当前课程知识点:概率论与数理统计 > 第五章 大数定律和中心极限定理 > 第1节 大数定律 > 5.1.2 切比雪夫大数定律和辛钦大数定律
大家好
今天我们继续学习大数定律
本讲主要介绍两个常用的大数定律
切比雪夫大数定律和辛钦大数定律
首先我们来看切比雪夫大数定律
它是比伯努利大数定律更具有
一般性的一个大数定律
设{Xn}是一列相互独立的随机变量
若存在常数C,使得Xn的
方差都小于等于常数C
n是从1一直到无穷的
则对任意的正数ε有
1/n乘上∑k从1到n
Xk减去n分之1乘上
∑k从1到nE(Xk)的
绝对值小于ε的概率
当n趋向于无穷时的极限等于1
即随机变量序列
服从大数定律
这个就是切比雪夫大数定律
我们来简单的证明一下这个定理
证明过程和伯努利大数定律类似
利用切比雪夫不等式来进行证明
为了书写方便,令Xbar表示n个
随机变量的算术平均值
n分之1乘上∑
k从1到nXk
那么Xbar的期望EXbar
等于1/n乘上∑k从1到nE(Xk)
再利用随机变量的独立性以及方差的
性质,就有DXbar等于
D(n分之1乘上∑
k从1到nXk)
将1/n提出,并利用在独立的情况下
随机变量和的方差等于方差的和
得到n的平方分之1乘∑
k从1到nD(Xk)
由定理的条件
对于每个Xk、D(Xk)都是小于等于C的
将其代入就会得到
DXbar是小于等于n分之C的
利用切比雪夫不等式
我们就会得到
1/n乘上∑
k从1到nXk减去1/n乘上
∑k从1到nE(Xk)它的
绝对值小于的概率
由于这里边1/2乘上∑
k从1到nXk是随机变量
Xbar
那么这个是EXbar
是这个随机变量的
数学期望
利用切比雪夫不等式,有
它是大于等于1减去ε平方
分之DXbar
由于Xbar的方差是小于等于
n分之C的,将其带入
我们就会得到
这个概率是大于等于1减去n
乘上ε平方分之C的
显然
当n趋向于无穷的时候
这项的极限是1
另一方面
任何事件的概率
都是小于等于1的
所以这样两边一加我们就会
得到这个极限是等于1的
这就代表了
随机变量是服从大数定律的
关于这个大数定律有以下几点说明
第一点,切比雪夫大数定律表明
当随机变量序列
相互独立
并且存在常数C使得对于每一个随机变量Xn的
方差都是小于等于常数
C的
也就是说实际上方差是有界的
在这种情况下
n个随机变量的算术平均值会
依概率收敛到它的数学期望
第二点
由伯努利大数定律的一般化过程
我们知道
实际上伯努利大数定律是切
比雪夫大数定律的特例
第三点
切比雪夫大数定律
揭示了随机变量
算术平均值的稳定性
也就是当n充分大时
n个独立的随机变量的算术平均值
几乎变成一个常数
这和我们日常的经验是一致的
例如
我们用不同的方法观测一个
物理量a共n次
得到n个测量值x₁、x₂,一直到xn
这n个数可以看作是n个独立的随机变量X₁
X₂一直到Xn所取的值
每一个值都具有随机性
我们通常会取这n个数的算术平均值
作为a的测量值
这样做的理论依据就是切比雪夫大数定律
经过算术平均以后,得到的随机变量Xbar的
值将比较紧密地聚集在其期望
EXbar附近
在切比雪夫大数定律中,只要求随机变量
序列是相互独立的
这些随机变量可以服从不同的分布
如果我们进一步的要求随机变量还
都是服从相同分布的
那么我们就会得到下面的辛钦大数定律
设随机变量序列
{Xn}相互独立
且服从相同的分布
对于每一个Xn它的期望E(Xn)等于μ
n是从1到无穷的
则随机变量序列
{Xn}服从大数定律
即
对于任意的正数ε有
1/n乘上∑
i从1到nXi减μ的绝对值小于
ε的概率,当n趋向于无穷时的极限
等于1
这就是辛钦大数定律
辛钦大数定律表明
当随机变量序列
独立同分布时
切比雪夫大数定律中,关于随机变量方差
有界的条件可以去掉
辛钦大数定律
也称为独立同分布的大数定律
其证明要用到特征函数
这里边我们就不加以证明了
辛钦大数定律
揭示了n个独立同分布的随机变量的
算术平均值,依概率收敛于随机变量的
数学期望
即
Xbar
依概率收敛于EXbar
而它是等于μ的
而μ是每一个随机变量Xi的期望
在数理统计中
我们认为取自同一个总体的简单随机样本
是n个独立同分布的随机变量
X₁、X₂到Xn
由辛钦大数定律
我们知道,n次观测值的算术平均值
会依概率收敛于总体真实的均值
这就为估计总体的期望值提供了
实际可行的方法
另外
如果我们将辛钦大数定律中随机变量序列
取为相互独立
且都服从相同的(0-1)分布的
这样的随机变量的话
此时的结果就是伯努利大数定律
也就是说
伯努利大数定律
它既是切比雪夫大数定律的特例
又是辛钦大数定律的特例
下面我们再来看辛钦大数定律的一个推论
设随机变量序列
{Xn}相互独立
且服从相同的分布
从而具有相同的k阶矩
对于每个Xi将其k阶原点距
Xi的k次方的期望极为μk
i是从1一直到无穷的
那么对于任意的ε大于0
就有
n个随机变量的k次方的算术平均值
依概率收敛于μk
辛钦大数定律的这个推论,是数理统计中
矩估计法的理论依据
接下来我们来看大数定律的应用举例
设X₁、X₂...Xn...为相互独立
且都服从参数为2的指数分布的
