概率统计3.4.pptVIP

(2) 查表得 解得 故最多可组装81件成品。 §4.3 中心极限定理 名词解释——中心极限定理 林德贝格定理 推论一（ Lindeberg-Levy定理） 推论二（De `Moivre-Lapce定理） 名词解释—中心极限定理 中心极限定理的客观背景 在实际问题中，常常需要考虑许多随机因素所产生总影响. 例如：炮弹射击的落点与目标的偏差，就受着许多随机因素的影响. 空气阻力所产生的误差， 对我们来说重要的是这些随机因素的总影响. 如瞄准时的误差， 炮弹或炮身结构所引起的误差等等. 观察表明，如果一个量是由大量相互独立的随机因素的影响所造成，而每一个别因素在总影响中所起的作用不大. 则这种量一般都服从或近似服从正态分布. 自从高斯指出测量误差服从正态分布之后，人们发现，正态分布在自然界中极为常见. 中心极限定理，正是从理论上证明，对于大量的独立随机变量来说，只要每个随机变量在总和中所占比重很小，那么不论其中各个随机变量的分布函数是什么形状，也不论它们是已知还是未知，而它们的和的分布函数必然和正态分布函数很近似。这就是为什么实际中遇到的随机变量很多都服从正态分布的原因，也正因如此，正态分布在概率论和数理统计中占有极其重要的地位。 下面介绍几个常用的中心极限定理。 在概率论中，习惯于把和的分布收敛于正态分布这一类定理都叫做中心极限定理. 林德贝格（ Lindeberg）定理 推论1 列维（Levy）定理（证略） 注：考虑标准化，是为了排除（和无穷，量纲等的)干扰 此定理说明,当n充分大时,有 或 将n个观测数据相加时，首先对小数部分按“四舍五入”舍去小数位后化为整数．试利用中心极限定理估计， 例8 解 (1) 当n=1500时，舍入误差之和的绝对值大于15的概率； (2) n满足何条件时，能以不小于0.90的概率使舍入误差 之和的绝对值小于10． 根据列维-林德伯格中心极限定理，当n充分大时 (1) (2) 数据个数n应满足条件： 即当 时，才能使误差之和的绝对值小于10的概率不小于0.90． 生产线生产的产品成箱包装，每箱的重量是随机的,假设每箱的平均重50千克,标准差5千克. 若用最大载重量为5吨的汽车承运,试利用中心极限定理说明每辆车最多可以装多少箱,才能保证不超载的概率大于0.977. 例9 解 由列维-林德伯格中心极限定理,有 总重量 所以n必须满足 即最多可以装98箱. 下面给出上述定理的一个重要特例。 棣莫弗-拉普拉斯（De `Moivre-Lapce）定理 证 由列维一林德伯格定理可知， 由列维一林德伯格定理可知， 由列维一林德伯格定理可知， 或 即有近似计算公式 (供电问题)某车间有200台车床,在生产期间由于需要检修、调换刀具、变换位置及调换零件等常需停车. 设开工率为0.6, 并设每台车床的工作是独立的，且在开工时需电力1千瓦. 例10 问应供应多少瓦电力就能以99.9%的概率保证该车间不会因供电不足而影响生产? 解 某一时刻开动的车床数 要求最小的k,使 由D-L定理, 这里 np=120, np(1-p)=48 查表得 所以若供电141.5千瓦，那么由于供电不足而影响生产的可能性不到0.001，相当于8小时内约有半分钟受影响，这一般是允许的。 例11 解 由棣莫弗-拉普拉斯中心极限定理,有 某产品次品率p = 0.05,试估计在1000件产品中次品数在 之间的概率 . 次品数 次品数 注 由切比雪夫不等式, 显然这是过于保守的估计. 练习： 补充题 3.某射手打靶,得10分、9分、8分、7分、6分的概率分别为0.5,0.3,0.1,0.05,0.05. 现独立射击100次,求总分在900分与930分之间的概率 . 4. 设在某保险公司有1万个人参加投保,每人每年付120元保险费.在一年内一个人死亡的概率为0.006,死亡时其家属可向保险公司领得1万元,问:(1)该保险公司亏本的概率为多少?(2)该保险公司一年的利润不少于40,60,80万元的概率各是多少? 5. 假设生产线组装每件成品的时间服从指数分布,统计资料表明每件成品的组装时间平均为10分钟.设各件产品的组装时间相互独立. (1)试求组装100件成品需要15到20小时的概率； (2)以95%的概率在16小时内最多可以组装多少件成品? 解 由中心极限定理知, 解 由中心极限定理知, 解