第五章大数定律及中心极限定理说课.pptVIP

南昌大学基础数学 南昌大学基础数学 第五章 大数定律及中心极限定理 5.1 大数定律 弱大数定理（辛钦大数定理） 即弱大数定理（辛钦大数定理） 伯努利大数定律 5.2 中心极限定理 独立同分布的中心极限定理(林德伯格?列维定理) 棣莫夫?拉普拉斯定理 例3 124页例2例4 125页例3 126页小结126页重要术语及主题 * * 5.1 大数定律 5.2 中心极限定理 研究大量的随机现象,常常采用极限形式,由此导致对极限定理进行研究.极限定理的内容很广泛,其中最重要的有两种: 概率论与数理统计是研究随机现象统计规律性的学科.随机现象的规律性只有在相同的条件下进行大量重复试验时才会呈现出来. 也就是说, 要从随机现象中去寻求必然的法则,应该研究大量随机现象. 我们曾经说,频率是概率的反映,随着观察次数的增大,频率将会逐渐稳定到概率.这里是指试验的次数无限增大时,在某种收敛意义下逼近某一定数,这就是所谓的大数定律 大量的随机现象中平均结果的稳定性 大数定律的客观背景: 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 大数定律以确切的数学形式表达了这种规律性,并论证了它的成立条件,即从理论上阐述了这种大量的、在一定条件下的、重复的随机现象呈现的规律性即稳定性.由于大数定律的作用,大量随机因素的总体作用必然导致某种不依赖于个别随机事件的结果. 在实践中人们认识到大量测量值的算术平均值也具有稳定性,而这种稳定性就是我们所要讨论的大数定律的客观背景,而这些理论正是概率论的理论基础. 设随机变量X1, X2, ... , Xn, ...相互独立,是服从同一分布的随机变量序列，且具有期望E(Xk ）= (k=1,2,...),作前n个变量的算术平均 ，则?? 0,有: 设随机变量X1, X2, ... , Xn, ...相互独立,是服从同一分布的随机变量序列，且具有期望E(Xk ）= (k=1,2,...),则序列 依概率收敛于 设n次独立重复试验中事件A发生nA次,在每次试验中事件A发生的概率为p,则?? 0,有: 伯努利大数定律表明: 频率依概率收敛于概率p 以严格的数学形式表达了频率的稳定性 表明：当重复试验次数n充分大时,事件A发生的频率nA/n与事件A的概率p有较大偏差的概率很小. 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的总影响. 例如:炮弹射击的弹着点与目标的偏差,就受许多随机因素的影响. 对我们来说重要的是这些随机因素的总影响. 如瞄准误差、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) 的作用等等. 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. 观察表明,如果一个量是由大量相互独立的随机因素的共同影响造成的,且每一个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.(正态分布的形成原因) 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. 现在我们来研究独立随机变量之和所特有的规律性问题. 在一定条件下,大量独立随机变量的和的分布以正态分布为极限分布的这一类定理称为中心极限定理 的分布函数Fn(x)对任意的x,满足 设随机变量X1,X2,…,Xn,…相互独立, 服从同一分布,且具有有限的期望和方差: E(Xk)=? , D(Xk)=?20 (k=1,2,…),则随机变量 =?(x) 即 等价于 近似于N（0,1） 近似于N（0,1） 近似于N（ n?，n?2） 等价于 近似于N（ ?，? 2/n） 即 例1 对某一目标进行多次同等规模的轰炸,每次轰炸命中目标的炸弹数目是一个随机变量,假设其数学期望为2,标准差为1.3, 计算在100次轰炸中命中目标的炸弹总数在180颗到220颗的概率. 解: 设Xk (k=1,2,…,100)表示第k次命中目标的炸弹数, X= 为100次轰炸命中目标的炸弹总数 有X1,X2,…,X100独立同分布 由已知, E(Xk)=2, 由独立同分布的中心极限定理知: P{180≤X≤220} ?2?(1.538)?1 ?0.8764 例2 某大型商场每天接待顾客10000人,设每位顾客的消费额(元)服从[200,2000]上的均匀分布,且顾客