中国矿业大学周圣武概率论与数理统计第五章大数定律与中心极限定理.ppt

第五章 第一节 定义1 命题 （切比雪夫Chebyshev不等式） 大数定律的客观背景 几个常见的大数定律 定理2（辛钦定律） 定理3（伯努利大数定律） 例3 如何测量某一未知的物理量a ,使得误差较小？ 例4 如何估计一大批产品的次品率 p ？ 第二节 定理1（独立同分布的中心极限定理） 定理2（棣莫佛-拉普拉斯定理）De Moivre-Laplace 例3 报童沿街向行人兜售报纸，假设每位行人买报 例4 有100台车床彼此独立地工作。每台车床的实 例5 某单位有200台电话分机，每台分机有5%的时间 例6 例7 利用 ⑴ 契比雪夫不等式 的概率为0.2, 且他们是否买报是相互独立的。求报童 向100位行人兜售之后，卖掉15－30份报纸的概率。 解 设报童卖掉报纸的份数为X ， 际工作时间占全部工作时间的80％，求下列事件的 概率。 1、任一时刻有70－86台车床工作。 2、任一时刻有80台以上车床工作。 解 设任一时刻工作的车床台数为X 。 要使用外线通话。假定每台分机是否使用外线是相互独 立的，问该单位总机要安装多少条外线，才能以90%以 上的概率保证分机用外线时不等待？ 解 设有X 部分机同时使用外线，则有 设有N 条外线。由题意有 由德莫佛-拉普拉斯定理得 其中 故 N 应满足条件 设它们是互相独立的随机变量，且都在区间(0,10)上 一加法器同时收到20个噪声电压 服从均匀分布，记 求 P{V 105 }的近似值。 解 由定理1 知 * 大数定律与中心极限定理 一、大数定律 二、中心极限定理 本章是关于随机变量序列的极限理论。 目的是从理论上对第一章中提出的“频率的 稳定性”给出严格的数学证明。 大数定律：对于随机变量序列 描述其平均值 在什么条件下以什么形 式呈现出稳定性。 中心极限定理：对于随机变量序列 其部分和 在什么条件下以正态分布为极限 分布。 大数定律 第五章 一、 切比雪夫Chebyshev不等式 二、几个常见的大数定律 依概率收敛于a ，记为 设随机变量序列 有: 则称 ，如果存 在常数 a ，使得对于任意 请注意 : 或 不等式 成立， 则称此式为切比雪夫不等式。 存在，则对任意 证明 设 X 为连续性（离散型类似），其密度为 设随机变量X 的数学期望 则 注：Chebyshev不等式对随机变量在以 的一个ε邻域外取值的概率给出了一个上界 为中心 可见D(X) 越小，事件 的概率越接近1。 X 的值密集在其数学期望附近的概率越大。 例如：对未知分布X，取 若 例1 一电网有1万盏路灯， 晚上每盏灯开的概率为0.7. 求同时开的灯数在6800至7200之间的概率至少为多少? 解 设X 为同时开的灯数。 由二项分布 用切比雪夫不等式 已知正常男性成人血液中，每一毫升白细胞数 解 设每毫升白细胞数为X 依题意，EX =7300,DX =7002 所求为 由切比雪夫不等式 估计每毫升白细胞数在 5200～9400 之间的概率 . 平均是7300，均方差是700， 利用切比雪夫不等式 例2 即每毫升白细胞数在5200-9400之间的概率不小于8/9。 大量的随机现象中平均结果的稳定性 大量抛掷硬币 正面出现频率 字母使用频率 生产过程中的 废品率 定理1（切比雪夫大数定律） 则 即对任意的ε 0， 设 X1 , X2 , … 是一列相互独立的随机变量序列， 它们都有相同的数学期望 证明 由切比雪夫不等式得： 所以 其取值接近于其数学期望的概率接近于1. 当n充分大时， 差不多不再是随机的了， 注： 且具有相同的数学期望 辛钦 设随机变量序列X1 , X2 , … 独立同分布， 则 辛钦大数定律中，随机变量的方差可以不存在，只要 独立同分布就可以了。 P是事件A发生的概率，则对任给的ε 0，有 或 设nA是n重贝努里试验中事件A发生的次数， 即 证明 引入随机变量 试验中A发生， 试验中A不发生， 显然 且 又由于各次试验相互独立，所以 独立同分布, 则由辛钦大数定律可得 解 在相同的条件下测量n 次，其结果为 ，它们可看成是相互独立、相同分布的 随机变量，并且有数学期望为a . 于是由辛钦大数定律 可知，当 时，有 因此我们可取 n 次测量值 的算术平均值 作为a 得近似值，即 ,当n充分大时误差很小。 由伯努利大数定律可知，当 n 很大时，可取频率 作为次品率 p 的估计值。 大数定律以严格的数学形式表达了随机现象最根本的性质之一： 平均结果的稳定性 中心极限定理 第五章 中心极限定理的客观背景: 常常需要考虑许多随机因素所产生的综合影响. 在实际问题中， 中心极限定理的客观背景 在实际问题中，常常需