大数定律与中心极限定理(课件).pptVIP

例 每袋茶叶的净重是随机变量，期望值100 标准差5克，每100袋茶叶装为一箱， 一箱茶叶净重 不超过9900克的概率为 求（2）100箱茶叶中， 至少有5箱的净重不超过 9900克的概率. 解 设100箱中有X箱 净重不超过9900克. 1)100箱 2)每箱净重 4)各箱净重独立. 3)每箱净重 的概率都是 或者不超过9900克 或者超过. 不超过9900克 例 每袋茶叶的净重是随机变量，期望值100 标准差5克，每100袋茶叶装为一箱， 一箱茶叶净重 不超过9900克的概率为 求（2）100箱茶叶中， 至少有5箱的净重不超过 9900克的概率. 解 设100箱中有X箱 净重不超过9900克. §3.5 大数定律与中心极限定理 一、依概率收敛 定义3.12 则称随机变量序列 是一列随机变量, 设 恒有 如果对任何 依概率收敛到X 记作 或 恒有 对任何 恒有 对任何 二、大数定律 设在n重贝努利试验中， 事件A发生的次数为X 则事件A在n次试验中 发生的频率为 X与 都是随机变量. 随着试验次数的增加， 事件A发生的频率 逐渐稳定在 即 即 即 定理3.8 （伯努利大数定律） 常数 附近. 1 的随机变量序列, 说明: 概率意义下, 故大量随机变量的平均值 几乎不再是 同分布 辛钦大数定律： 设 为独立, 存在 有 则对任何 即 在定理的条件下, 当n充分大时, 的平均值 随机变量 在 其数学期望. 随机变量. 独立、 分布的 会充分接近 同 2 三、 中心极限定理 “大量独立、 随机变量 以正态分布 为极限 的和 或平均值 分布.” 同分布的 设一列随机变量 满足： (2)服从同样的分布; (3)期望和方差都存在： (1)相互独立; (4)方差不等于0. 近似 则 设一列随机变量 满足： (2)服从同样的分布; (3)期望和方差都存在： (1) 相互独立; (4)方差不等于0. 近似 则 近似 定理3.11 设随机变量序列 有 (独立同分布 则对一切 , 中心极限定理) (2)服从同样的分布; (3)期望和方差都存在： (1)相互独立; (4)方差 满足： 由极限 当n充分大时,有 当随机变量序列 满足定理 的条件时, 例 标准差为10克, 一箱内装有200袋 大于20500克的概率. 用机器包装味精, 每袋味精的净重 期望值为100克, 求一箱味精净重 解 设箱内第 袋味精 的净重为 独立, 同分布; 味精, 为随机变量, 克. 解 设箱内第 袋味精 的净重为 克 独立, 同分布; 用机床加工大小相同的零件, 每个零件的重量 求制造1200个零件, 例 标准重1公斤, 由于随机误差, 在 均匀分布, 总重量大于1202 解 设第 个零件 的重量为 独立, 同分布; 上 公斤的概率. 公斤. 解 设第 个零件 的重量为 公斤 独立, 同分布; 近似 由 近似 当n充分大时, 近似 近似 在定理的条件下， 综合形成的, 而其中每个随机因素 则这个随机变量 就服从 当一个随机变量 相互独立 的随机因素 是由大量的、 都服从同样的分布, 或近似服从 正态分布. 用机床加工大小相同的零件, 每个零件的重量 求 例 标准重1公斤, 由于随机误差, 在 均匀分布, 上 最多制造多少个零件, 可使零件重量 的绝对值 小于2公斤的概率 不小于0.9? 误差总和 解 设制造n个零件, 独立, 同分布; n个零件的误差总和为 为第 个零件的 重量误差. 解 设制造n个零件, 独立, 同分布; 为第 个零件的 重量误差. 解 为第 个零件的 重量误差. 取 最多制造1763个零件. 每一次试验, 设在一次试验中, 只有两个对立的结果: 或 重复进行n次独立试验, A发生 的概率都是 A不发生的概率 用X表示 n重贝努里试验中 事件A(成功) 出现的 可能取值: 次数, 都是 令 第一次A不发生 第一次A发生 第二次A不发生 第二次A发生 第i 次A不发生 第i 次A发生 n个独立的 0-1分布 的和 是二项分布. 参数均为p的 ( 棣莫佛 – 拉普拉斯定理 ) 设随机变量 证 定理3.12 则对一切 有 设随机变量 相互独立, 都服从 0-1分布, 证毕 ( 棣莫佛 – 拉普拉斯定理 ) 设随机变量 定理3.12 则对一切 有 此时， 当 充分大时, ( 棣莫佛 – 拉普拉斯定理 ) 设随机变量 定理3.12 则对一切 有 此时， 当 充分大时, 近似 近似 二项分布 正态分布 例 某地一家保险公司 有2万人参加了人寿保险, 每人在年初 付保险费8元, 若投保人在该年死亡, 则保险公司 赔付其受益人2000元, 该地区人口的 为万分之五, 求 死亡率 该保险公