切比雪夫不等式

P{XEXϵ}DxϵP\left\{ \left|X-EX \right| \geq \epsilon \right\} \leq \frac{Dx}{\epsilon},想象成一个亲亲的表情即可,很容易记住

大数定律

  • 相互独立,方差存在:伯努利大数定律

    频率依概率收敛于P

    伯努利实验:在相同情况下,重复某个实验n次

    μn\mu_n 为n重伯努利实验中事件 A 发生的次数,每次实验中 A 发生的概率为 p

    limnP{μnnp<ϵ}=1\lim\limits_{n\rightarrow \infty}P\left\{\left|\frac{\mu_n}{n} - p\right| < \epsilon \right\}= 1

    也就是:n比较大,发生的次数除以总次数,收敛于概率

  • 独立同分布,期望存在:辛钦大数定律

    样本均值收敛于整体均值

    limn{1ni=1nXiμ<ϵ}=1\lim\limits_{n\rightarrow \infty}\left\{\left|\frac{1}{n}\sum\limits_{i=1}^n X_i - \mu\right|<\epsilon \right\} = 1

    也就是:n比较大,样本的均值收敛于整体均值

  • 独立,方差存在且有上界:切比雪夫大数定律(不重要)

    样本均值收敛于均值的样本均值

    1ni=1nXi\frac{1}{n}\sum\limits_{i=1}^nX_i 依概率收敛于 1ni=1nEXi\frac{1}{n}\sum\limits_{i=1}^nEX_i

  • 三个大数定律讲一个事:样本均值收敛于样本均值的均值

    A的均值:EA

    样本均值:1ni=1nXi\frac{1}{n}\sum\limits_{i=1}^nX_i

中心极限定理

 很多个独立同分布的量相加的整体是正态分布,该正太分布整体是其均值和,方差是其方差和

i=1nXiN(nμ,nσ2)limnP{i=1nXinμnσx}=Φ(X)\sum\limits_{i=1}^nX_i \sim N(n\mu, n\sigma^2)\\ \\ \lim\limits_{n\rightarrow \infty} P\left\{ \frac{\sum\limits_{i=1}^nX_i - n\mu}{\sqrt{n}\sigma} \leq x \right\} = \Phi(X)