- 1、本文档共23页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
* * * 大 数 定 律 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. 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(law of large number) 4.6.1 切比雪夫(Chebyshev)不等式 切比雪夫不等式 证明 设X为连续型随机变量,其密度函数为 则 或 定理4.3 设随机变量X具有数学期望E(X)=μ和方差D(X)=σ2,则对任意正数ε,有 证毕 切比雪夫(Chebyshev)不等式的应用 在随机变量X的分布未知的情况下,只利用X的期望 和方差,即可对X的概率分布进行估值。 例 已知正常男性成人血液中,每毫升白细胞数的平均 值是7300,均方差是700,利用切比雪夫不等式估计每 毫升血液含白细胞数在5200~9400之间的概率。 解 设X表示每毫升血液中含白细胞个数,则 则 而 所以 设随机变量X的方差为2.5, 利用切比雪夫不等式估计概率 练习 设随机变量X的方差为2.5,利用切比雪夫不等式估计概率 解 4.6.2 大数定律 定义4.8 若存在常数 ,对任意正数 有 则称随机变量序列 依概率收敛于 记为 性质 设 若 在点 连续,则 定理4.4(切比雪夫定理的特殊情况) 设随机变量 相互独立,且具有相同 的数学期望和方差: 作前n个随机变量的算术平均 则对任意正 数 有 即序列 依概率收敛于 伯努利大数定理(频率的稳定性) 定理4.5 设 是n次独立试验中事件A发生的次数,p 是事件A在每次试验中发生的概率,则对于任意正数 恒有 定理的应用:可通过多次重复一个试验,确定 事件A在每次试验中出现的概率 样本平均数稳定性定理 定理4.6 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 及方差 ,则对于 任意正数 ,恒有 观测量X在相同的条件下重复观测n次,当n充分大时, “观测值的算术平均值接近于期望”是一大概率事件。 即 依概率收敛于 即n充分大时, ——辛钦大数定理 4.6.3 中心极限定理(Central limit theoem) 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。 设 相互独立,且 则当 定理4.7(李雅普诺夫定理) 时,随机变量 的分布函数为 定理4.8 独立同分布的中心极限定理 设随机变量X1,X2,…,Xn相互独立,服从同一分 布,且有有限的数学期望 和方差 ,则随机变量 的分布函数 满足如下极限式 定理的应用: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 例1 一部件包括10部分,每部分的长度是一个随机变 量,相互独立,且具有同一分布。其数学期望是2mm,均方差是0.05mm,规定总长度为20±0.1mm时产品合格,试求产品合格的概率。 解 设部件的总长度为X,每部分的长度为 Xi(i=1,2,…,10),则 由定理4.5可知:X近似地服从正态分布 即 续解 则产品合格的概率为 定理4.9 棣莫弗—拉普拉斯中心极限定理 (De Moivre-Laplace) 定理 设随机变量 服从二项分布 ,则对 于任意区间 ,恒有 二项分布的极限分布是正态分布 即如果 ,则 一般地, 如果 ,则 例2 现有一大批种子,其中良种占1/6,今在其中任选6000粒,试问在这些种子中良种所占的比例与1/6之差小于1%的概率是多少? 解 设取
文档评论(0)