5-1大数定律.ppt

第一节 大数定律 一、问题的引入 二、基本定理 四、小结 切比雪夫资料 伯努利资料 辛钦资料 一、问题的引入 二、基本定理 三、典型例题 四、小结 证明 只证明连续型随机变量的情况. 切比雪夫不等式 切比雪夫不等式 得 偏差“大”的可能性不大例1 设随机变量 X 的方差为 2，则根据切比雪夫不等式有估计 —— 解 例2 设随机变量 X、Y 的数学期望都是 2，方差分别为 1、4，相关系数为 0.5,则根据切比雪夫不等式有估计 ———— 解 切比雪夫不等式为 因而 —————————— 实例　频率的稳定性 　　随着试验次数的增加, 事件发生的频率逐渐稳 定于某个常数. 启示:从实践 中人们发现 大量测量值 的算术平均 值有稳定性. 单击图形播放/暂停　ESC键退出 定理一 切比雪夫 定理一 表达式的意义 二、基本定理 关于定理一结论的说明: 直观上看，算术平均与期望的偏差 可以任意小 是必然的 即 （在概率意义下） 注意：以上描述是在概率意义下进行的因此，在定理条件下, n个随机变量的算术平均, 当n无限增加时, 几乎变成一个常数. 即 n 很大时， 证明 由切比雪夫不等式可得 则 即 定理一的另一种叙述: 依概率收敛序列的性质: 证明 [证毕] 证明 引入随机变量 伯努利 定理二（伯努利大数定理） 显然 根据定理一有 关于定理二结论的说明: 直观上看，频率与概率的偏差 可以任意小 是必然的 即 （在概率意义下） 关于伯努利定理的说明:故而当 n 很大时, 事件发生的频率与概率有较大偏差的可能性很小. 在实际应用中, 当试验次数很大时, 便可以用事件发生的频率来代替事件的概率. 关于辛钦定理的说明: (1) 与定理一相比, 不要求方差存在; (2) 伯努利定理是辛钦定理的特殊情况. 辛钦资料 定理三（辛钦定理） 解 独立性依题意可知. 例3 说明每一个 Xi 都有相同数学期望. 说明每一个 Xi 都有相同的方差且方差有限. 故满足切比雪夫定理的条件. 解 由辛钦定理知 例4 三个大数定理 切比雪夫定理的特殊情况 伯努利大数定理 辛钦定理 　　频率的稳定性是概率定义的客观基础, 而伯努利大数定理以严密的数学形式论证了频率的稳定性. 切比雪夫不等式 Pafnuty Chebyshev Born: 16 May. 1821 in Okatovo, Russia Died: 8 Dec. 1894 In St Petersburg, Russia Jacob Bernoulli Born: 27 Dec. 1654 in Basel, SwitzerlandDied: 16 Aug. 1705 in Basel, Switzerland