中心极限定理的内涵和应用..docVIP

中心极限定理的内涵和应用 在概率论与数理统计中，中心极限定理是非常重要的一节内容，而且是概率论与数理统计之间承前启后的一个重要纽带。中心极限定理是概率论中讨论随机变量和的分布以正态分布为极限的一组定理。这组定理是数理统计学和误差分析的理论基础，指出了大量随机变量之和近似服从于正态分布的条件。故为了深化同学们的理解并掌握其重要性，本组组员共同努力，课外深入学习，详细地介绍了中心极限定理的内涵及其在生活实践中的应用。 一、独立同分布下的中心极限定理及其应用 在对中心极限定理的研究中，我们不妨由浅入深地来学习，为此我们先来研究一下在独立同分布条件下的中心极限定理，即如下的定理1： 定理l（林德伯格-勒维中心极限定理）设是独立同分布的随机变量序列，且存在，若记 则对任意实数y，有 （1） 证明：为证明(1)式，只须证的分布函数列弱收敛于标准正态分布。由定理可知：只须证的特征函数列收敛于标准正态分布的特征函数。为此,设的特征函数为，则的特征函数为 又因为E()=0，Var()=,所以有=0，。于是，特征函数有展开式 从而有 而正是N(0,1)分布的特征函数，定理得证。 这个中心极限定理是由林德贝格和勒维分别独立的在1920年获得的，定理告诉我们，对于独立同分布的随机变量序列，其共同分布可以是离散分布，也可以是连续分布，可以是正态分布，也可以是非正态分布，只要其共