第五章 大数定律与中心极限定(修改稿)理.docVIP

第四章 大数定律与中心极限定理 我们知道，随机事件的频率随着实验次数的增加逐渐稳定于该事件的概率，我们还知道，当一个随机变量的取值受到许多微小因素的影响，而这些微小因素中的每一个对随机变量的取值又都其不到决定性作用时，该随机变量服从正态分布。这样两个事实构成了概率论研究的基础。本章我们的主要目的是用随机变量、随机变量的数学期望和方差以及概率等概念从数学上对这两个事实给出解释，从理论上论证人们这种直觉的正确性。在概率论的研究中，人们通称论述类似事实的定理为极限定理。本章我们所介绍的大数定律和中心极限定理是概率论极限定理中两类最重要的定理。其中，大数定理是关于第一个事实的，中心极限定理是关于第二个事实的。他们在概率论的理论研究和应用中都具有重要意义。 §1大数定律 1．切比雪夫不等式 定理1 设随机变量有期望和方差,则对于任给, 有 . 上述不等式称为切比雪夫不等式. 证明 只对连续型随机变量的情形来证明。设是连续型随机变量，其概率密度为，则有 。 注：(ⅰ) 由切比雪夫不等式可以看出,若越小, 则事件 的概率越大, 即, 随机变量集中在期望附近的可能性越大. 由此可见方差刻划了随机变量取值的离散程度. (ⅱ) 当方差已知时,切比雪夫不等式给出了与它的期望的偏差不小于的概率的估计式.如取 则有 故对任给的分布,只要期望和方差存在, 则随机变量取值偏离超过的概率小于0.111. （ⅲ）不等式的其它(等价)形式为 。 例1 估计的概率 解： 。 例2设电站供电网有10000盏电灯，夜晚每盏灯开灯的概率均为0.7，假定灯的开、关是相互立的，使用切比雪夫不等式估计夜晚同时开着的灯数在6800到7200盏之间的概率。 解 令X表示在夜晚同时开着的灯数目，则服从的二项分布，这时 ， 由切比雪夫不等式可得: 2. 大数定理 定义1 如果对任何，是相互独立的，那么称随机变量 是相互独立的。此时若有共同的分布，则称是独立同 分布的随机变量列。 定义2 设是一个互相独立的随机变量序列，若存在随机变量，对 任意正数,有 则称序列依概率收敛于，并用符号表示为 或 定理2 (切比雪夫大数定律) 设是相互独立的随机变量序列,它们数学期望和方差均存在, 且方差有共同的上界, 即 则对任意, 有 或 证 因 相互独立，所以 又因 由切比雪夫不等式可得 所以 注: 定理表明: 当很大时,随机变量序列的算术平均值依概率收敛于其数学期望. 定理3 (伯努利大数定律) 设是重伯努利试验中事件发生的次数, 是事件在每次试验中发生的概率, 则对任意的, 有 或 . 证明 定义随机变量 显然有, 且服从参数为的分布，故有， 由于各次试验是独立的，因此是相互独立的，且 由切比雪夫不等式得 因此 ， 注：(i) 伯努利大数定律表明: 当重复试验次数充分大时, 事件发生的频率依概率收敛于事件发生的概率.定理以严格的数学形式表达了频率的稳定性. 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近似代替事件的概率. (ii) 如果事件的概率很小，则由伯努利大数定律知事件发生的频率也是很小的，或者说事件很少发生. 即“概率很小的随机事件在个别试验中几乎不会发生”，这一原理称为小概率原理，它的实际应用很广泛. 但应注意到，小概率事件与不可能事件是有区别的. 在多次试验中，小概率事件也可能发生. 定理4 (辛钦大数定律) 设随机变量相互独立, 服从同一分布,且具有数学期望 则对任意, 有 . 注: (i) 定理不要求随机变量的方差存在; (ii) 伯努利大数定律是辛钦大数定律的特殊情况; (iii) 辛钦大数定律为寻找随机变量的期望值提供了一条实际可行的途径. 例如, 要估计某地区的平均亩产量, 可收割某些有代表性的地块, 如块,计算其平均亩产量, 则当较大时,可用它作为整个地区平均亩产量的一个估计. 此类做法在实际应用中具有重要意义. §2中心极限定理 在实际问题中, 许多随机现象是由大量相互独立的随机因素综合影响所形成, 其中每一个因素在总的影响中所起的作用是微小的. 这类随机变量一般都服从或近似服从正态分布. 以一门大炮的射程为例, 影响大炮的射程的随机因素包括: 大炮炮身结构的制造导致的误差, 炮弹及炮弹内炸药在质量上的误差, 瞄准时的误差, 受风速、风向的干扰而造成的误差等. 其中每一种误差造成的影响在总的影响中所起的作用是微小的, 并且可以看成是相互独立的, 人们关心的是这众多误差因素对大炮射程所