随机变量序列
记Yn等于n分之1乘上∑
i从1到nXi的平方
则当n趋向于无穷时
Yn依概率收敛于什么
注意到在这道题当中
我们是想求随机变量序列
{Yn}依概率收敛的问题
而Yn实际上是n个随机变量
Xi平方的算术平均值
从而我们很自然的就想到,随机变量算术平均
值依概率收敛的问题可以用大数定律
来解决
具体的解法如下
由于每个Xi都服从的是
参数为2的指数分布
所以每个Xi的期望都等于1/2,方差都
等于1/4,i从1一直到无穷
又由于这个随机变量序列是独立同分布的
所以
这个随机变量序列当中的每
一个随机变量平方之后
所得到的新的随机变量序列X₁平方
X₂平方...Xn平方等等
也是独立同分布的
这满足辛钦大数定律的条件
那么由辛钦大数定律
我们知道
Yn等于n分之1乘上∑
i从1到nXi的平方
就会依概率收敛到它的数学期望
也就是Xi平方的期望
根据前面学过的随机变量的
数字特征的知识
我们知道,Xi平方的期望等于Xi的
方差加上Xi的期望的平方
由于每一个Xi的期望都等于1/2
方差都等于1/4
将其带入,我们就会得到Xi平方的
期望是等于1/2的
从而
当n趋向于无穷时
Yn依概率收敛于1/2
下面我们再来看一个证明随机变量序列
服从大数定律的例题
设{Xn}为独立的随机变量序列
且每个随机变量Xn的分布列为
Xn等于2的n次方的概率等于Xn
等于负的2的n次方的概率等于
2的2n加1次方分之1
Xn等于0的概率等于1减去2的
2n次方分之一,n是从1到无穷的
要我们证明{Xn}服从大数定律
这里我们可以通过验证这个随机变量序列
是否满足我们学过的那些大数定律的
条件,来证明它是否满足大数定律
注意到通过题目的条件
我们知道这些随机变量是相互独立的
并且知道每个随机变量的分布列
那么,这些随机变量是服从相同的分布的吗
显然对于不同的n,随机变量的
分布列是不同的
所以
这个随机变量序列并不满足
辛钦大数定律的条件
注意到对于每一个Xn
都有Xn的期望等于2的n次方乘上它的
概率2的2n加1次方分之1,加上
负的2的n次方乘上它的概率是
2的2n加1次方分之1,再加上0
乘上它的概率1减去
2的2n次方分之1
经过计算这个结果是0
下面我们再计算一下
对于每一个Xn来讲
它的方差是什么
首先来计算Xn平方的期望
等于2的2n次方乘上2的
2n加1次方分之1再加上
负的2的n次方的平方
也就是2的2n次方乘上
2的2n加1次方分之1
再加上0乘上1减去2的2n
次方分之1,经过计算等于1
从而对于每个随机变量Xn的方差
等于Xn的平方的期望减去Xn的
期望的平方
经过计算结果是1
这是对每个Xn都成立的
说明随机变量序列的方差确实是有界的
从而这个随机变量序列
满足切比雪夫大数定律条件
由切比雪夫大数定律可以知道
这个随机变量序列
服从大数定律
关于大数定律
我们就介绍到这里,请注意
这里我们讨论的大数定律都是弱大数定律
它们的条件各不相同
但是结论是一致的
从理论上肯定了用算术平均值代替数学
期望以及以频率代替概率的合理性.
既证明了概率论中
一些假设的合理性
又为数理统计中用样本去推断总体
提供了理论依据.好,今天就讲到这里
谢谢大家
-第1节 随机事件
--1.1 作业
-第2节 概率的定义和性质
--1.2 作业
-第3节 古典概型与几何概型
--1.3 作业
-第4节 条件概率
--1.4 作业
-第5节 随机事件的独立性
--1.5 作业
-本章测试
--第一章测试
-第1节 随机变量与分布函数
--2.1 作业
-第2节 离散型随机变量
--2.2 作业
-第3节 连续型随机变量
--2.3 作业
-第4节 随机变量函数的分布
--2.4 作业
-本章测试
--第二章测试
-第1节 二维随机向量及其分布函数
--3.1 作业
-第2节 二维离散型随机向量
--3.2 作业
-第3节 二维连续型随机向量
--3.3 作业
-第4节 条件分布与随机变量的独立性
--3.4 作业
-第5节 随机向量函数的分布
--3.5 作业
-本章测试
--第三章测试
-第1节 数学期望
--4.1 作业
-第2节 方差
--4.2 作业
-第3节 协方差和相关系数
--4.3 作业
-第4节 矩和协方差矩阵
-本章测试
--第四章测试
-第1节 大数定律
--5.1 作业
-第2节 中心极限定理
--5.2.2 De Moivre-Laplace 中心极限定理
--5.2 作业
-本章测试
--第五章测试
-第1节 数理统计的基本问题
-第2节 总体、样本和统计量
--6.2 作业
-第3节 抽样分布
--6.3 抽样分布
--6.3 作业
-第4节 抽样分布定理
--6.4 作业
-本章测试
--第六章测试
-第1节 参数点估计
--7.1 作业
-第2节 区间估计
--7.2 作业
-第3节 非正态总计参数的区间估计
--7.3 作业
-本章测试
--第七章测试
-第1节 假设检验的基本概念
--8.1 作业
-第2节 正态总体参数的假设检验
--8.2 作业
-第3节 非正态总体参数的假设检验
-本章测试
--第八章测试
-期末考试