当前课程知识点:概率论与数理统计 > 第八章 假设检验 > 第八章 练习题 > 5.2 大数定律(下)
欢迎同学们来到我的课堂
今天我们继续学习大数定律
今天我们将给出三个常用的大数定律
第一个切比雪夫大数定律
设X1X2……是独立的随机变量
且满足Xk的期望等于μ
Xk的方差等于σ的平方
则结论是什么呢
对于任意ε>0
其算术平均
也就是X ̅等于Xk求和除以n
满足X ̅依概率收敛到μ
或者说也就是X ̅减μ的绝对值
小于ε的概率会收敛到1
这个定理就称之为切比雪夫大数定律
说明一下 在定理的条件下
n个随机变量的算术平均值
当n无限增大的时候几乎会变成一个常数
而这个常数呢就是它的期望
这个定理的证明
我们主要是利用切比雪夫不等式来证明的
X ̅的期望等于什么呢
是不是等于Xk的和除以n的期望
根据期望的性质
就等于n分之一Xk的期望的和
而我们在Xk的期望都等于μ
所以代进去显然得到了X ̅期望就μ
我们看X ̅的方差
X ̅的方差等于n分之Xk的和的方差
根据方差的性质
我们就等于n方分之一Xk的方差之和
而X的方差呢
都等于σ方 代入
其实就等于n分之σ方
则由切比雪夫不等式
我们可以得到X ̅减μ的绝对值
小于ε的概率应该大于等于
1减去ε方分之DX ̅
也就相当于1减n倍的ε方分之σ方
注意令n趋于无穷
那么你ε方分之σ方就趋于零
所以X ̅减μ的绝对值
小于ε的概率就大于等于1
而我们知道这个概率是不可能大于1的
概率是小于等于1的
所以我们就得到了X ̅减μ的绝对值
小于ε的概率
其实就趋向于1
这样就得到了切比雪夫大数定律
好我们看一个例题
假如说X1X2……是相互独立的随机变量序列
满足分布律Xn取值是-na 0 na
对应的概率分别是
2倍的n方分之一
1减n方分之一 2倍的n方分之一
我们来验证一下
它是不是满足切比雪夫大数定律的条件
切比雪夫大数定律的条件要求三条
一条是独立
一条是期望都相同
另外一条是方差都相同
所以我们从以下三方面来分析
首先独立显然题目中给了
所以我们接下来验证期望
显然Xn的期望就是离散型的
就等于取值乘概率求和
所以就是-na
乘以2倍的n方分之一
加上0乘以1减n方分之一
加上na乘以2n方分之一
化简得0
所以它们具有相同的期望
接下来我们验证一下它们的方差
我们知道X的平方的期望就等于-na的平方
乘以2n方分之一
再加上0的平方
乘以1-n方分之一
再加上na的平方
乘以2n方分之一
所以方差等于平方的期望减期望的平方
所以就等于a方减0的平方就等于a方
显然它们也具有相同的方差
既然它们是独立的
而且具有相同的期望
相同的方差
所以它满足切比雪夫大数定律
简单点说
也就是X ̅依概率会收敛到期望0
好接下来我们介绍第二个大数定律
贝努里大数定律
设nA是n重贝努利试验中事件A发生的次数
p是事件A在每次试验中出现的概率
则对于任意的ε>0
有nA除以n依概率收敛的p
或者说nA除以n-p的绝对值
小于ε的概率会收敛到1
那这个定理我们就称为贝努利大数定律
关于贝努利大数定理
我们做如下说明
贝努利大数定律表明事件发生的频率
nA除以n依概率收敛到事件的概率p
所以呢
这个大数定律以严格的数据形式
表达了频率的稳定性
在第一章中我们讲了概率的统计定义
就是用频率的稳定值来表示概率
那原因就在这
因此
当n很大的时候
事件发生的频率与概率的有较大偏差的可能性很小
因此在实际应用中我们经常是怎么做呢
经常就用频率代替概率
这个在实际中会经常用到
接下来我们证明一下贝努里大数定律
为了证明这个呢
我们引入一列随机变量Xk
当第k次试验中A发生我们记Xk=1
当第k次试验中A不发生
我们记Xk=0
k的取值从1到n
那显然nA
其实就是X1+X2……+Xn
注意Xi是独立的
因为每次试验中A发生不发生是独立的
而且Xi它都服从0-1分布
取1的概率都是p
所以Xi的期望等于p
根据切比雪夫大数定律
则X ̅会依概率收敛到p
大家思考一下X ̅是什么呀
所以nA除以n
依概率收敛到p
这个就是贝努里大数定律
接下来我们介绍一下辛钦大数定律
设X1X2……是独立的随机变量且统一分布
而且它们的期望都是μ
则结论是什么呢
对于任意ε>0取算术平均X ̅
满足X ̅依概率收敛的μ
也就意味着X-μ的绝对值小于ε的概率收敛到1
关于辛钦大数定律
我们做如下说明
第一个 切比雪夫大数定律相比
辛钦大数定律不要求方差
但它的要求是同分布
第二个就是贝努利定理
其实也可以看成是辛钦大数定律的一个特殊情形
然后接下来我们介绍一个例子
设X1X2……是独立同分布的随机变量序列
且Xk的概率0 X的方差σ方
则证明对任意的ε>0有Xk的平方的平均
减去δ的绝对值小于ε的概率趋向于1
证明
注意X1X2……是相互独立的随机变量
所以X1的平方X2的平方……也是相互独立的
而且呢
Xk的平方的期望就等于Xk的方差
加上Xk的期望的平方
所以也就等于σ方加上0的平方
等于是一个σ方
所以由辛钦大数定律
则Xk的平方的平均减去期望σ方的绝对值
小于ε的概率就会收敛到1
本节小结
这一节我们主要介绍了
一个不等式切比雪夫不等式
还有三个大数定律
切比雪夫大数定律
贝努里大数定律和辛钦大数定律
课后大家可以围绕这两个部分进行复习
- 第八章 练习题