280 likes | 389 Views
问题的提出. 在第一章提出,人们在长期实践中发现,虽然个别事件在某次实验中可以出现也可以不出现,但是在大量重复试验中却呈现明显的规律性,即一个随机事件出现的概率在某个固定数的附近摆动,即所谓“频率稳定性”,对于这一点,我们将在本章给予理论上的说明。. 大数定律及中心极限定理. 本章小结 习题. 切比雪夫不等式 大数定律 中心极限定理. 退出. 返回. 切比雪夫不等式. 切比雪夫不等式的证明.
E N D
问题的提出 在第一章提出,人们在长期实践中发现,虽然个别事件在某次实验中可以出现也可以不出现,但是在大量重复试验中却呈现明显的规律性,即一个随机事件出现的概率在某个固定数的附近摆动,即所谓“频率稳定性”,对于这一点,我们将在本章给予理论上的说明。
大数定律及中心极限定理 本章小结 习题 切比雪夫不等式 大数定律 中心极限定理 退出 返回
[注意]切比雪夫不等式可以使我们在随机变量X的分布未知的情况下,对事件|X-|<的概率做出估计。应用切比雪夫不等式必须满足E(X)和D(X)存在且有限这一条件。[注意]切比雪夫不等式可以使我们在随机变量X的分布未知的情况下,对事件|X-|<的概率做出估计。应用切比雪夫不等式必须满足E(X)和D(X)存在且有限这一条件。
依概率收敛 依概率收敛的性质
大数定律在概率论中的意义 大数定律给出了在试验次数很大时频率和平均值的稳定性,从理论上肯定了用算术平均值代替均值,用频率代替概率的合理性。它既验证了概率论中一些假设的合理性,又为数理统计中用样本推断总体提供了理论根据,所以说,大数定律是概率论中最重要的基本定律。
中心极限定理的意义 我们知道,正态分布是现实生活中使用最多、最广泛、最重要的一种分布。许多随机变量本身并不属于正态分布,但它们的极限分布是正态分布。中心极限定理阐明了在什么条件下,原来不 属于正态分布的一些随机变量其总和分布渐近地服从正态分布。为我们利用正态分布来解决这类随机变量的问题提供了理论依据。
大数定律与中心极限定理的异同 它们的相同点是,都是通过极限理论来研究概率问题,研究对象都是随机变量序列,解决的都是概率论中的基本问题,因而在概率论中有重要的意义。所不同的是,大数定律研究当时,概率或平均值的极限,而中心极限定理则研究随机变量总和的分布的极限。
本章小结 参见书P153 返回
习题 书P154 返回