大数定律和中心极限定理分析.ppt

注 即 n 足够大时，Y n 的分布函数近似于标 准正态随机变量的分布函数 记 近似 近似服从 则 Y n 为 的标准化随机变量. 此定理说明，不论 原来服从什么分布，只要是独立同分布，当 足够大时，总可以近似地认为 3 30 例2: 一加法器同时收到20个噪声电压 ，设它们是相互独立的随机变量，且都在区间 (0,10) 上服从均匀分布， 解: 因为 易知 记 求 由定理知随机变量 近似服从 分布。 所以 于是 标准化 棣莫佛—拉普拉斯中心极限定理 设 Y n ~ b( n , p) , 0 p 1, n = 1,2,… 则对任一实数 x，有 即对任意的 a b, Y n ~ N (np , np(1-p)) (近似) 定理2 例3 炮火轰击敌方防御工事 100 次, 每次 轰击命中的炮弹数服从同一分布, 其数学 期望为 2 , 标准差为1.5. 若各次轰击命中 的炮弹数是相互独立的, 求100 次轰击 (1) 至少命中180发炮弹的概率; (2) 命中的炮弹数不到200发的概率. 解 设 X k 表示第 k 次轰击命中的炮弹数 相互独立， 设 X 表示100次轰击命中的炮弹数, 则 由独立同分布中心极限定理, 有 (1) (2) 例4 某车间有200台车床，每台独立工作，每台正常工作的概率为0.6. 开工时每台耗电量为 r 千瓦. 问供 电所至少要供给这个车间多少电力, 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 设至少要供给这个车间 a 千瓦的电力， X 为开工的车床数 , 则 X ~ b(200,0.6) , X ~ N (120, 48) (近似) 由棣莫弗—拉普拉斯中心极限定理, 有 问题转化为求 a , 使 反查标准正态函数分布表，得 令 解得 (千瓦) 例5 设有一批种子，其中良种占1/6. 试估计在任选的6000粒种子中，良种比例与 1/6 比较上下不超过1%的概率. 解 设 X 表示6000粒种子中的良种数 , X ~ b( 6000 , 1/6 ) 近似 由德莫佛—拉普拉斯中心极限定理, 则 有 比较几个近似计算的结果 中心极限定理 二项分布(精确结果) Poisson 分布 Chebyshev 不等式 设独立随机变量序列 定理3 设独立随机变量序列 定理4 作业 P.237 1、4、9、15 作业 P.225 14、15 * * 随机变量序列的两种收敛性 1、依概率收敛 定义 1 定义2 2、按分布收敛、弱收敛 定理2 定理3 3、判断弱收敛的方法 定理4 研究大量的随机现象，常常采用极限形式，由此导致对极限定理进行研究. 极限定理的内容很广泛，其中最重要的有两种: 与 大数定律 中心极限定理 概率论与数理统计是研究随机现象统计规律性的学科.随机现象的规律性只有在相同的条件下进行大量重复试验时才会呈现出来.也就是说，要从随机现象中去寻求必然的法则，应该研究大量随机现象. Ch5 大数定律和中心极限定理 引例 历史上曾有人做过试验,试图证明抛掷匀质硬币时，出现正反面的机会均等。 实验者 n nH fn(H) De Morgan 2048 1061 0.5181 Buffon 4040 2048 0.5069 Feller 10000 4979 0.4979 K. Pearson 12000 6019 0.5016 K. Pearson 24000 12012 0.5005 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？ 大数 定律 本节要解决的问题 证明大数定律主要的数学工具是切比雪夫不等式. 设随机变量X有期望E(X)和方差 ， 则对于任给 0, 设随机变量 是一列两两不相关的随机变量，又设它们的方差有界，即存在常数 c 0 , 使 由切比雪夫不等式得 －－－切比雪夫大数定律 一、切