概率论中的林德伯格定理求证明
来源:百度知道 编辑:UC知道 时间:2024/05/17 22:07:30
定义 称随机变量列 依概率收敛于随机变量Z,如果对任意给定的 ,有
.
随机变量列 依概率收敛于A,有时记作
,
特别,Z可以是常数A或 .
二 大数定律
1、切比雪夫(切贝绍夫)大数定律 设 为两两独立(或两两不相关)的随机变量列, 存在,且存在常数C,使 ,则对任何给定的 ,有
切比雪夫大数定律是切比雪夫不等式的推论(见(4.7)式).
2、伯努利大数定律 设 是“事件A在试验中出现”的概率; 是n次独立重复试验(伯努利试验)中事件A出现的频率,则 依概率收敛于 :
.
直观上表示当n充分大时 .
3、辛钦大数定律 设 独立同分布随机变量,只要数学期望 存在,则
.
即当n充分大时,有 .
三 中心极限定理 中心极限定理是关于“随机变量之和的极限分布是正态分布”的一系列定理的总称.
1、棣莫弗-拉普拉斯定理 设随机变量X服从参数为 的二项分布,则当n充分大时,X近似地服从正态分布 或近似地
.
(1) 局部定理 对于任意p(0<p<1)和 ,当n充分大时,有
(2) 积分定理 对于任意p(0<p<1)和 ,当n充分大时,
,
其中 .
2、列维-林德伯格定理 设 是独立同分布随机变量,其数学期望和方差存在: , ,则当n充分大时近似地
,
即对于任意实数 ,当n充分大时,有
,
其中 ;
,
其中 .
三、典型例题及其分析
例5.2.1 在每次试验中,事件 发生的概率为0.5,利用切比雪夫不等