第一节大数定律说课.ppt

* 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. 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: 与 大数定律 中心极限定理 第五章 大数定律与中心极限定理 本章要解决的问题 为何能以某事件发生的频率 作为该事件的 概率的估计？ 为何能以样本均值作为总体 期望的估计？ 为何正态分布在概率论中占 有极其重要的地位？ 大样本统计推断的理论基础 是什么？ ANSWER 大数 定律 中心极 限定理 在大量的随机现象中，随机事件的频率具有稳定性 大量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) 例如： 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 …… 设非负随机变量 X 的期望 E( X )存在， 则对于任意实数 a 0, 马尔可夫（Markov） 不等式 证 仅证连续型随机变量的情形 重要不等式 5.1 大数定律 切比雪夫（Chebyshev)不等式 设随机变量X具有有限数学期望EX和方差DX，则 对于任意正数 ，如下不等式成立。 ——切比雪夫不等式 或 Ex Ex+e Ex-e j(x) x ?Dx/e2 示意图 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1 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 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 例2 设每次试验中，事件 A 发生的概率为 0.75, 试用 Chebyshev 不等式估计, n 多大时, 才 能在 n 次独立重复试验中, 事件 A 出现的 频率在0.74 ~ 0.76 之间的概率大于 0.90? 解 设 X 表示 n 次独立重复试验中事件 A 发生 的次数 , 则 X ~ B(n,0.75) 要使 ，求 n 即 即 由 Chebyshev 不等式，? = 0.01n ,故 令 解得 若 E(X ) = ? , D(X ) = ? 2, 类似于正态分布的3? 原理，由 Chebyshev 不等式可估计 由 Chebyshev 不等式，可看出 D (X) 反映了 X 偏离 E(X ) 的程度. 固定? ， ? 较小者， 较小. Chebyshev 不等式对于 ? 2?? 2 无实际意义 大数定律 定义5.1.1 马尔可夫（Markov)大数定律 对任意的n≥1, 定理 假设随机变量 满足条件： 且 那么 服从大数定律. 伯努利大数定理（频率的稳定性） 定理 设 是n次独立重复试验中事件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 或 证 引入随机变量序列{Xk} 设 则 相互独立， 记 由Chebyshev 不等式 故 在概率的统计定义中，事件 A 发生的频率 “ 稳定于”事件 A 在一次试验中发生的概率是 指： 频率 与 p 有较大偏差 是 小概率事件, 因而在 n 足够大时, 可以用频率 近似代替 p . 这种稳定称为依概率稳定. 贝努里（Bernoulli）大数定律的意义： 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 定义5.1.2 a 是一常数， (或 则称随机变量序列 依概率收敛 于常数 a , 记作 故 是一系列随机变量， 设 有 若 在 Bernoulli 定理的证明过程中， Y n 是相互 独立的服从 0-1分布的随机变量序列 {Xk} 的 算术平均值, Y n 依概率收敛于其数学期望 p . 结果同样适用于服从其它分布的独立随 机变量序列 切比雪夫大数定律 相互独立， 设随机变量序列 (指任意给定 n 1, 相