概率论与数理统计盛骤5.pptVIP

第五章 大数定律和中心极限定理 关键词： 契比雪夫不等式 大数定律 中心极限定理 大数定律和中心极限定理是概率论的重要基本理论，它们揭示了随机现象的重要统计规律，在概率论与数理统计的理论研究和实际应用中都具有重要的意义。 例1：在n重贝努里试验中，若已知每次试验事件A 出现的概率为0.75，试利用契比雪夫不等式估 计n,使A出现的频率在0.74至0.76之间的概率不 小于0.90。 随机变量序列依概率收敛的定义 大数定律的重要意义： 贝努里大数定律建立了在大量重复独立试验中事件出现频率的稳定性，正因为这种稳定性，概率的概念才有客观意义，贝努里大数定律还提供了通过试验来确定事件概率的方法，既然频率nA/n与概率p有较大偏差的可能性很小，我们便可以通过做试验确定某事件发生的频率并把它作为相应的概率估计，这种方法即是在第7章将要介绍的参数估计法，参数估计的重要理论基础之一就是大数定理。 §2 中心极限定理 背景： 有许多随机变量，它们是由大量的相互独立的随机变量的综合影响所形成的，而其中每个个别的因素作用都很小，这种随机变量往往服从或近似服从正态分布，或者说它的极限分布是正态分布，中心极限定理正是从数学上论证了这一现象，它在长达两个世纪的时期内曾是概率论研究的中心课题。 二项分布与正态分布的关系 例2：设某种电器元件的寿命服从均值为100小时的指 数分布，现随机取得16只，设它们的寿命是相互 独立的,求这16只元件的寿命的总和大于1920小 时的概率。 例3：某保险公司的老年人寿保险有1万人参加，每人每年交200 元, 若老人在该年内死亡，公司付给受益人1万元。设老年人死亡 率为0.017，试求保险公司在一年内这项保险亏本的概率。 例4：设某工厂有400台同类机器，各台机器发生故障的概 率都是0.02，各台机器工作是相互独立的，试求机器出故障的台数不小于2的概率。 * * 本章要解决的问题 为何能以某事件发生的频率 作为该事件的 概率的估计？ 为何能以样本均值作为总体 期望的估计？ 为何正态分布在概率论中占 有极其重要的地位？ 大样本统计推断的理论基础 是什么？ ANSWER 大数 定律 中心极 限定理 迄今为止,人们已发现很多大数定律(laws of large numbers) 所谓大数定律，简单地说，就是大量数目的随机变量所呈现出的规律，这种规律一般用随机变量序列的某种收敛性来刻画。 本章仅介绍几个最基本的大数定律。下面，先介绍一个重要的不等式。 辛钦大数定理(弱大数定理)设X1,X2,…,Xn…为独立、同分布的随机变量，且有相同的数学期望E（Xk）= ?（k=1,2,…），则对??0，有 以概率收敛于? 定理5.5 李雅普诺夫(Liapunov)定理 设随机变量序列 相互 独立，且有有限的期望和方差： 记 若 则对于任意实数 x , 定理2表明，在定理的条件下，随机变量 这是正态随机变量在概率中占有重要地位的原因。很多实际问题中，所考虑的随机变量，可以表示成多个独立的随机变量之和。例如，物理实验的测量误差是有许多观察不到的，可加的微小误差所组合的，它们往往近似的服从正态分布。 当n很大时，近似的分从正态分布N(0,1)。故当n很大时， 定理5.6 棣莫弗-拉普拉斯中心极限定理 * *