chapt5-2 中心极限定理.pptVIP

第二节 中心极限定理 客观背景：客观实际中，许多随机变量是由大量 相互独立的偶然因素的综合影响所形成，每一个微小 因素，在总的影响中所起的作用是很小的，但总起来， 却对总和有显著影响，这种随机变量往往近似地服从 正态分布。 概率论中有关论证独立随机变量的和的极限分布是正态分布的一系列定理称为中心极限定理。 由于无穷个随机变量之和可能趋于∞，故我们不研究n个随机变量之和本身而考虑它的标准化的随机变量 的极限分布. 下面介绍常用的三个中心极限定理。 定理1（独立同分布下的中心极限定理）P131 设X1,X2, …是独立同分布的随机变量序列，且E(Xi)=μ，D(Xi)=σ2，i=1,2,…，则 即 近似 近似 （林德贝格－勒维中心极限定理） 定理表明：当n充分大时，标准化随机变量 近似服从标准正态分布. 由此可知：对于独立的随机变量序列 ，不管 服从什么分布，只要它们是同分布，且有有限的数学期望和方差，那么，当n充分大时，这些随机变量之和 近似地服从正态分布 (1) 至少命中180发炮弹的概率; (2) 命中的炮弹数不到200发的概率. 例1.炮火轰击敌方防御工事 100 次, 每次轰击命中的炮弹数服从同一分布, 其数学期望为 2 , 均方差为1.5. 若各次轰击命中的炮弹数是相互独立的, 求100 次轰击中 解：设 X i 表示第i 次轰击命中的炮弹数， 则由独立同分布中心极限定理, 有 则 (1) 即 (2) （表上没有了，超过 ， 近似1 ） 练习 1.某人要测量甲、乙两地之间的距离，限于测量工具， 他分成1200段进行测量，每段测量误差（单位：千米）相互独立，且都在区间 总距离测量误差的绝对值不超过20千米的概率。 则 表示第 i 段的测量误差， 解：设 上服从均匀分布。试求 由中心极限定理得： 故所求概率为： 例.一食品店有三种蛋糕出售，由于售出哪一种蛋糕是随机的，因而售出一只蛋糕的价格是一个随机变量，它取1(元)，1.2 (元)，1.5(元)各值的概率分别为0.3，0.2，0.5.某天售出300只蛋糕.求这天的收入至少达400 (元)的概率 解：设第i只蛋糕的价格为Xi，i=1,2,…,300,则Xi的分布律为 P 1 1.2 1.5 Xi 0.3 0.2 0.5 由独立同分布中心极限定理知： 即 （标准正态分布表的最后一行） 定理2 (二项分布的中心极限定理）P132 设随机变量Xn服从参数为n，p (0 p 1)的二项分布，则对于任意实数x, 总成立 (德莫佛－拉普拉斯中心极限定理） 即 近似 近似 对于二项分布，当n很大时计算较烦，若p很小，则可用泊松分布近似; 若p不很小，则可用正态分布近似 定理表明：若 服从二项分布，当n很大时， 近似服从标准正态 的标准化随机变量 由此可知：当n很大，0p1是一个定值时（或者说，np(1-p)也不太小时），服从二项分布B（n，p) 的随机变量 近似服从正态分布 N(np,np(1-p)). 分布. 例2 某次课堂测验，有200道选择题，每一题有4个答案.试问一位完全不会的学生，想凭着猜测的方法回答此200题中的80题，而答对25题至30题的概率是多少？ 设答对的题数为X，则 解: X~B(80,0.25), 练习：在次品率为 则 由中心极限定理知： 的一大批产品中，任意抽取400件 解：设抽取的产品中次品数为X, 产品，利用中心极限定理计算抽取的产品中次品数 在40与60之间的概率． 所求概率为 例3 某电视机厂每周生产10000台电视机，但它的显像管车间的正品率为0.8，为了能以0.997的概率保证出厂的电视机都装上正品显像管，该车间每周应生产多少只显像管？ 解:设该车间每周生产n只显像管，其中正品的个数为X，则 X~B(n, 0.8), 即： 查表，知 从而得： 即该车间每周至少应生产12655只显像管，才能以0.997的概率保证出厂的电视机都装上正品显像管. 注意：≈与查表 定理3 （李雅普诺夫中心极限定理）P133 则 中心极限定理是概率部分最有名的定理之一