51中心极限定理.pptVIP

* 第五章 随机变量序列的极限 概率论的基本任务是研究随机现象的统计规律性. 引进 随机变量之后, 我们集中研究了随机变量取值的统计 规律性. 在一个具体问题中, 这种统计规律性往往通过 大量的重复观测来体现, 对大量的重复观测作数学处理 的常用方法是研究极限. §5.1 大数定律 law of large numbers 在§1.3中, 我们曾经提到频率的稳定性. 设随机事件A的概率P(A)=p, 在n重贝努利试验中事件A 发生的频率为 .当n很大时, 将与p非常接近. 由 验可能取不同的值, 因而需要对随机变量序列引进新 于 本质上是一个随机变量，它随着不同的n次试 的收敛性定义. 定义5.1 依概率收敛 设 是一个随机变量序列. 如果存在一个常数c 使得对任意一个正数 , 总有 记作: 则称随机变量序列 依概率收敛于c 定理5.1 如果 且函数 在 处连续, 则 下面, 考虑频率的稳定性. P121 定理5.4 贝努里大数定律 设 是一个随机变量序列. 且每一个随机变量 都服从0-1分布 , 则 证明关键步骤: 定理5.3 独立同分布情形下大数定律 设 是一个独立同分布的随机变量序列. 且 证明关键步骤: 则 定理5.2 切比雪夫大数定律 设 是两两不相关的随机变量序列. 且 方差一致有界. 则 证明关键步骤: §5.2 中心极限定理 在数理统计中经常要用到n个独立同分布的随机变量 的和 的分布, 但要给出其精确分布有 时很困难. 正态分布具有可加性，若 则: 标准化后得 因此: 定理5.5 独立同分布的中心极限 则对任意的 有 设 是独立同分布的随机变量序列, 且 应用 当 充分大时 n 例1 某人要测量甲、乙两地的距离, 限于测量工具, 他 解 设第 段的测量误差为 所以累计误差为 又 为独立同分布的随机变量, 由 得 分成1200段进行测量, 每段测量误差（单位: 厘米）服从 区间 上的均匀分布, 试求总距离测量误差的 绝对值超过 厘米的概率. 由独立同分布情形下的中心极限定理: 定理5.5中限定条件得到如下定理5.6 定理 5.6 则对任意的 有 即当 充分大时, 近似服从标准正态分布. 随机变量序列,且 令 设 是一个独立同分布的 例2. 在次品率为1/6的一大批产品中, 任意取出300件产品, 利用中心极限定理, 计算抽取的产品中次品数在40到60 之间的概率. 解 以 表示300件产品中次品的总数, 由题意得 此时, 由中心极限定理得 例3. 有一批钢材, 其中80%的长度不小于3m, 现从钢材 中随机取出100根, 试利用中心极限定理求小于3m的钢 不超过30根的概率. 解 以 为100根钢材中小于3m的钢材根数, 由题意知: 则 例4. 设一个车间有400台同类型的机床, 每台机床需用 解 令 表示在时刻 时正在开动的机器数, 则 可以表 示在400次相互独立的重复实验试验中事件“ ”发生的次 电 瓦, 由于工艺关系, 每台机器并不连续开动, 开动的 时候只占工作总时间的 问应该供应多少瓦电力能 99%的概率保证该车间的车床能正常工作.（假定在工作 期内每台机器是否处于工作状态是相互独立的）. 数, 由前面所讨论的知: 及 因 由中心极限定理知, 对 由条件所设, 所求的概率为 而 为标准正态分布的分布函数, 查表得 任意的 有 即: *