作者：whisper

链接：http://proprogrammar.com:443/article/228

声明：请尊重原作者的劳动，如需转载请注明出处

    大数定律

    概括：算术平均依概率收敛于统计平均

    1/n*∑[i=1,n]Xᵢ  ->  E(1/n*∑[i=1,n]Xᵢ) = 1/n*∑[i=1,n]EXᵢ

    （一）切比雪夫大数定律（切大数）

    设随机变量X₁, X₂,...,Xₙ,...相互独立（两两不相关即可），如果方差DXₖ存在且一致有上界，即存在常数C，使得DXₖ ≤ C，则

    lim[n->∞]P{|1/n*∑[k=1,n]Xₖ - 1/n*∑[k=1,n]EXₖ| < ε} = 1

    （二）辛钦大数定律（辛大数）

    设随机变量X₁, X₂,...Xₙ,...相互独立，服从同一分布，具有数学期望EXₖ = μ，则

    lim[n->∞]P{|1/n*∑[k=1,n]Xₖ - μ| < ε} = 1

    （三）伯努利大数定律（伯大数）

    nₐ是n次独立重复试验中A发生的次数，p是事件A在每次实验中发生的概率，则

    lim[n->∞]P{|nₐ/n - p| < ε} = 1

    中心极限定理

    概括为：n个相互独立同分布随机变量之和近似服从正态分布

    lim[n->+∞]∑[i=1,n]Xᵢ ~ N(E(∑[i=1,n]Xᵢ), D(∑[i=1,n]Xᵢ))

    （一）棣莫弗-拉普拉斯中心极限定理

    设随机变量Xₙ服从参数为n和p的二项分布，即Xₙ~B(n, p) (0<p<1, n = 1, 2,...)，则当n -> ∞时，有

    lim[n->∞]P{(Xₙ-np)/sqrt(np(1-p)) ≤ x} = Φ(x)    即

    Xₙ~N(np, np(1-p))

    （二）列维-林德伯格中心极限定理

    设随机变量X₁,X₂,...Xₙ....相互独立，服从相同的分布，具有数数学期望E(Xₙ) = μ和方差D(Xₙ) = σ²(n = 1, 2,...)，则当n->∞时，有

    lim[n->∞]P{(∑[k=1,n]Xₖ - nμ)/sqrt(n)σ ≤ x} = Φ(x)

    即 ∑[k=1,n]Xₖ~N(nμ, nσ²)

亲爱的读者：有时间可以点赞评论一下