极限定理 样本及抽样分布.ppt

* 第五章 极限定理 X~B(n, p), 以Ｘi表示第ｉ次试验A发生的次数 以X表示n重贝努里试验A发生次数 EX=np, DX=npq, 大数定律 Ｘi独立同分布 中心极限定理 Ｘi独立同分布, 且E(Xi )=μ, D(Xi )= б2 5.1 大数定律 大数定律 表达了大量随机变量平均值的稳定性. . , ... , , 1 } { lim 2 1 a Y a Y Y Y a Y P P n n n n ? ? ? = - ￥ ? 记为 依概率收敛于 则称序列 对于任意正数e, 有 定义5.1 设随机变量序列Y1 , Y2 …Yn , a是常数, L e 贝努利大数定律 以nA是n次贝努利试验中A出现的次数, P(A)=p, 则当n→∞时,有: 表达了频率的稳定性. X~B(n, p), X表示n重贝努里试验中A发生次数 . 第ｉ次试验中A发生 第ｉ次试验中A不发生 有 辛钦大数定律 设随机变量X1 , X2… Xn …相互独立, 服从同一分布，数学期望 E(Xi )=? (i=1, 2…), 则对于任意正数 ?, 有 表达了随机变量算术平均值的稳定性. 例5.2 设电站供电网有 10000盏电灯, 夜晚每一盏灯开灯的概率是0.7, 假定开关时间彼此独立, 估计夜晚同时开着的灯数在 6800与 7200之间的概率. 解：设X表示同时开着的灯数, 有X~ b(10000, 0.7). E( X )=7000 , D( X )= 2100, 5.2 中心极限定理 观察结果表明：大量相互独立的随机变量之和, 每个随机变量对总和的影响都很小, 近似服从正态分布. 独立同分布的中心极限定理 设X1 , X2 …..Xn独立同分布, E(Xi )=μ, D(Xi )= б2 , 当n充分大时, 有 即 例5.3 一个螺丝钉重量时一个随机变量, 期望值是1两, 标准差是0,1两. 求一盒( 100个 )同型号螺丝钉的重量超过 10.2 斤的概率. 解 设一盒重量为X, 第i个螺丝钉重量为Xi, 有 E( Xi )=1 , D( Xi )= 0.01, 有 X ~ N(100 , 1). 例5.4 对敌人的防御地进行100次轰炸, 每次轰炸命中目标的炸弹数是随机变量, 期望值 2, 方差 1.69. 求在100次轰炸中有 180到 220 颗炸弹命中目标的概率. 解: 以Xi表示第i次轰炸中命中目标的炸弹数,则 有 X近似服从N(200 , 169). 设X~B(n, p), 则X表示n重贝努里试验中A发生次数 . 第ｉ次试验中A发生 第ｉ次试验中A不发生 德莫佛-拉普拉斯定理 设随机变量 X~B(n, p), 则当n充分大时, 有 即 例 已知生男孩的概率为0.515,求在10000新生儿中女孩不少于男孩的概率. 解: 以X表示10000个新生儿中的男孩数,则 X~b(10000,0.515), X近似服从正态分布 N(5150, 2498) 所求概率为P{X≦5000} 例 保险公司有10000个同龄同阶层的人参加人寿保险, 该类人一年内死亡的概率为0.006，每个参保的人在年 初付12元保险费，死亡时家属可领得1000元. 问保险公司亏本的概率. 解: 设这10000人中一年内死亡的人数为X，则 X~b(10000,0.006), X近似服从正态分布N(60, 59.64) P{亏本}=P{X120} 第六章 样本及抽样分布 第一节 随机样本 研究对象的全体称为总体. 每一个元素称为个体. 总体用随机变量X表示. 从总体中随机独立抽取一部分个体进行观察, 所抽得的个体称为样本. 样本 的观察值x1 , x2 ….xn称为样本值. 总体X的分布函数为F(x), 则样本X1, X2….Xn的联合 分布函数 样本用随机变量X1, X2…Xn表示. 例 考察某种型号灯泡的寿命， 设为 X, 总体X服从指数分布Ｅ(?), 从中随机独立抽取５个个体, 设为X1, X2… X５, x1=101