概率论02
作者：桂。
时间：2018-06-27 06:22:47
链接：https://www.cnblogs.com/xingshansi/p/9232042.html
接上文：概率论01
以下推理的基础是：切比雪夫不等式，且都要符合独立同分布。 而切比雪夫不等式的前提是：不同变量具有独立的分布即可。
第五章
1- 大数定律（Law of Large Numbers,LLN）
1）随机变量X1，X2，....相互独立
2）服从同一分布
3）数学期望E（Xk） = mu,k = 1,2,...
则有：
证明：
借助切比雪夫不等式：
P{|x-mu| >= epsilon} <= sigma^2/epsilon^2
假设方差存在，求解方差sigma^2：
【同一分布 + 独立性，才有该性质】
得出：
n->∞，夹逼准则：
大数定律：1）独立同分布；2）具有均值mu，在1）2）条件满足的情况下，随机变量样本数n很大时，他们的算术平均值非常接近期望【依概率收敛】。 大数定律理论上证明了该常识。
2- 伯努利大数定律（Bernoulli’s Law of Large Numbers）
对于n重伯努利试验，事件A的频率依概率收敛于其概率。 伯努利大数定律为
该问题针对的是n重伯努利试验
证明：
可知mu = np，又fA是事件A发生的次数
fA = X1 + X2 +...
则fA/n =
，期望为p，借助大数定律：
3- 中心极限定理(The Central Limit Theorem (CLT))
中心极限定理：客观实际通常是大量的相互独立的随机因素的综合影响，其中每一个别因素在总的影响中所起的作用都是微小的，这种随机变量往往近似服从正态分布，这种现象就是中心极限定理的客观背景。
3.1- 中心极限定理
1）独立同分布；2）均值、方差存在，则对于：
其分布函数为正态分布：
证明：
借助特征函数【见最后附录】
利用特征函数的三个基本性质【3个特性易证，细节略】
1）若n阶矩存在，
2）X = X1 +X2+X3+... Xi满足独立同分布，则特征函数 phei(X) = phei(∑Xi) = phei(X1)phei(X2)phei(X3)...
3）分布函数可由特征函数唯一确定【即傅里叶变换，时域、频域存在一一对应关系，特征函数为傅里叶变换的共轭】
定义：
以上性质由特征函数1）2）特性求得。
两边取对数，令
，根据洛必达法则【洛必达法则证明可由：拉格朗日中值定理或柯西中值定理证明】
又exp(-t^2/2)对应标准正态分布，根据特征函数3），得证。
特征函数与矩、分布函数，都可以建立联系，这方面的运算都可以借助特征函数。
理论细节可参考附件1。
3.2- 李雅普诺夫（Lyapunov）定理
基本没用到过，略。
该定理不要求具有同分布特性，即方差满足给定约束，大数（n很大）仍然服从正态分布。
3.3- 棣莫弗-拉普拉斯定理（De Moivre-Laplace）
该定理是3.1中心极限定理的特例，此处mu = np, D = sigma^2 = np(1-p)，带入即可。该定理证明了大数情况下，二项分布与正态分布的关系。
附录：
特征函数定义：
最开始是母函数，主要为了方便N阶矩的计算而引入：
对于t = 0，有
但母函数可能不存在，如引入特征函数，易证特征函数一定存在。特征函数：
，可以看出这是傅里叶变换的共轭。
对于性质2，可结合二维傅里叶变换来理解：
F(u,v) = 积分1 积分2 f(x,y)exp(-i[xu + yv]) dxdy对于独立的情况 = F(u)*F(v)，多维变量依次类推。
另外，对于正态分布，特征函数为：
性质：
原始表达式为：
可借助常微分方程求解，细节略。
有了MATHMATICA这个工具，像这样的微分，可以借助工具完成：
支持指令输入：
也可直接编辑公式：
可见特征函数存在的前提是方差>0。
