本篇笔记文档名 👇
•27数学-概率论大数定律与中心极限定理知识点✔
本文档为考研数学概率论第五章知识点笔记，内容围绕大数定律及中心极限定理展开。首先介绍切比雪夫不等式，用于估计随机变量偏离数学期望的概率；接着阐述大数定律，包括切比雪夫大数定律（独立同分布变量算术平均依概率收敛）和伯努利大数定律（频率稳定于概率）。中心极限定理部分，讲解独立同分布中心极限定理（随机变量之和近似正态分布）与德莫佛-拉普拉斯定理（二项分布近似正态）。笔记包含定理证明、例题及应用，适合考研数学复习。
文档的预览图如下，需要完整PDF文件的同学，文末有文档编码，保存后即可直接打印使用。
📑27数学-概率论大数定律与中心极限定理知识点
一、大数定律
1、切比雪夫不等式：设随机变量X的数学期望E(X)及方差D(X)存在，对任意正数ε，有P{|X-E(X)|≥ε}≤D(X)/ε²，或P{|X-E(X)|<ε}≥1-D(X)/ε²。该不等式反映方差对分布集中程度的度量，可在分布未知时估算概率。
例1：X的E(X)=10，D(X)=0.04，估计P{9.2<X<11}。解：转化为P{|X-10|<0.8}，代入得1-0.04/0.8²=0.9375。
二、大数定律：
1. 切比雪夫大数定律：随机变量序列X₁,X₂,…独立同分布，E(Xₖ)=μ，D(Xₖ)=σ²，则对任意ε，limₙ→∞P{|(1/n)∑ₖ=1ⁿXₖ – μ|<ε}=1。
2. 伯努利大数定律：n次独立试验中事件A发生次数f_A，频率f_A/n依概率收敛于概率p，即limₙ→∞P{|f_A/n – p|<ε}=1。
三、 中心极限定理
1. 独立同分布中心极限定理：随机变量序列独立同分布，E(Xₖ)=μ，D(Xₖ)=σ²>0，则∑ₖ=1ⁿXₖ的标准化变量Yₙ=(∑Xₖ -nμ)/(√nσ)依分布收敛于标准正态分布。当n充分大时，∑Xₖ~N(nμ, nσ²)。
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
