大数定律

所属章节:第5章 大数定律和中心极限定理

定理 1(切比雪夫大数定律) 假设 {Xn}(n=1,2,⋯ )\{X_n\} (n = 1, 2, \cdots) 是相互独立的随机变量序列,如果方差 DXiDX_i (i⩾1i \geqslant 1) 存在且一致有上界,即存在常数 CC,使 DXi⩽CDX_i \leqslant C 对一切 i⩾1i \geqslant 1 均成立,则 {Xn}\{X_n\} 服从大数定律:

1n∑i=1nXi→P1n∑i=1nEXi.\frac{1}{n} \sum_{i=1}^n X_i \xrightarrow{P} \frac{1}{n} \sum_{i=1}^n EX_i .

定理 2(伯努利大数定律) 假设 μn\mu_n 是 nn 重伯努利试验中事件 AA 发生的次数,在每次试验中事件 AA 发生的概率为 p(0<p<1)p (0 < p < 1),则 μnn→Pp\dfrac{\mu_n}{n} \xrightarrow{P} p,即对任意 ε>0\varepsilon > 0,有

lim⁡n→∞P{∣μnn−p∣<ε}=1.\lim_{n \to \infty} P\left\{ \left| \frac{\mu_n}{n} - p \right| < \varepsilon \right\} = 1 .

定理 3(辛钦大数定律) 假设 {Xn}(n=1,2,⋯ )\{X_n\}(n = 1, 2, \cdots) 是独立同分布的随机变量序列,如果数学期望 EXi=μ(i=1,2,⋯ )EX_i = \mu (i = 1, 2, \cdots) 存在,则 1n∑i=1nXi→Pμ\dfrac{1}{n} \sum_{i=1}^n X_i \xrightarrow{P} \mu,即对任意 ε>0\varepsilon > 0,有

lim⁡n→∞P{∣1n∑i=1nXi−μ∣<ε}=1.\lim_{n \to \infty} P\left\{ \left| \frac{1}{n} \sum_{i=1}^n X_i - \mu \right| < \varepsilon \right\} = 1 .

关联知识

原文:原笔记 · 5.2 大数定律 P126(原文件第 690–703 行)。

返回概率论导航