大数定律、中心极限定理与抽样分布
讲切比雪夫不等式与三个大数定律、两个中心极限定理,数理统计中的总体、样本、统计量与样本矩,卡方分布、t 分布、F 分布与上侧分位数,以及正态总体的常用抽样分布。
本节导读
本节对应两部分考试内容。「大数定律和中心极限定理」:「切比雪夫(Chebyshev)不等式」「切比雪夫大数定律」「伯努利(Bernoulli)大数定律」「辛钦(Khinchine)大数定律」「棣莫弗-拉普拉斯(De Moivre-Laplace)定理」「列维-林德伯格(Levy-Lindberg)定理」,考试要求原文:
- 了解切比雪夫不等式。
- 了解切比雪夫大数定律、伯努利大数定律和辛钦大数定律(独立同分布随机变量序列的大数定律)。
- 了解棣莫弗-拉普拉斯定理(二项分布以正态分布为极限分布)和列维-林德伯格定理(独立同分布随机变量序列的中心极限定理)。
「数理统计的基本概念」:「总体」「个体」「简单随机样本」「统计量」「样本均值」「样本方差和样本矩」「χ2 分布」「t 分布」「F 分布」「分位数」「正态总体的常用抽样分布」,考试要求原文:
- 理解总体、简单随机样本、统计量、样本均值、样本方差及样本矩的概念,其中样本方差定义为 S2=n−11i=1∑n(Xi−X)2。
- 了解 χ2 分布、t 分布和 F 分布的概念及性质,了解上侧 α 分位数的概念并会查表计算。
- 了解正态总体的常用抽样分布。
大纲原文中的分布名称、分位数记号和样本方差的定义式是公式图,这里按教材写法写出。本节记号:X 是样本均值,S2 是样本方差(分母为 n−1),zα 是标准正态分布的上侧 α 分位数。本节的分位数都由题目给出,正式考试中以试卷提供的数值为准。
切比雪夫不等式与大数定律
切比雪夫不等式:设 E(X)=μ,D(X)=σ2,则对任意 ε>0,
P{∣X−μ∣≥ε}≤ε2σ2,P{∣X−μ∣<ε}≥1−ε2σ2大数定律说的是「平均值稳定」:
- 切比雪夫大数定律:X1,X2,⋯ 相互独立,各有期望和方差,且方差有公共上界,则 n1i=1∑nXi−n1i=1∑nE(Xi) 依概率收敛于 0。n1i=1∑nE(Xi) 一般随 n 变化,所以要写成两者之差收敛于 0;各 E(Xi) 都等于 μ 时,就是 n1i=1∑nXi 依概率收敛于 μ。
- 伯努利大数定律:n 次独立重复试验中事件发生的频率 nnA 依概率收敛于概率 p。
- 辛钦大数定律:X1,X2,⋯ 独立同分布,E(Xi)=μ,则 n1i=1∑nXi 依概率收敛于 μ(不要求方差存在)。
中心极限定理
中心极限定理说的是「大量独立随机变量之和近似服从正态分布」:
- 列维-林德伯格定理:X1,X2,⋯ 独立同分布,E(Xi)=μ,D(Xi)=σ2>0,则 n 充分大时 nσi=1∑nXi−nμ 近似服从 N(0,1)。
- 棣莫弗-拉普拉斯定理:X∼B(n,p)(0<p<1),n 充分大时 np(1−p)X−np 近似服从 N(0,1)。
使用方法:先算和的期望 nμ 与方差 nσ2,标准化后用 Φ 计算。
总体、样本与统计量
研究对象的全体叫总体,每个对象叫个体。X1,⋯,Xn 相互独立、且与总体 X 同分布,叫来自总体的简单随机样本。不含未知参数的样本函数叫统计量,常用的有:样本均值 X=n1i=1∑nXi,样本方差 S2=n−11i=1∑n(Xi−X)2,样本 k 阶原点矩 Ak=n1i=1∑nXik。总体 E(X)=μ,D(X)=σ2 时,E(X)=μ,D(X)=nσ2,E(S2)=σ2。
三大抽样分布与分位数
设 Z1,⋯,Zn 独立同分布于 N(0,1):
| 分布 | 构造 | 性质 |
|---|---|---|
| χ2(n) | Z12+⋯+Zn2 | 期望 n,方差 2n;独立的 χ2 变量之和仍服从 χ2 分布,自由度相加 |
| t(n) | Y/nZ,Z∼N(0,1),Y∼χ2(n),二者独立 | 密度关于 0 对称,n 很大时近似 N(0,1) |
| F(n1,n2) | V/n2U/n1,U∼χ2(n1),V∼χ2(n2),二者独立 | F1∼F(n2,n1) |
本节后面还有约 2659 字:报名学员看全文
每门课前 10 节免费看全文;从第 11 节起,完整教程要报名后由顾问在后台为你的账号开通才能看。
题库账号可以直接登录,但第 11 节起的完整教程要报名后由后台开通才能看。
学完练一练
按本节考点从本课的课后练习里抽题(每次 10 道以内),做完看解析、错题自动进错题本。第 11 节起的课后练习报名学员才能练。
本节内容由 AI 辅助编写,配图由 AI 生成,仅供备考参考;考试要求以《全国各类成人高等学校招生考试大纲(2024 年版)》及浙江省教育考试院当年公布为准。