没有合适的资源?快使用搜索试试~ 我知道了~
概率与数理统计71
需积分: 0 0 下载量 194 浏览量
2022-08-03
12:28:55
上传
评论
收藏 416KB PDF 举报
温馨提示
试读
91页
概率与数理统计71
资源详情
资源评论
资源推荐
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
⼏点回顾
切比雪夫不等式:对于任意 c > 0, P(|X − E(X)| ⩾ c) ⩽
1
c
2
Var(X).
Var(X + Y) = Var(X) + Var(Y) + 2Cov(X, Y).
特征函数的在 t = 0 处的泰勒展开:
φ(t) = 1 + iE(X) +
1
2
i
2
E(X
2
) + ....
依概率收敛与依分布收敛,当极限是常数时,⼆者等价。
如果 X
n
的特征函数 φ
n
(t) 收敛到 X 的特征函数时,X
n
依分布收
敛到 X.
若 X 与 Y 相互独立,则 X + Y 的特征函数为
φ
X+Y
(t) = φ
X
(t)φ
Y
(t).
Y = aX + b, 则 Y 的特征函数为 φ
Y
(t) = e
ibt
φ
X
(at).
(清华⼤学) 概率论与数理统计 2020 2 / 26
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
泊松定理(重制版)
对于任意的 n ∈ N, 考虑 n 个独立随机变量 X
n1
, . . . , X
nn
,
P(X
nk
= 1) = p
nk
, P(X
nk
= 0) = 1 − p
nk
.
若当 n → ∞ 时,max
1⩽k⩽n
p
nk
→ 0, 且
n
k=1
p
nk
→ λ,则若令
S
n
= X
n1
+ ··· + X
nn
, 有对于任意 m = 0, 1, . . . ,
P(S
n
= m) →
λ
m
m!
e
−λ
, n → ∞.
φ
S
n
(t) = E(e
itS
n
) =
n
k
=1
(p
nk
e
it
+ 1 −p
nk
) =
n
k
=1
(1 + p
nk
(e
it
−1)),
⽽由条件假设 Y(n, t) =
n
k=1
(1 + p
nk
(e
it
− 1)) → e
λ(e
it
−1)
.
ln Y(n, t) =
n
k=1
ln(1 + p
nk
(e
it
− 1)) =
n
k=1
p
nk
(e
it
− 1) + O(
n
k=1
p
2
nk
).
(清华⼤学) 概率论与数理统计 2020 3 / 26
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
泊松定理(重制版)
对于任意的 n ∈ N, 考虑 n 个独立随机变量 X
n1
, . . . , X
nn
,
P(X
nk
= 1) = p
nk
, P(X
nk
= 0) = 1 − p
nk
.
若当 n → ∞ 时,max
1⩽k⩽n
p
nk
→ 0, 且
n
k=1
p
nk
→ λ,则若令
S
n
= X
n1
+ ··· + X
nn
, 有对于任意 m = 0, 1, . . . ,
P(S
n
= m) →
λ
m
m!
e
−λ
, n → ∞.
φ
S
n
(t) = E(e
itS
n
) =
n
k
=1
(p
nk
e
it
+ 1 −p
nk
) =
n
k
=1
(1 + p
nk
(e
it
−1)),
⽽由条件假设 Y(n, t) =
n
k=1
(1 + p
nk
(e
it
− 1)) → e
λ(e
it
−1)
.
ln Y(n, t) =
n
k=1
ln(1 + p
nk
(e
it
− 1)) =
n
k=1
p
nk
(e
it
− 1) + O(
n
k=1
p
2
nk
).
(清华⼤学) 概率论与数理统计 2020 3 / 26
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
泊松定理(重制版)
对于任意的 n ∈ N, 考虑 n 个独立随机变量 X
n1
, . . . , X
nn
,
P(X
nk
= 1) = p
nk
, P(X
nk
= 0) = 1 − p
nk
.
若当 n → ∞ 时,max
1⩽k⩽n
p
nk
→ 0, 且
n
k=1
p
nk
→ λ,则若令
S
n
= X
n1
+ ··· + X
nn
, 有对于任意 m = 0, 1, . . . ,
P(S
n
= m) →
λ
m
m!
e
−λ
, n → ∞.
φ
S
n
(t) = E(e
itS
n
) =
n
k
=1
(p
nk
e
it
+ 1 −p
nk
) =
n
k
=1
(1 + p
nk
(e
it
−1)),
⽽由条件假设 Y(n, t) =
n
k=1
(1 + p
nk
(e
it
− 1)) → e
λ(e
it
−1)
.
ln Y(n, t) =
n
k=1
ln(1 + p
nk
(e
it
− 1)) =
n
k=1
p
nk
(e
it
− 1) + O(
n
k=1
p
2
nk
).
(清华⼤学) 概率论与数理统计 2020 3 / 26
剩余90页未读,继续阅读
基鑫阁
- 粉丝: 58
- 资源: 358
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论0