5.4大数定律+5.5中心极限定理.ppt

* * 5.4 大数定律 切比雪夫大数定律 是由两两不相关的随机变量所构成的序列，每一个随机变量 定理 5-1（切比雪夫大数定律）设 都有有限方差，并且它们有公共上界，即， 那么对任意 有: (6–5) 证明：因为 两两不相关，故 再由切比雪夫不等式得 于是，当 所以 时有(6-5)成立，由此定理得证。 推论 5-1（辛钦大数定律）设 那么对任意 有: (6–6) 是独立同分布的随机变量序列，且 是由两两不相关的随机变量所构成的序列，每一个随机变量 定理 5-1（切比雪夫大数定律）设 都有有限方差，并且它们有公共上界，即， 那么对任意 有: (6–5) 是由两两不相关的随机变量所构成的序列，每一个随机变量 定理 5-1（切比雪夫大数定律）设 都有有限方差，并且它们有公共上界，即， 那么对任意 有: (5–5) 定理 5-3（贝努利大数定律）设 是 n 次贝努利试验中 随机事件A出现的次数，p是随机事件A在每次试验中发生的概率， 那么对任意 有: 定义随机变量 Xk 如下: 假设 相互独立，则 而 定理 5-4（普阿松大数定律）在一个独立试验序列中，随 那么对任意 有: 机事件 A 在第 k 试验中发生的概率为 以 试验中随机事件 A 出现的次数， 记前 n 次 定义随机变量 Xk 如下: 是由两两不相关的随机变量所构成的序列，每一个随机变量 定理 5-1（切比雪夫大数定律）设 都有有限方差，并且它们有公共上界，即， 那么对任意 有: (5–5) 假设 相互独立，则 而 是由两两不相关的随机变量所构成的序列，每一个随机变量 定理 5-1（切比雪夫大数定律）设 都有有限方差，并且它们有公共上界，即， 那么对任意 有: (5–5) 定理 5-3（贝努利大数定律）设 是 n 次贝努利试验中 随机事件A出现的次数，p是随机事件A在每次试验中发生的概率， 那么对任意 有: 简单说明为什么上式不能写为： 5.5 中心极限定理 一、林德贝格-勒维中心极限定理 设 是独立同分布的随机变量序列，且 令 所以 于是 定理 5-5（林德贝格-勒维中心极限定理）设 是独立同分布的随机变量序列，且 那么对任意实数 x，总有: 也就是说，当 近似服从 证明 略。 定理5-5对离散型和连续型随机变量都是适用的。 例 5-1 一个螺丝钉的重量是一个随机变量，期望值是50克，标准差是5克，求一盒（100个）螺丝钉的重量超过5100克的概率。 解：设第 k 个螺丝钉的重量为 相互独立，并且 又设一盒重量为 根据定理 5-5 有: 例 5-2 某单位内部有260部电话分机，每个分机有4%的时间要使用外线。各分机是否使用外线是相互独立的，问总机要有多少条外线，才能有95%的把握保证各个分机用外线时不必等候？ 解：设 依题意 以 表示某一时刻同时使用外线的分机数，又假设 总机有 x 条外线。依题意，x 应当满足 : 也就是 根据定理 5-5 有： 近似服从 N(0,1)分布， 例 5-2 某单位内部有260部电话分机，每个分机有4%的时间要使用外线。各分机是否使用外线是相互独立的，问总机要有多少条外线，才能有95%的把握保证各个分机用外线时不必等候？ 解： 故 近似服从 N(0,1)分布， 查表得 将 代入上式得： 解得 取整数，所以总机至少需要16条外线。 例 5-3 售报员在报亭内售报，每个过路人在该处买报的概率是 1/3，令 X 是出售了100份报纸时过路人的总数，求 解：设第 k－1 份报纸被买走之后，有过了 个人才买 第 k 份报纸，显然 近似地是独立同分布的，它的概率分布 为几何分布： 另外 根据定理 5-5 有： 近似服从N(0,1)， 故 二、德莫哇佛-拉普拉斯中心极限定理 我们知道，如果 且当 n 很大，而 p 很小， np大小适中时，二项分布可由普阿松分布 来近似计算。 但是当 p 不是很小时，我们就无法用此方法。现在我们 通过中心极限定理，由 近似计算 将林德贝格-勒维中心极限定理应用到贝努里试验场合， 很容易得到下面的定理： 将林德贝格-勒维中心极限定理应用到贝努里试验场合， 很容易得到下面的定理： 定理 5-6（德莫哇佛-拉普拉斯中心极限定理）设 是 n 次贝努利试验中随机事件 A 出现的次数，p是随机事 件 A 在每次试验中发生的概率，那么对任意实数 x，有 德莫哇佛