大数定律
2016-05-20 20:49
309 查看
大数定律有若干个表现形式。这里仅介绍高等数学概率论要求的常用的三个重要定律:
切比雪夫大数定理
设
![](https://oscdn.geek-share.com/Uploads/Images/Content/201909/17/062df27815a9ae2b9ed3b74b894fdbda.jpg)
,....是一列相互独立的随机变量(或者两两不相关)[2] ,他们分别存在期望
![](https://oscdn.geek-share.com/Uploads/Images/Content/201909/17/b5a12728aa102febe1cf9ae6568ae6c3.jpg)
和方差
![](https://oscdn.geek-share.com/Uploads/Images/Content/201909/17/a3131ccc360468964005282b250f2cdf.jpg)
。若存在常数C使得:
![](https://oscdn.geek-share.com/Uploads/Images/Content/201909/17/59611170f89c1d69461bfb980d3ae2c2.jpg)
则对任意小的正数 ε,满足公式一:
![](https://oscdn.geek-share.com/Uploads/Images/Content/201909/17/3e59e9c387ab4700eb6e05074c0d74f1.jpg)
将该公式应用于抽样调查,就会有如下结论:随着样本容量n的增加,样本平均数将接近于总体平均数。从而为统计推断中依据样本平均数估计总体平均数提供了理论依据。
特别需要注意的是,切比雪夫大数定理并未要求
![](https://oscdn.geek-share.com/Uploads/Images/Content/201909/17/062df27815a9ae2b9ed3b74b894fdbda.jpg)
同分布,相较于后面介绍的伯努利大数定律和辛钦大数定律更具一般性。
伯努利大数定律
设μ是n次独立试验中事件A发生的次数,且事件A在每次试验中发生的概率为P,则对任意正数ε,有公式二:
![](https://oscdn.geek-share.com/Uploads/Images/Content/201909/17/7b4f100f0bf6c6149df631d59920a0b6.jpg)
该定律是切比雪夫大数定律的特例,其含义是,当n足够大时,事件A出现的频率将几乎接近于其发生的概率,即频率的稳定性。
在抽样调查中,用样本成数去估计总体成数,其理论依据即在于此。
辛钦大数定律
辛钦大数定律:常用的大数定律
设
![](https://oscdn.geek-share.com/Uploads/Images/Content/201909/17/ff6fd2d637185d02cbf75e51188c0eae.jpg)
为独立同分布的随机变量序列,若
![](https://oscdn.geek-share.com/Uploads/Images/Content/201909/17/b1ed9d64931f5e8bc72c0554425dfe85.jpg)
的数学期望存在,则服从大数定律:
即对任意的ε>0,有公式三:
![](https://oscdn.geek-share.com/Uploads/Images/Content/201909/17/41bbd964a131d53bc501a6b4222ed822.jpg)
大数定律的四种证法
对于一般人来说,大数定律的非严格表述是这样的:
![](https://oscdn.geek-share.com/Uploads/Images/Content/201909/17/b8b4464fc420129befc50ff4f7fedfc9.jpg)
是独立同分布随机变量序列,期望为
![](https://oscdn.geek-share.com/Uploads/Images/Content/201909/17/d24a5b2c701b664271362fed122c36e2.jpg)
,则
![](https://oscdn.geek-share.com/Uploads/Images/Content/201909/17/c2bbba78cffd42e030e6d3121c41a6b8.jpg)
收敛到u.
