吴赣昌编_概率论与数理统计_第4章.ppt

中心极限定理 前面我们的讨论中讲过正态分布在随机变量的一切可能分布中占有特殊地位。在客观世界中，我们遇到的许多随机现象都是服从或近似服从正态分布的，为什么大量的随机变量都服从正态分布？ 俄国数学家李亚普诺夫(Ляпуров)证明了在某些非常一般的充分条件下，独立随机变量的和的分布，当随机变量的个数无限增加时，是趋于正态分布的。 在概率论中，把大量独立的随机变量和的分布以正态分布为极限的这一类定理统称为中心极限定理。我们这里给出的两个最常用的中心极限定理。 设随机变量X1,X2,…,Xn,…相互独立同分布，且E(Xi)=?，D(Xi)=σ2 (σ2 0)(i=1,2,…)，记前n个变量的和的标准化变量为 一、独立同分布的中心极限定理(Lindeberg- Levy林德贝格-列维)(P117 定理3 ) 则Yn的分布函数Fn(x)对任意的x∈(-∞,+∞)都有 该定理说明，当n充分大时， Yn近似地服从标准正态分布，Yn~N(0,1)， 随机变量 近似地服从于正态分布 中心极限定理可以解释如下： 假设被研究的随机变量可以表示为大量独立的随机变量的和，其中每个随机变量对于总和的作用都很微小，则可以认为这个随机变量实际上是服从正态分布的。 在实际工作中，只要n足够大，便可把独立同分布的随机变量之