1 第5 章 渐近分布理论 5 .1 大数定律 定义 5 .1 .1 假设 ,,21 XX是同一概率空间),,(PF上的随机变量序列,其期望)(1XE,),(2XE有限。 (1)如果 niipniiXEnXn11)(11 (5.1.1) 则称随机变量序列 ,,21 XX服从弱大数定律。 特别地,如果,,21 XX同分布,)(1XE=),(2XE,则(5.1.1)简化为 pniiXn11 (5.1.2) (2)如果 niisaniiXEnXn1..1)(11 (5.1.3) 则称随机变量序列 ,,21 XX服从强大数定律。 特别地,如果,,21 XX同分布,)(1XE=),(2XE,则(5.1.3)简化为 ..11saniiXn (5.1.4) 定理5 .1 .1 (马尔科夫定理) 假设随机变量序列 ,,21 XX满足条件:对于任意的1n,||nXE,niiX1)(Var,并且 0)(Var1lim12niinXn (5.1.5) 则随机变量序列 ,,21 XX服从强大数定律,即 niipniiXEnXn11)(11 (5.1.6) 2 证明 对于任意0,由马尔科夫不等式可知 )|)((|)|)(11(|1111nXEXPXEnXnPniiniiniinii ))((Var1 122niiXEn (5.1.7) 因此,定理结论成立。■ 定理5 .1 .2 (车贝晓夫定理)假设,,21 XX两两独立,方差有界:1,)(VarncXn,则随机变量序列,,21 XX服从强大数定律,即 niipniiXEnXn11)(11 (5.1.8) 证明 由于 ,,21 XX两两独立,1,)(VarncXn,因此 0lim)(Var1lim)(Var1lim1212ncXnXnnniinniin (5.1.9) 满足马尔科夫条件,因此,定理结论成立。■ 定理5 .1 .3(贝努利定理) 假设n 是n 重贝努利试验中某事件 A 出现的次数,以致每次试验中 A出现的概率为 p ,则 pnpn (5.1.10 ) 证明 由于niinX1, ,,21 XX独立同分布,4/1)1()(Var,ppXp)E(Xpi,因此,根据车贝晓夫定理的结果,因此,定理结论成立。■ 备注:在n 重贝努利试验中事件 A 出现的频率,以概率收敛于事件 A 在一次试验中出现的概率。 定理5 .1 .4(泊松定理) 假设n 是n 次独立试验中事件 A 出现的次数,在第i 次试验中事件 A 出现的概率为)10(iipp,,2,1i,则 niipnpnn11 (5.1.11) 证明 由于 ,,21 XX独立同分布,4/1)1()(Var,iipiippXp)E(X,因此,根据车贝晓夫定理的结果...