概率论与数理统计3.5描述.ppt

§3.5 大数定律与中心极限定理 一、依概率收敛 二、大数定律 三、中心极限定理 一、依概率收敛 依概率收敛的定义 定理: * 在无法求精确分布的情况下，我们只能寻找近似分布，而借助极限的概念来寻找近似分布是常用的基本方法。 在微积分中，收敛性及其极限是一个基本而重要的概念。 下面我们来讨论随机变量列的收敛性 设 是随机变量序列， 是一个随机变量；若对任意 ，有: 则称 依概率收敛于 ，记为 。 二、大数定律 在概率论中，不仅事件发生的频率具有稳定性，还有大量测量值的算术平均值也具有稳定性。大数定律就是这种稳定性的数学基础。 切比晓夫大数定律 设 是一列两两互不相关的随机变量，它们的数学期望 及方差 均存在，且方差有界，即存在常数C，使得 ， 推论：设 是一列独立同分布的随机变量，它们的数学期望和方差均存在，记 ， 证：由切比晓夫不等式得： 切比晓夫大数定律的证明 由切比雪夫大数定律有： 此定理说明了频率的稳定性。 贝努里大数定律 则 注：切比晓夫大数定律的推论是辛钦大数定律的特殊 情况。 辛钦大数定律 则 此定理说明了算术平均值的稳定性。 则称 } { n X 服从中心极限定理。 三、中心极限定理 设 是独立的随机变量序列， 存在， 若对任意 ，有 定义： 的充分条件。 事实上，中心极限定理是关于 n 充分大时 林德伯格—勒维中心极限定理(独立同分布的中心极限定理） 中心极限定理与大数定律 一盒同型号螺丝钉共有100个，已知该型号螺丝钉的重量是一个随机变量，期望是100g，标准差是10g，求一盒螺丝钉的重量超过10.2kg的概率。 例3.30 解： 由林德伯格—勒维中心极限定理有结论成立。 棣莫弗-拉普拉斯中心极限定理 则对于任意 x ，恒有： 其中 相互独立且都服从于b(1,p)分布, 且 证： *