12、极限定理分析.ppt

* * * 第五章 大数定律和 中心极 限 定 理 极限定理包含的内容很广泛, 只有在相同的条件下进行大量重复试验时, 随机现象的规律性才会呈现出来. 概率论与数理统计是研究随机现象统计规律性的学科. 研究大量的随机现象, 极限工具无疑是最有效的方法. 大数定律 与 中心极限定理 我们先介绍 也就是说,要从随机现象中寻求必然的法则, 应该研究大量随机现象. 这导致了对极限定理的研究. 其中最重要的有两类: 大数定律以严格的数学形式表达了算术平均值及频率稳定性的确切含义. 表达方式: 研究一些概率接近以 1(或 0 )的事件的规律. 致使大量随机现象的共同作用的总平均结果趋于稳定 由于大量的随机现象中, 个别随机现象所引起的偏差会相互抵消和补偿, 大量抛掷硬币 正面出现频率 字母使用频率 生产中的废品率 …… §5.1 大 数 定 律 大量随机现象中平均结果的稳定性： 先介绍两个基本概念 n 次重复测量的结果的平均值 n 越大, 对真值 a 的偏差就越小 即对独立随机序列极限理论中的必然事件的一种概率描述. ——大数定律的客观背景 若存在常数 C, 将有关以概率收敛的结论统称为大数定律 若存在常数列 an, 使得对任意的 ? 0, 总有 则称随机变量序列{Xn} 以概率收敛于 C , 记为 当 n 足够大时, Xn 几乎总取接近 C 的值, 定义2(P.126 ) 设 X1,X2,… 是随机变量序列, 令 总有 则称随机变量序列 Xn 服从大数定律 . 常取为 Xn 服从大数定律 ? 是对同一客观事物的不同表述 即 若 且函数 g(x,y)在点(a,b)连续, 则 n =1, 2, … 连续保持以概率收敛性 P.126 定义1 ? ? ? 0, 设 X1,X2,… 是一随机变量序列, ? 1/4 例1 设 Xn 是一个相互独立的随机变量序列, 且 证明 Xn 服从大数定律. 证 Xn ～ B(1, pn), 令 由Chebyschev不等式知, 对任意的 ? 0, 总有 所以 Xn 服从大数定律. 我们关心的是: 随机变量序列 Xn 具有什么特性时, 它就服从大数定律. 我们只介绍三个最著名的大数定律. 相应于这些不同的特性, 大数定律也有其不同的表现形式. 应用中经常 将 取为 它们的方差都存在, 设 Xn 是相互独立的随机变量序列, 则 Xn 服从大数定律. 定理1(Chebyschev切比雪夫大数定律 ) 且有共公上界, 即对任意的 ? 0, 有 证明切比雪夫大数定律主要的数学工具是切比雪夫不等式 证 由Chebyschev不等式, 由极限夹逼准则知结论成立. 任意事件的概率 ? 1 特别地, 改方差的限定条件为: 设Xn 独立且有相同的期望 ? 和方差? 2 , 则 ?? 0, 有 在独立和同期望、方差的条件下, n 个随机变量的算术平均值当 n →∞时, 以概率收敛于它的期望 ? . 即存在常数 C , 使得 DX i ≤ C , i =1, 2, …, 当n 充分大时几乎 不再是随机的了 Chebyschev 大数定律给出了算术平均值稳定性的科学描述 Y Y P166推论 在 n 重Bernoulli独立试验中, 当试验次数 n →∞时, 事件 A 的频率依概率收敛于事件 A 的概