概率论 中心极定理.pptVIP

第三章 3.4节 中心极限定理 主要内容 例1： (2)利用林德贝格-列维中心极限定理, 知 注 1? 定理2表明正态分布是二项分布的极限 内容小结 棣莫佛(Abraham de Moivre) 拉普拉斯(Pierre-Simon Laplace) * * 问题提出 林德贝格-列维 (中心极限定理) 棣莫佛-拉普拉斯定理 归纳小结 例如: 考虑大炮的射程. 受风速、风向影响产生的误差； 在很多实际问题中，常常需要考虑许多随机因素所产生的总的影响。 如大炮炮身结构导致的误差； 发炮士兵技术引起的误差等等。 对我们来说重要的是这些随机因素的总的影响。 大炮的射程受很多随机因素的影响: 瞄准时的误差； 中心极限定理的客观背景 一、问题的提出 研究表明，如果一个量是由大量相互独立的随机因素的影响所造成，而每一个别因素在总影响中所起的作用不大. 则这种量一般都服从或近似服从正态分布. 下面我们来研究独立随机变量之和所特有的规律性问题. 当n无限增大时，这个和的极限分布是什么呢？ 由于无穷个随机变量之和可能趋于∞，故我们不研究n个随机变量之和本身而考虑它的标准化的随机变量 的分布函数的极限. 可以证明，满足一定的条件，上述极限分布是标准正态分布. 二、中心极限定理 定理4.6 林德贝格-列维 (中心极限定理) （证略） 定理（说明） ~ 近似地 即，n 充分大时，有 ~ 近似地 可化为 记 ~ 近似地 则有 大样本统计推断的基础 ~ 近似地 某汽车销售点每天出售汽车数服从参数 为2的泊松分布. 若一年365天都经营汽车销售, 且每天出售的汽车是相互独立的, 求一年中售出 700辆以上汽车的概率. 解 记Xi为第i天出售的汽车数量, 利用林德贝格-列维中心极限定理, 可得 则一年售出700辆以上汽车的概率近似为0.8665. 某餐厅每天接待400名顾客, 设每位顾的 消费额(元)服从(20, 100)上的均匀分布, 且顾客 的消费额是相互独立的. 试求: (1)该餐厅每天的平均营业额; (2)该餐厅每天的营业额在平均营业额?760元 的概率. 而该餐厅每天的营业额为 解 设Xi为第i位顾客的消费额, Xi ~U?20, 100?. 所以 E?Xi ? ?60, D?Xi? ?1600?3. 例2 ： (1)该餐厅每天的营业额为 这表明:该餐厅每天的营业额在23240到24760之间的概率近似为0.90. 某人钓鱼平均每次钓到2kg, 方差2.25kg2. 问: 至少钓多少次鱼, 才能使总重量不少200kg 的概率为0.95? 解 设此人共钓n次, 各次钓到的鱼 的重量为随机变量Xi , 则 E?Xi ? ?2, D?Xi ? ?2.25. 令 , 根据林德贝格-列维中心极限定理, Z近似服从 N ?2n, 2.25n?. 例3： 查表得 . 即n满足方程 解方程, 得n=113.12. 因此, 取n=114即可. 则有 棣莫弗-拉 普拉斯中心 极限定理 独立同分布，且具有数学期 设随机变量 望和方差： 记 ~ 近似地 考虑特殊情况: 均服从参数为p的0-1分布 于是有 ~ 近似地 定理4.7 棣莫佛-拉普拉斯定理 相互独立,均服从参数为p的 设随机变量 0-1分布，则对任意实数 x，有 【棣莫弗-拉普拉斯中心定理】 即，n 充分大时，有 ~ 近似地 ~ 近似地 相互独立,均服从参数为p的 设随机变量 0-1分布，则对任意实数 x，有 2、棣莫弗-拉普拉斯中心定理 即，n 充分大时，有 ~ 近似地 ~ 棣莫弗-拉普拉斯定理（二项分布以正态分布为极限分布） 意义：在实际应用中，只要n充分大，二项分布就可以用正态分布来近似计算。 ~ ~ 近似地 或 即有近似计算公式 3? 实际应用中当n很大时, 分布，也称为“二项分布的正态近似”. 2? 与“二项分布的泊松近似”相比较, 两种近似 都要求n很大. ?1? 如果p很小而np不太大时, 采用泊松近似; ?2? 如果 np ? 5 和 n?1? p ? ? 5 同时成立时, 采用正态近似. 下面的图形表明:正态分布是二项分布的逼近. 例4 设某保险公司有10000人投保,每人每年交保费12元,投保人每年的死亡率为0.006.若投保人死亡,则公司付给死亡人家属1000元,求(1)保险公司没有利润的概率;(2)每年利润不少于60000元的概率. 解: 设10000投保人中一年死亡X人， 则显然有 保险公司一年的收入为： 保险公司一年的支出为： （1