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
2017-12-22 15:49
513 查看
切比雪夫不等式
含义:设随机变量X的期望为μ,方差为σ2,对于任意正数ε,有:P{|X−μ|≥ε}≤σ2ε2切比雪夫不等式说明,X的方差越小,事件{|X−μ|≤ε}的概率就越大。即:X的取值基本上集中在期望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X1,X2,...,Xn互相独立,并且具有相同的期望μ和方差σ2.作前n个随机变量的平均Yn=1n∑ni=1Xi,则对于任意正数ε,有limn→∞P|Yn−μ|<ε=1意义:当n很大时,随机变量X1,X2,...,Xn的平均值Yn在概率意义下无限接近期望μ
任然有可能出现偏离,但是这种可能性很小,当n无限大时,这种可能性的概率为0
伯努利大数定理
含义:一次试验中事件A发生的概率为p;重复n次独立实验中,事件A发生了nA次,则p、n、nA的关系满足:对于任意正数εlimn→∞P(|nAn−p|<ε)=1意义:该定理表明事件A发生的频率nAn以概率收敛于事件A的概率p。
用途:
正态分布的参数估计
朴素贝叶斯做垃圾邮件分类
隐马尔科夫模型有监督参数学习
中心极限定理
含义:设随机变量X1,X2,...,Xn互相独立,服从同一分布,并且具有相同的期望μ和方差σ2,则随机变量Yn=∑ni=1Xi−nμn√σ的分布收敛到标准正态分布容易得到:∑ni=1Xi收敛到正态分布N(nμ,nσ2)
意义:实际问题中,很多随机现象可以看做许多因素的独立影响的综合反应,往往近似服从正态分布。如:
城市耗电量:大量用户的耗电量总和
测量误差:许多观察不到的、微小误差的总和
注意,是多个随机变量的和才可以,有些问题是乘性误差,则需要鉴别或者取对数后再使用
线性回归中,将使用该定理论证最小二乘法的合理性
相关文章推荐
- 中心极限定理和大数定理
- 伯努利分布、二项分布、多项分布、Beta分布、Dirichlet分布、连续分布(正态分布)、大数定理、中心极限定理、贝叶斯理论
- 大数定律&中心极限定理
- 独立同分布的中心极限定理
- 中心极限定理与大数定律
- 大数定律和中心极限定理的中文叙述
- 小数定律,大数定律,中心极限定理的理解和概括
- (四)概率论之大数定理与极限定理
- [读书笔记]1.中心极限定理实例,用样本数据猜测样本来自的未知的总体
- 中心极限定理与大数定律
- [傅里叶变换及其应用学习笔记] 十. 卷积与中心极限定理
- 大数定律和中心极限定理
- 中心极限定理的一个例子:大小医院的新生儿
- 中心极限定理
- 中心极限定理_百度百科
- 中心极限定理证明(独立同分布)
- 从中心极限定理的模拟到正态分布
- 从切比雪夫不等式到大数定理
- 第四章切比雪夫不等式、大数定理、中心极限定理
- 【初等概率论】 05 - 极限定理和正态分布