《⑤极限定理.docVIP

五、大数定律和极限定理 这一部分，数学一、数学三和数学四的考试大纲、内容和要求基本一致，只是数学四不考大数定律． Ⅰ、考试大纲要求 ㈠ 考试内容 切比雪夫（Chebyshev）大数定律 伯努利（Bernoulli）大数定律 辛钦（Khinchine）大数定律 棣莫弗-拉普拉斯（De Moivre-Laplace）定理 列维-林德伯格（Levy-Lindberg）定理 ㈡ 考试要求 1、掌握切比雪夫大数定律、伯努利大数定律和辛钦大数定律成立的条件及结论．大数定律多用于进行理论的论证，一般不便于处理具体问题．会证明切比雪夫大数定律和伯努利大数定律． 2、掌握列维-林德伯格定理及棣莫弗-拉普拉斯定理的结论和应用条件，并会应用这两个定理进行近似计算． Ⅱ、考试内容提要 ㈠ 依概率收敛 定义 称随机变量列依概率收敛于随机变量Z，如果对任意给定的，有 ． (5.1) 随机变量列依概率收敛于A，有时记作 ， (5.2) 特别，Z可以是常数A或． ㈡ 大数定律 1、切比雪夫（切贝绍夫）大数定律 设为两两独立(或两两不相关)的随机变量列，存在，且存在常数C，使，，则对任何给定的，有 (5.3) 切比雪夫大数定律是切比雪夫不等式的推论（见(4.7)式）． 2、伯努利大数定律 设是“事件A在试验中出现”的概率；是n次独立重复试验（伯努利试验）中事件A出现的频率，则依概率收敛于： ． (5.4) 直观上表示当n充分大时． 3、辛钦大数定律 设独立同分布随机变量，只要数学期望存在，则 ． (5.5) 即当n充分大时，有． ㈢ 中心极限定理 中心极限定理是关于“随机变量之和的极限分布是正态分布”的一系列定理的总称． 1、棣莫弗-拉普拉斯定理 设随机变量X服从参数为的二项分布，则当n充分大时，X近似地服从正态分布或近似地 ． (1) 局部定理 对于任意p(0p1)和，当n充分大时，有 (5.6) (2) 积分定理 对于任意p(0p1)和，当n充分大时， ， (5.7) 其中． 2、列维-林德伯格定理 设是独立同分布随机变量，其数学期望和方差存在：， ，则当n充分大时近似地 ， 即对于任意实数，当n充分大时，有 ， (5.8) 其中； ， (5.9) 其中． Ⅲ、典型例题分析 〖填空题〗 例5.1（棣莫弗-拉普拉斯定理p.124） 设某种电气元件不能承受超负荷试验的概率为0.05．现在对100个这样的元件进行超负荷试验，以X表示不能承受试验而烧毁的元件数，则根据中心极限定理 ． 分析 不能承受试验而烧毁的元件数X～．根据棣莫弗-拉普拉斯定理，X近似服从正态分布，其中n=100，p=0.05，q=0.95．因此 例5.2（棣莫弗-拉普拉斯定理p.125）设试验成功的概率p=20%，现在将试验独立地重复进行100次，则试验成功的次数介于16和32次之间的概率Q 　　 ． 分析 以表示100次独立重复试验成功的次数，则，且 ． 因此试验成功的次数介于16和32次之间的概率 其中是标准正态分布函数． 例5.3（棣莫弗-拉普拉斯定理p.125） 将一枚均匀对称的硬币接连掷10000次，则正面恰好出现5000次的概率 ． 分析 正面出现的次数，．根据局部定理，有 ． 例5.10（辛钦大数定律p.127） 将一枚色子重复掷n次，则当时，n次掷出点数的算术平均值依概率收敛于 7/2 ． 分析 设是各次掷出的点数，它们显然独立同分布，每次掷出点数的数学期望等于7/2．因此，根据辛钦大数定律，依概率收敛于7/2． 〖选择题〗 例5.11（中心极限定理p.127） 设随机变量相互独立，，则根据列维-林德伯格中心极限定理，当n充分大时近似服从正态分布，只要 (A) 有相同期望和方差． (B) 服从同一离散型分布． (C) 服从同一指数分布． (D) 服从同一连续型分布． [ C ] 分析 应选（C）．列维-林德伯格中心极限定理的条件是：随机变量相互独立同分布, 并且其数学期望和方差存在．由于有相同的数学期望未必有相同分布，可见(A)不满足定理条件．满足(B)和(D)的随机变量的数学期望或方差未必存在，故(B)和(D)也不满足定理条件．于是，只有(C)成立(指数分布的数学期望和方差都存在)． 例5.1