- 概率论——大数定律及中心极限定理
- 2017-07-13 09:32:58 个评论 来源：diyinqian的博客
- 收藏 我要投稿
收敛性
![这里写图片描述](/uploadfile/Collfiles/20170712/20170712111056446.png "\")
切比雪夫不等式
表述：设随机变量X的数学期望和方差都存在，则对任意常数 ε>0，有P( | X - E(X) | ≥ ε ) ≤ D(X) / ε2 ，或P( | X - E(X) | < ε ) ≥ 1 - D(X) / ε2[1] 。
![这里写图片描述](/uploadfile/Collfiles/20170712/20170712111056447.png "\")
例子：<喎�"/kf/ware/vc/" target="_blank" class="keylink">vc3Ryb25nPjxiciAvPg0KPGltZyBhbHQ9"这里写图片描述" src="/uploadfile/Collfiles/20170712/20170712111056448.png" title="\" />
大数定律
定义和几个常用的大数定律
参见：（大数定律具体是个什么概念？）
大数定律：在试验不变的条件下，重复试验多次，随机事件的频率近似于它的概率。
![这里写图片描述](/uploadfile/Collfiles/20170712/20170712111056449.png "\")
小概率事件原理
一个事件的发生概率很小，那么它在一次试验中是几乎不可能发生的，但在多次重复试验中是必然发生的。
中心极限定理
重点：
中心极限定理：说明的是在一定条件下，大量、独立、随机变量的平均数是以正态分布为极限的。
而大数定律只是揭示了大量随机变量的平均结果，但没有涉及到随机变量的分布的问题。
![这里写图片描述](/uploadfile/Collfiles/20170712/20170712111056452.png "\")
棣莫弗—拉普拉斯定理
证明的是二项分布的极限分布是正态分布，也告诉了我们实际问题时可以用大样本近似处理。
- 上一篇：图的储存方式之邻接矩阵
- 下一篇：URDF文件的生成和编写（三）
相关文章
图文推荐
