《概率论与数理统计》4-1 大数定律.ppt

证 由定理4.3对任意的? ?0, 有 证毕. 注1? 用严格的数学形式表达频率的稳定性! 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.在实际应用中, 当试验次数很大时, 便可以用事件发生的频率来代替事件的概率. 注1? 与切比谢夫大数定律相比, 不要求方差存在且有界. 2? 伯努利大数定律是辛钦大数定律的特例. 定理4.5 辛钦大数定律 设随机变量 独立同分布, 证明对任意 解 例3 由辛钦大数定律知, 设 f(x) (a? x ? b) 是连续函数, 试用概率论 方法近似计算积分 . 解 设 |f(x)| 的上界 为M (M0), f(x)的最小值 为h, 则 故不妨假定 0 ? f(x) ? 1, 引进新变量 z: x ? (b?a)z?a后, 可将 x 轴上的区间[a, b]变为 z 轴上[0, 1], 故不妨设a ? 0, b ? 1. 例4 O y x y＝f(x) A 1 1 考虑几何型随机试验E:向矩形 0? x ? 1, 0? y ? 1 中 均匀分布地掷点, 将E独立地重复做下去, 以 A表示 此矩形中曲线 y ? f (x)下的区域, 即 A={(x, y):0 ? y? f (x); x?[0, 1]} 并定义随机变量序列 则{Xk: k?1}独立同分布, 而且 E(Xk) ? P(Xk ? 1) ? |A| ? |A|表示A的面积, 由伯努利大数定律知 这表示当n充分大时, 前n次试验中落于A中的点数 除以n后, 以任意接近于1的概率与 近似. 这种近似计算法叫蒙特卡洛(Monte-Carlo)方法. 四个大数定律 内容小结 频率的稳定性是概率定义的客观基础, 而贝努里大数定理以严密的数学形式论证了频率的稳定性. 设?Xn?为独立同分布的随机变量序列, 其共同分布为 例3-1 试问?Xn?是否服从大数定律? 即E?Xn?存在, 由辛钦大数定律知服从大数定律. 解 备用题 辛钦(Aleksandr Yakovlevich Khinchin) 1894-1959 苏联数学家, 现代概率论的奠基人之一. 辛钦在函数的度量理论、数论、概率论、数学分析、信息论等方面都有重要的研究成果.共发表150多种关于数学和数学史论著. 他最早的概率论成果是伯努利试验序列的重对数律. * 下 回 停 下 回 停 一、问题的提出 二、随机变量序列的收敛性 第一节 大数定律 三、常用的三种大数定律 一、问题的提出 在第一章有关概率的统计定义中讲到, 随机现象在大量重复试验中呈现明显的统计规律性, 即事件发生的频率具有稳定性. 伯努利于1713年首先提出关于频率稳定性的定理, 被称为伯努利大数定律. 大量抛掷硬币 正面出现频率 生产过程中的 废品率 字母使用频率 在实践中, 人们认识到，在随机事件的大量重复出现中，往往呈现出几乎必然的规律，这个规律就是大数定律。大量测量值的算术平均值也具有稳定性. 大数定律就是用于研究大量随机现象中平均结果的稳定性的理论. 大数定律的客观背景 二、随机变量序列的收敛性 定义4.1 的分布函数分别为 和 若在 的所有连续点 上都有 则称随机变量序列 依分布收敛于随机变量Y， 简记为 和随机变量Y 设随机变量 依分布收敛表示：当n充分大时， 的分布函数 收敛于Y 的分布函数 它是概率论中 较弱的一种收敛性. 定义4.2 任意实数 有 或 和随机变量Y，若对 设随机变量序列 则称随机变量序列 依概率收敛于随机变量Y， 简记为 依概率收敛表示： 与 Y 的绝对误差小于任意小 大，直至趋于1. 的可能性(即概率)将随着n增大而愈来愈 的正数 定理4.1 为一随机变量序列，且 (常数)，又函数 在点C处连续，则有 设 证 由 在C处连续可知，对任意实数 存在实数 使当 时，总有 从而 这就表明： 解 设X1, X2,?, Xn 是独立同分布的随机变量 例1 从而对任意给定的? ?0, 由切比谢夫不等式得 定义 4.3 和随机变量 对 时，有 和 ，若 则称随机变量序列 阶收敛于随机变量Y 简记为 设随机变量序列 特别的有 1-阶收敛又称为平均收敛， 2-阶收敛又称为均方收敛。 可以证明：均方收敛则平均收敛。 定义 4.4 设随机变量序列 和随机变量 ，若 或简记为 收敛于随机变量 简记为 。 则称随机变量序列 以概率1（或几乎处处） almost - everywhere 下面定理揭示了四种收敛之间的关系。 和随机变量 定理