概率第五章.pptVIP

烟台大学数学与信息科学学院 烟台大学数学与信息科学学院 数学与信息科学学院 姚立强 概 率 论 与 数 理统 计 第五章 极限定理 第一节 大数定律 第二节 中心极限定理 在大量的随机现象中，随机事件的频率 具有稳定性。 大量的随机现象的平均结果具有稳定性， 频率稳定性是其特例。 概率论中用来阐明大量随机现象平均结果的 稳定性的一系列定理，称为大数定律。 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。 第一节 大数定律 一、依概率收敛定义 二、切比雪夫大数定律 三、辛钦大数定律 四、伯努利大数定律 一、依概率收敛定义 定义5.1 (依概率收敛) 若对任意的? 0，有 则称随机变量序列{Yn}依概率收敛于Y, 记为 设{Yn}是随机变量序列，Y是一个随机变量, 一、依概率收敛定义 定义5.2 设X1， X2，… ，Xn, …是随机变量序列， 记 如果存在一个常数序列{an}，对 ，有 即 则称随机变量序列{Xn}服从大数定律。 一、依概率收敛定义 本书只研究{Xn}中每一个随机变量的期望EXn均存在的情况，此时常数列{an}取为{EXn}。即对 ，有 二、切比雪夫大数定律 定理5.1（切比雪夫大数定律） 设随机变量{Xn}两两不相关，且相应的方差序列{DXn}有界，则 {Xn}服从大数定律，即 特殊地，若随机变量序列{Xn}具有相同的 期望 和方差 ，则{Xn}服从大数定律，即 三、辛钦大数定律 定理5.2（辛钦大数定律） 设随机变量X1，X2，…，Xn，…相互独立， 且服从同一分布，并具有数学期望 ，则对于 任意正数 ，恒有 四、伯努利大数定律 定理5.3（伯努利大数定律） 设 ?n 是n重伯努利试验中事件A出现的次数，每次试验中 P(A) = p, 则对任意的 ? 0，有 伯努利大数定律是辛钦大数定律的特殊情况。 第二节 中心极限定理 一、独立同分布场合的中心极限定理 （林德贝格—勒维中心极限定理） 二、伯努利试验场合的中心极限定理 （棣莫弗—拉普拉斯中心极限定理） 一、独立同分布场合的中心极限定理 定理5.4 林德贝格—列维中心极限定理 设 {Xn} 为独立同分布随机变量序列，数学期望为?, 方差为 ?20，则当 n 充分大时，对任意实数 x有 该定理说明：当n很大时， 或者说，当n很大时， 定理5.5 棣莫佛—拉普拉斯中心极限定理 设 Y n ~ B( n , p) , 每次试验事件A发生的概率 为p（0 p 1）, 则对任一实数 x，有 二、伯努利试验场合的中心极限定理 定理说明： 1、该定理是林德贝格—列维中心极限定理 的特殊情况。 2、正态分布是二项分布的极限。 即对任意的 a b, Y n ~ N (np , np(1-p)) (近似) 利用棣莫佛—拉普拉斯中心极限定理，当n 很大时，可以利用正态分布计算与二项分布有关 的事件的概率。 二、伯努利试验场合的中心极限定理