数理统计（二）——切比雪夫不等式、大数定理、伯努利定理、中心极限定理

最新推荐文章于 2025-05-09 20:07:31 发布

原创

最新推荐文章于 2025-05-09 20:07:31 发布 · 4.9k 阅读

标签

#数理统计 #切比雪夫不等式 #大数定律 #伯努利定理 #中心极限定理

收录于

本文介绍了数理统计中的重要概念，包括切比雪夫不等式，它阐述了随机变量的取值集中在期望附近的概率规律。接着详细解释了大数定理，表明在大量独立重复实验中，事件发生的频率趋于其概率。伯努利大数定理进一步说明了事件频率与概率的接近。最后，中心极限定理指出，独立同分布的随机变量之和趋向于正态分布，这对于理解和应用正态分布在各种实际问题中至关重要。

                    
                    切比雪夫不等式 
含义：设随机变量 X  X 的期望为 
    
    μ 
    
       μ 
      
    ，方差为 σ2  σ 2 ，对于任意正数 ε  ε ，有： 
    P{ 
         |X−μ|≥ε}≤σ2ε2  P { | X − μ | ≥ ε } ≤ σ 2 ε 2  
  
切比雪夫不等式说明，X的方差越小，事件 { 
        |X−μ|≤ε}  { | X − μ | ≤ ε } 的概率就越大。即： X  X 的取值基本上集中在期望 
    
    μ 
    
       μ 
      
    附近。即方差越小，数据的震荡程度越小，数据分布越集中。
切比雪夫不等式的证明
 
大数定理 
含义：设随机变量