第四章大数定律5解答.ppt

显然,(4.1)与(4.2)是等价的. 切比雪夫不等式的重要性 例1 设随机变量 则 例1 设随机变量 则 例2 设随机变量X的数学期望E(X)=14, 方差D(X)=8,则不等式 大数定律 故 即 为 注意: 令 只依赖于第i次试验,而各次试验是独立的, 因此, 是相互独立的随机变 量,又因为 服从(0--1)分布,所以 于是,由切比雪夫大数定律,可知 伯努利大数定律表明: 事件A发生的频率 依概率收敛于事件A的概率P,这个定理 以严格的数学形式表达了频率的稳定性, 就是说:当n很大时,事件发生的频率与概率 有较大偏差的可能性很小.由实际推断原理,在实际应用中,当试验很大时,便可以用事件 的频率来代替事件的概率. 例1 抛掷一颗均匀的骰子,为了至少有95% 的把握使6点向上的频率与概率 之差落在0.01的范围之内,问需要抛掷多少次? 解: 问题是求满足不等式 的n. 由切比雪夫不等式得 欲 只要 解上述不等式,求得 本例的直观解释:如果有100个人都抛掷一颗骰子27778次,则大约95人观察 到的频率与 的差将会在0.01的范围内. 例2 如果认定男婴出生率为 某地区 有7000名产妇,试估计她们的生育情况. 解:令 显然 相互独立, 且均服从(0--1)分布, 表示7000名 产妇中生男婴的人数, 由伯努利大数定律 可知: 由于n=7000,已是足够大,所以 即该地区估计有3581名男婴出生. 伯努利大数定律是切比雪夫大数定律的特例.在它们的证明中都是以切比雪夫不等式为基础,所以要求随机变量 方差存在,而进一步的 研究表明,方差存在这个条件,并不是必要 的,下面介绍一个独立同分布条件下的大数定律. (3) 辛钦大数定律 定理4.4 设 为一相互独立同分布的 随机变量序列且数学期望存在, 则对任意的 看课本152页. 问:三个大数定律中的条件有什么异同? 满足切比雪夫,伯努利及辛钦三个大数定 律皆要求随机变量 相互独立, 数学期望 其不同点: 切比雪夫大数定律还要求方 差一致有上界,即 C为常数,但不要求 同分布,而伯努 利大数定律显然 同分布,且方差同 而辛钦大数定律要求 同分布(但未对方差提出要求). 为 而辛钦大数定律要求 同分布(但未对方差提出要求). 例3 随机变量 相互独立同 分布, 的概率密度为f(x),问 是否一定满足大数定律. 解: 尽管随机变量 相互独立, 而且具有相同的概率分布密度, 但是由于 不知道它们的期望是否存在, 因此不能认 为它们一定满足大数定律. 对于大数定律,主要应了解几个大数 定律条件: 切比雪夫大数定律中, 只要求 相互独立而不要求具有相同 的分布,但是期望和方差要求存在且相等. 伯努利大数定律则要求 不仅相互独立同分布,而且要求它们都服从同参数的0-1分布. 第四章 大数定律与中心极限定理 第一节 大数定律 一、切比雪夫不等式与切比雪夫大数定律 1.切比雪夫(Chebshev)不等式 第三章已学了随机变量的数字特征:期望,方差. 什么叫方差? 设随机变量X的数学期望E(X)存在,则 函数 的数学期望称为随机变量 X的方差,记作 一个随机变量离差平方的数学期望就是方差. 方差反映了什么? 随机变量X的方差D(X)表明X在其数学期望E(X)的周围取值的分散程度. 引入:对于任意正数 的概率与D(X)有关. 下面的切比雪夫不等 式从数学上严格地表述了关系. 定理4.1 设随机变量X的数学期望E(X)与 D(X)方差存在,则对任意 下列不等式成立. 或 证明: 设X是连续随机变量,其概率密度 为f(x),则有 第一步:将概率 用密度函数 f(x)在区间 第二步,利用随机变量取值满足的不等式 将被积函数放大,以产生概率 不等式. 于是 第三步:因被积函数非负,将积分区间扩至 将积分再次放大,使积分化为随机 变量X的方差的表达式,既得证的不等式. 因为事件 与事件 是对立的, 2. 设X为离散型随机变量,其分布列为 则 注意: 切比雪夫不等式只能给出估计值,精确值要用别的方法计算. 它的作用大体有4个方面: 1) 估计概率, 可以根据公式直接计算. 2) 当E(X),D(X)及概率确定时,估计所需要 的区间的长度(也就是确定 3) 估计试验此数,在n重伯努利试验中, 频率 与试验次数有关,在已知E(X), D(X)和P时,可用切比雪夫不等式确定n. 4) 它是导出其他定理的依据. 利用切比雪夫不等式估算随机事件的概率步骤: 1) 按题意选择随机变量X,求出E(X),D(X). 2) 将 化为 或者 3) 由切比雪夫不等式