如果说“弱大数定律”,上述收敛是指依概率收敛(in probability),如果说“强大数定律”,上述收敛是指几乎必然收敛(almost
surely/with probability one)。
大数定律通俗一点来讲,就是样本数量很大的时候,样本均值和真实均值充分接近。这一结论与中心极限定理一起,成为现代概率论、统计学、理论科学和社会科学的基石。(有趣的是,虽然大数定律的表述和证明都依赖现代数学知识,但其结论最早出现在微积分出现之前。而且在生活中,即使没有微积分的知识也可以应用。例如,没有学过微积分的学生也可以轻松利用excel或计算器计算样本均值等统计量,从而应用于社会科学。)
切比雪夫大数定理
设
![](https://oscdn.geek-share.com/Uploads/Images/Content/201909/17/062df27815a9ae2b9ed3b74b894fdbda.jpg)
,....是一列相互独立的随机变量(或者两两不相关)[2] ,他们分别存在期望
![](https://oscdn.geek-share.com/Uploads/Images/Content/201909/17/b5a12728aa102febe1cf9ae6568ae6c3.jpg)
和方差
![](https://oscdn.geek-share.com/Uploads/Images/Content/201909/17/a3131ccc360468964005282b250f2cdf.jpg)
。若存在常数C使得:
![](https://oscdn.geek-share.com/Uploads/Images/Content/201909/17/59611170f89c1d69461bfb980d3ae2c2.jpg)
则对任意小的正数 ε,满足公式一:
![](https://oscdn.geek-share.com/Uploads/Images/Content/201909/17/3e59e9c387ab4700eb6e05074c0d74f1.jpg)
将该公式应用于抽样调查,就会有如下结论:随着样本容量n的增加,样本平均数将接近于总体平均数。从而为统计推断中依据样本平均数估计总体平均数提供了理论依据。
特别需要注意的是,切比雪夫大数定理并未要求
![](https://oscdn.geek-share.com/Uploads/Images/Content/201909/17/062df27815a9ae2b9ed3b74b894fdbda.jpg)
同分布,相较于后面介绍的伯努利大数定律和辛钦大数定律更具一般性。
伯努利大数定律
设μ是n次独立试验中事件A发生的次数,且事件A在每次试验中发生的概率为P,则对任意正数ε,有公式二:
![](https://oscdn.geek-share.com/Uploads/Images/Content/201909/17/7b4f100f0bf6c6149df631d59920a0b6.jpg)
该定律是切比雪夫大数定律的特例,其含义是,当n足够大时,事件A出现的频率将几乎接近于其发生的概率,即频率的稳定性。
在抽样调查中,用样本成数去估计总体成数,其理论依据即在于此。
辛钦大数定律
辛钦大数定律:常用的大数定律
设
![](https://oscdn.geek-share.com/Uploads/Images/Content/201909/17/ff6fd2d637185d02cbf75e51188c0eae.jpg)
为独立同分布的随机变量序列,若
![](https://oscdn.geek-share.com/Uploads/Images/Content/201909/17/b1ed9d64931f5e8bc72c0554425dfe85.jpg)
的数学期望存在,则服从大数定律:
即对任意的ε>0,有公式三:
![](https://oscdn.geek-share.com/Uploads/Images/Content/201909/17/41bbd964a131d53bc501a6b4222ed822.jpg)
大数定律的四种证法
对于一般人来说,大数定律的非严格表述是这样的:
![](https://oscdn.geek-share.com/Uploads/Images/Content/201909/17/b8b4464fc420129befc50ff4f7fedfc9.jpg)
是独立同分布随机变量序列,期望为
![](https://oscdn.geek-share.com/Uploads/Images/Content/201909/17/d24a5b2c701b664271362fed122c36e2.jpg)
,则
![](https://oscdn.geek-share.com/Uploads/Images/Content/201909/17/c2bbba78cffd42e030e6d3121c41a6b8.jpg)
收敛到u.
如果说“弱大数定律”,上述收敛是指依概率收敛(in probability),如果说“强大数定律”,上述收敛是指几乎必然收敛(almost
surely/with probability one)。
大数定律通俗一点来讲,就是样本数量很大的时候,样本均值和真实均值充分接近。这一结论与中心极限定理一起,成为现代概率论、统计学、理论科学和社会科学的基石。(有趣的是,虽然大数定律的表述和证明都依赖现代数学知识,但其结论最早出现在微积分出现之前。而且在生活中,即使没有微积分的知识也可以应用。例如,没有学过微积分的学生也可以轻松利用excel或计算器计算样本均值等统计量,从而应用于社会科学。)
相关文章推荐
- 快速幂算法
- Java之四 表达式和流程控制
- nyoj 860 (01背包 变形)
- 第十次会议
- linux文件的三种时间
- OC 结构体的应用
- 进击的设计模式 - 目录
- OSG拖拽器简介与示例
- nyoj 163 Phone List && poj 3630 Phone List <字典树 动态建树&&静态建树>
- 版本控制:集中式VS分布式
- 吝啬的国度
- hdu 1312 Red and Black(dfs)
- 判断银行卡卡号输入的合法性接口
- win32多国语言编程setlocale
- Objective-C Coding Style Guidelines
- PHP ajax 实现三级联动
- JavaScript之表格修改
- scope='request'的bean预加载冲突
- scope='request'的bean预加载冲突
- Mysql中LAST_INSERT_ID()的函数使用详解