大数定理与中心极限定理说课.ppt

§第四章 大数定理与中心极限定理 §4.1 大数定律 §4.1.1 切比雪夫不等式 例4.1 例4.2 §4.1.2 大数定律 例4.3 例 4.5 例4.6 例4.10 * * 某县种植一种经济作物，由往年的资料统计得平均亩产量μ=412kg，产量的均方差σ=15kg，试估计今年的亩产量与平均产量的绝对值小于50kg的概率；若要求估计的可靠性至少是0.95，今年亩产量的范围是多少？ 即：今年的亩产量在362～462kg之间的概率不小于91%，在345～479kg之间的概率不小于95%。 以概率收敛的定义： 以概率收敛的意义： 以分布收敛的定义： 依分布收敛的意义： n很大时，可用随机变量X的分布计算与随机变量Xn有关的事件的概率，反之也行。 依分布收敛与以概率收敛的关系： 依概率收敛一定依分布收敛，反之不真。 定理一（伯努利大数定理） nA是一个随机变量 在实际应用中, 当试验次数很大时, 便可以用事件发生的频率来代替事件的概率. 证明： 定理二（切比雪夫大数定理） 证明 定理三（辛钦大数定理） 此定理我们又称强大数定律，而称定理二为弱大数定理。 注：定理一是定理三的特殊情形。 例4.4 证（略） 反映到实践中，该定理为“大量观察数据的平均值与总体平均值充分接近”这一事实提供了理论依据。 问题的引入 实例: 考察射击命中点与靶心距离的偏差. 一般说来，这种偏差可以看成是由大量微小的偶然因素造成的微小误差的总和, 这些因素包括: 瞄准误差、测量误差、子弹制造过程方面 (如外形、重量等) 的误差以及射击时武器的振动、气象因素(如风速、风向、能见度、温度等) 的作用, 所有这些不同因素所引起的微小误差是相互独立的, 并且它们中每一个对总和产生的影响不大. 问题: 某个随机变量是由大量相互独立且均匀的小的随机变量相加而成的, 研究其概率分布情况. §4.2 中心极限定理 此定理表明，服从二项分布的随机变量Mn的标准化依分布收敛于正态分布N(0,1)，而Mn依分布收敛于正态分布N(np,np(1-p))。即可用正态分布近似计算二项分布。 注：（在第一章中曾用泊松分布近似计算二项分布）当n很大、p或1-p很小、np或n(1-p)不超过5时，用泊松分布近似较好，而当n很大， np和n(1-p)都较大时，用正态分布近似较好。 下面的图形表明:正态分布是二项分布的逼近. 某车间有150台独立工作的车床，每台车床每小时用电2kw，因为换料、检修等原因，每台车床只有60%的时间用电。如果要求以99%的概率保证车间用电，每小时需要供给这个车间多少千瓦电力？如果仅要求以95%的概率保证车间用电呢？ =0 设一批种子的良种率为10%，今在其中任意选取种子，试求 （1）在10000粒种子中，良种占的比例与10%之差不超过4.5‰的概率； （2）误差限δ为多少时，能保证在10000粒种子中良种占的比例与10%之差不超过δ的概率为0.95，这时良种粒数在哪个范围？ （3）选取多少粒种子，能使其中良种所占的比例与10%之差不超过4.5‰的概率为0.95？ *