概率论的基础--chapter 5_2.PPTVIP

Probability Theory 5.2 中心极限定理 * 大数定律和中心极限定理 第 五 章 杨宇明 yym_329@ 四、中心极限定理 设随机变量 X ~ N(0,1)，{Xk}，k = 1,2,…相互独立，且数学期望和方差都存在, 若标准化随机变量序列 依分布收敛于 X ，则称随机变量序列{ Xk }，k = 1,2,…服从中心极限定理。 若随机变量序列{ Xk }，k = 1,2,…满足中心极限定理，有 所以当n 足够大时，可以认为 近似成立，从而 近似成立。 1 独立同分布中心极限定理 二. 中心极限定理 设{ Xk }，k =1,2…是一个相互独立、具有同分布的随机变量序列，且E( Xk ) = m， D( Xk ) = s2。 则随机变量序列{ Xk }满足中心极限定理，即有 当n充分大时 设{ Xk }，k =1,2…是一个相互独立、具有同分布的随机变量序列，且E( Xk ) = m， D( Xk ) = s2。 近似服从N(0,1) 1’ 独立同分布中心极限定理 独立同分布中心极限定理的应用 1）求随机变量之和 取值的概率。 产 品 检 验 2）已知 取值的概率，反求n。 产 品 测 重 3）数理统计中大样本推断的理论基础。 检验员逐个地检查某种产品，每次花10 s检查一个，但也可能有的产品需要重复检查一次再用去10s，假设每个产品需要重复检查的概率为0. 5 ，求在8h内检查员检查的产品多于1900个的概率。 分析：问题等价于求检查员检查1900个产品所花的总时间 X 不超过8h的概率 P{ X? 8 *3600 } 解：设检查第i个产品所花时间为Xi( i = 1,2,3,…,1900)则检查1900个产品所花的总时间为： 例： 显然 为相互独立的随机变量,且 同时 P(Xi =10) = P(Xi =20) =0.5 ( i = 1,2,3,…,1900) 即Xi 相互独立都服从同一分布。 由独立同分布中心极限定理，知 所求概率为： 在天平上重复独立称一重为a的物体，各次称量的结果Xi 同服从正态分布 N(a，0.04），若以 解:由题设知 X1 , X2 , ….,Xn 相互独立,且Xi ～N(a ,0.04) 表示n次称量结果的算术平均值，为使 问至少要称量多少次？ 由独立同分布中心极限定理，知 由正态分布性质，有 例： 由题设，有 至少要称16次才能满足要求。 2 棣莫佛-拉普拉斯中心极限定理 设随机变量序列{ Yn }，Yn ~ B( n, p ) ，n =1,2… 。 则对于任意的实数 x ，有 证明： 对于任意正整数n，随机变量Yn 可表示为 Yn = X1＋ X2＋…＋ Xn X1, X2,…, Xn 相互独立，Xi ~ B( 1, p )，且有 E( Xi ) = p , D( Xi ) = p(1-p) 所以相互独立的随机变量序列{ Xi }, i =1,2,…满足中心极限定理。即有 由此有，若X ~ B( n, p )，对于足够大的n，有 所以结论成立。 棣莫佛—拉普拉斯中心极限定理的应用 1）计算在大n情况下二项分布概率的近似值。 2）已知在大n情况下二项分布在某范围内取值的概率，求该范围。 3）近似计算 与 用频率估计概率的 有关问题。