概率5.1~5.2概念.ppt

第五章 作业题;1. 假设生产线上组装每件成品的时间X;2.;格是一个随机变量，它取1元、1.2元、1.5元;5.1 大数定律;;定义 （依概率收敛）;一、切比雪夫大数定律;证明 令; ;推论1; 1、切比雪夫大数定律证明了算术 平均值的稳定性即在定理的条件下，当 n充分大时，随机变量的算术平均 依概率收敛于随机变量期望的算术平均 ; 2、推论1表明具有相同的期望与方; 设 是 n 次伯努利试验中事件 A 发生 ;证明：;由切比雪夫大数定律，对任意的 ;说明; ; 伯努利大数定律，以严格的数学形式表 达了频率的稳定性，就是说“当试验次数很 大时，事件发生的频率与概率有较大偏差的 可能性很小”。因此，它在实际应用中为 “当试验次数很大时，用事件发生的频率代 替事件发生的概率”提供了理论依据；也为 通过试验来确定事件的概率提供了方法，即 “当试验次数较大时，可以用试验得到 的事件发生的频率作为相应概率的估计”。 ; 由于“事件发生的频率与概率有较大偏 差的可能性很小”，伯努利大数定律还隐含 着另外一个重要的事实：如果事件A的概率 很小，那么事件A的频率 也一定很小。 不妨这样总结这个事实：“概率很小的事 件在个别试验中，实际上是不可能发生的” 通常称这一原理为：小概率事件的实际不可 能性原理。 ; 伯努利大数定律是切比雪夫大数定 律的特例，它们的证明都是以切比 雪 夫不等式为基础，都要求随机变量具有 方差。事实上，可以证明“方差存在” 这个条件并非必要的。 下面不加证明地给出辛钦大数定律：; ; ;5.2　中心极限定理; 正态分布是概率论中最重要的分布。 它是自然界中最常见的。在实际问题 中经常遇到的许多随机变量都服从或 近似服从正态分布，也就是说“服从 正态分布的随机变量广泛存在”。 ; ;定理1（Lindeberg-Levy林德柏格-列维 ） ;说明： 如果被研究的随机变量 Y 可以表示; 例1 计算机在进行加法运算时，有时 要对每个加数取整（取最接近它的整 数）设所有取整误差都是相互独立的， 且都在（-0.5，0.5）上服从均匀分布。 （1）若进行1500个数的加法运算， 问误差总和绝对值超过15的概率多大 （2）进行多少个数的加法运算，才 能使得误差总和绝对值小于10的概率 为 0.9？ ; 解 设每个数的取整误差为 ,其概 率密 度都是;。;(2) 设加数的个数为 n,由题意求 n 使;即;定理2 德莫弗--拉普拉斯(De.Moivre- Laplace) ;证;; 2、定理揭示了离散型与连续型随;说明;（3）; 正态分布逼近二项分布时存在偏差， 修正公式为 （了解）;(4) 局部中心极限定理(了解); 例 2 某车间有200台车床，它们工作 的状况是相互独立的，开工时每台车床 耗电都是1千瓦。由于换刀具和测量等原 因车床不是总在运转着，实际上每台车 床开工率仅为60%。问供电部门至少供 给车间多少电力才能以99.9%的概率保 证这个车间不会因供电不足而影响生产; 解 由题意，观察 200 台车床中工作 着的车床数 X~B(200,0.6) 分布。; 例3 对于一个学生而言，来参加家长会 的家长人数是一个随机变量，设一个学生 无家长、1名家长、2名家长来参加会议的 概率分别是 0.05、0.8、0.15. 若学校共有 400名学生，设各学生参加会议的家长人数 相互独立，且服从同一分布。; ; 由中心极限定理??;（2）以Y记有一名家长参加会议的学生; 例4 从一大批废品率为 3% 的产; ; 例5有 1 万人参加一保险公司某一; 解 记 X 为参加该项保险的10000 人 在一年中出事故的人数，则 ;（1）该保险公司的收入为;(2) 保险公司亏本意味着理赔大于收益。即;中心极限定理小结 :; ; （2）一般说来，大数定律与中心极 限定理之间没有确定的关系，也就是说 服从大数定律时，可能不服从中 心极限定理，反之，依然。然而 在 独 立同分布的场合，存在大于0的有限方 差时，大数定律与中心极限定理同时 成立，但大数定律不如中心极限定理 精确。