n
1
X
∑
k=1
n
k
lim P
n→∞
Y
n
μ
⼤数定律讲的是样本均值收敛到总体均值,说⽩了就是期
望。⽽中⼼极限定理告诉我们,当样本⾜够⼤时,样本均
值的分布会慢慢变成正态分布
⼆者都总结的是在独⽴同分布条件下的随机变量平均值的
表现