概率51-52概念.ppt

第5章 大数定律与中心极限定理;本章概述 大数定律和中心极限定理就是使用极限方法研究大量随机现象统计规律性的。 阐明大量重复试验的平均结果具有稳定性的一系列定律都称为大数定律。 论证随机变量（试验结果）之和渐进服从某一分布的定理称为中心极限定理。; ⒈ 人们在长期的实践中发现，频率以及大量测量值的算术平均值具有稳定性，也就是说，无论个别测量值如何，其平均结果实际上与个别测量值的特征无关，几乎不再是随机的了。这种稳定性问题如何从理论上给出解释？这正是大数定律要解决的问题。;2.不等式的其它(等价)形式; 从切比雪夫不等式还可以看出, 对于给定的? 0, 当方差越小时，事件{|X-E(X)|≥?}发生的概率也越小，即X的取值越集中在E(X)附近．这进一步说明方差确实是一个描述随机变量与其期望值离散程度的一个变量． 当D(X)已知时，切比雪夫不等式给出了X与E(X)的偏差小于? 的概率的估计值．;例1 设有一大批种子，其中良种占1/6. 试 估计在任选的 6000 粒种子中, 良种所占比 例与1/6 比较上下小于1%的概率.; 例2 设电站供电网有10000盏电灯，夜晚每盏灯开灯的概率均为0.7，假定灯的开、关是相互独立的，使用切比雪夫不等式估计夜晚同时开着的灯数在6800到7200盏之间的概率。 解 令X表示在夜晚同时开着的灯数目，则X服从n=10000，p=0.7的二项分布，这时 ; 练习 若在每次试验中，A发生的概率为0.5，进行1000次独立试验，估计 A 发生 400～600 次之间的概率。;量的算术平均 则对于任意?＞0，有; 切贝雪夫大数定律表明, 相互独立的随机变量的算术 平均值 与其数学期望的差, 在n充分大时是一个无穷小量,这意味着在n充分大时， 的值将比较紧密地聚集在它的数学期望 附近．;依概率收敛于 ，; 这是以频率定义概率的合理性依据。; 定理4（辛钦大定律） 设随机变量X1, X2, X3, …, Xn ,…独立同分布，且有E(Xk) =?， k =1, 2, …,则对任意ε＞0，有;对任意的x，有; 说明： （1）当n较大时，Yn 近似地服从N(0, 1)，即; 定理5.2.2（棣莫弗-拉普??斯中心极限定理）设随机变量Yn服从参数为n , p的二项分布 (n=1, 2, …, 0＜p＜1)，则对于任意实数x, 恒有; 由于当较大n，且p较小时，二项式分布的计算十分麻烦，因此，若用上面的近似公式计算将是非常简洁的．; 解 设X表示500 辆的士中出事故的车辆数，则 X服从n=500, p=0.006的二项分布, 这时; ; 例2 设船舶在某海区航行，已知每遭受一次波浪的冲击，纵摇角度大于6?的概率为 p=1/3，若船舶遭受了90000次波浪冲击，问其中有29500～30500次纵摇角度大于的概率是多少？; 例3 现有一批良种率为0.6的种子，从其中任意抽出1000粒，试问在这1000粒种子中，良种所占的比例在2/5至4/5之间的概率是多少?; 例4 在抽检某产品的质量时,若发现次品多于10个,则拒绝这批产品.设产品的次品率为0.1,问至少应抽多少个产品进行检查,才能保证拒绝这批产品的概率达到0.9？ 解 设应抽查n件产品，其中次品数为Y．记;要使 ; 解 (1) 设Xi表示第i次测量值， ? i表示第i次测量产生的随机误差( i=1,2, …,n) , ?表示所测物理量的真值，则 Xi= ? +? i . 由题设? i ~ U(-1,1) ，所以; 由题设知X1, …, Xn独立同分布，而且;(2) 当时