大学概率论5课程.pptVIP

3、定理(棣莫佛－拉普拉斯（De Laplace定理） 设随机变量 (n=1,2,‥‥)服从参数n,p(0p1) 的二项分布，则对任意x，有 证 * 定理表明，当n很大，0p1是一个定值时（或者说，np(1-p)也不太小时），二项变量 的分布近似正态分布 N(np,np(1-p)). 即 * 于是 例 解 * 例. (供电问题)某车间有200台车床,在生产期间由于需要检修、调换刀具、变换位置及调换工件等常需停车. 设开工率为0.6, 并设每台车床的工作是独立的，且在开工时需电力1千瓦. 问应供应多少瓦电力就能以99.9%的概率保证该车间不会因供电不足而影响生产? * 用X表示在某时刻工作着的车床数， 解：对每台车床的观察作为一次试验，每次试验 是观察该台车床在某时刻是否工作, 工作的概率0.6 ,共进行200次独立重复试验. 依题意， X~b(200,0.6), 现在的问题是： P(X≤N)≥0.999 的最小的N. 求满足 设需N台车床工作， （由于每台车床在开工时需电力1千瓦，N台工作所需电力即N千瓦.） * 由德莫佛-拉普拉斯极限定理 近似N(0,1), 于是 P(X≤N)= P(0≤X≤N) 这里 np=120, np(1-p)=48 查正态分布函数表得 * 从中解得N≥141.5, 即所求N=142. 也就是说, 应供应142 千瓦电力就能以99.9%的概率保证该车间不会因供电不足而影响生产. ≥ 3.1, 故 例 * 解 * * * 四、小结 中 心 极 限 定 理 注 * 这一节我们介绍了中心极限定理 在后面的课程中，我们还将经常用到中心极限定理. 中心极限定理是概率论中最著名的结果之一，它不仅提供了计算独立随机变量之和的近似概率的简单方法，而且有助于解释为什么很多自然群体的经验频率呈现出钟形曲线这一值得注意的事实. * * 第五章 大数定律与中心极限定理 第一节：大数定律 第二节：中心极限定理 * 第一节 大数定律 大数定律的背景及概念 依概率收敛定义及性质 三个大数定律 小结 * 一、大数定律的背景和概念 大量随机试验中 1、大数定律的客观背景 例1、掷一颗均匀正六面体的骰子，出现1点的概率是1/6。但掷的次数少时，出现1点的频率可能与1/6相差较大，但掷次数很多时，出现1点的频率接近1/6几乎是必然的。 例2、测量一个长度a，一次测量的结果不见得就等于a，量了若干次，其算术平均值仍不见得等于a,但当测量的次数很多时，算术平均值接近于a几乎是必然的。 * 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) 2、大数定律的概念 本章将介绍三个大数定律： （1）切比雪夫大数定律、 （2）贝努里大数定律 （3）辛钦大数定律。 它们之间既有区别也有联系。 * 二、依概率收敛定义及性质 定义 性质 * 注意 : * 三、大数定律 1、定理一（切比雪夫定理的特殊情况） 切比雪夫 则对任意的ε0，有 做前 n 个随机变量的算术平均 * 证 由切比雪夫不等式 上式中令 得 * 说明 * 3、定理的另一种叙述方式： （切比雪夫大数定律） * 切贝谢夫大数定律是1866年被俄国数学家切比雪夫所证明，它是关于大数定律的一个相当普遍的结论，很多大数定律的古典结果是它的特例。 设 nA 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ε 0 ，有 2、定理二（伯努利大数定律） 或 此定理说明了频率的稳定性。 * 由定理一有 * 贝努里大数定律的重要意义： (1)从理论上证明了频率具有稳定性。 （2)提供了通过试验来确定事件概率的方法: 这种方法是参数估计的重要理论基础。 （3）是“小概率原理”的理论基础。 小概率原理：实际中概率很小的随机事件在个别试验中几乎是不可能发生的。 * 下面给出的独立同分布下的大数定律，不要求随机变量的方差存在. 设随机变量序列X1,X2, … 相互独立，服从同一分布，具有数学期E(Xi)=μ, i=1,2,…， 则对于任意正数ε ，有 3、定理三（辛钦大数定律） * 1、辛钦大数定律为寻找随机变量的期望值提供了一条实际可行的途径. 注 2、伯努利大数定律是辛钦定理的特殊情况. 3、辛钦定理具有广泛的适用性. 要估计某地区的平均亩产量 ， 要收割某些有代表性块，例如n 块 地. 计算其平均亩产量，则当