第5章大数定律及中心极限定理报告.ppt

四、小结 契比雪夫资料 伯努利资料 辛钦资料 观察表明，如果一个量是由大量相互独立的随机因素的影响所造成，而每一个别因素在总影响中所起的作用不大. 则这种量一般都服从或近似服从正态分布. 例3: 保险业是最早使用概率论的部门之一，保险公司为了估计企业的利润，需要计算各种概率。假设现要设置一项保险：一辆自行车年交保费2元，若自行车丢失，保险公司赔偿200元，设在一年内自行车丢失的概率为0.001,问至少要有多少辆自行车投保才能以不小于0.9的概率保证这一保险不亏本？ 解: 设有n 辆自行车投保，Yn 表示一年内 n 辆自行车中丢失的数量。则 Yn?B(n, 0.001),问题归结为n至少为多少时， P{2n-200 Yn ≥ 0}≥0.9 上式化为 P{Yn≦0.01n}≥0.9 四、小结 棣莫弗资料 拉普拉斯资料 同分布的 r.v 列，其数学期望和方差分别为 则 服从中心极限定理 的分布函数 对任意 满足 设 为独立 ,即标准化r.v 对于均值为 方差 的独立同分布的 r.v 列 有 近似 即或 近似 这些随机因素都是微小的、没有一个因素起到 在实际问题中,如果某数量指标满足 该指标是由大量相互独立的随机因素迭加而成 则这个数量指标近似地服从正态分布 突出的作用 解 由定理5.6, 随机变量 Z20 近似服从正态分布 N (0,1) , 例1 其中 例2 根据以往经验，某种电器元件的寿命服从均值为100小时的指数分布. 现随机地取16只，设它们的寿命是相互独立的. 求这16只元件的寿命的总和大于1920小时的概率. 由题给条件知，诸Xi独立， 16只元件的寿命的总和为 解: 设第i只元件的寿命为Xi , i=1,2, …,16 E(Xi)=100, D(Xi)=10000 依题意，所求为P(Y1920) 由题给条件知,诸Xi独立, 16只元件的寿命的总和为 解: 设第i只元件的寿命为Xi , i=1,2, …,16 E(Xi)=100,D(Xi)=10000 依题意，所求为P(Y1920) 由于E(Y)=1600, D(Y)=160000 由中心极限定理, 近似N(0,1) P(Y1920)=1-P(Y?1920) =1-?(0.8) ?1- =1-0.7881=0.2119 查表得 ,解不等式得n≥21. 一船舶在某海区航行, 已知每遭受一次海浪的冲击, 纵摇角大于 3o 的概率为1/3, 若船舶遭受了90 000次波浪冲击, 问其中有29 500～30 500次纵摇角大于 3o 的概率是多少？ 解 将船舶每遭受一次海浪的冲击看作一次试验, 并假设各次试验是独立的, 在90 000次波浪冲击中纵摇角大于 3o 的次数为 X, 则 X 是一个随机变量, 例4 所求概率为 分布律为 直接计算很麻烦，利用棣莫弗－拉普拉斯定理 我们介绍了中心极限定理 在后面的课程中，我们还将经常用到中心极限定理. 中心极限定理是概率论中最著名的结果之一，它不仅提供了计算独立随机变量之和的近似概率的简单方法，而且有助于解释为什么很多自然群体的经验频率呈现出钟形曲线这一值得注意的事实. 中心极限定理 独立同分布的中心极限定理 德莫佛－拉普拉斯定理 中心极限定理表明, 在相当一般的条件下, 当独立随机变量的个数增加时, 其和的分布趋于正态分布. 在一个物理实验中的测量误差是由许多不可能观察到的,而可看作是可加的小误差所组成. 一个悬浮于一种液体中的小质点受到分子的碰撞,而使它在随机的方向作随机大小的位移,而该质点在一定长时间之后的位置可以看作各个位移的总和. 在任一给定时刻,一个城市的耗电量是大量单独的耗电者需用电量的总和. 在一个蓄水池中的储水量可以看作是极大数量的单独供水池的供水量的总和. 关于定理5.3的说明: （这个接近是概率意义下的接近） 即在定理条件下, 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. 或 （辛钦大数定律）设 是独立同分布r.v列, 存在，则 服从大数定律,即 有 该定理通常称为 独立同分布大数定律 关于辛钦定理的说明: (1) 与切比雪夫大数定律相比, 不要求方差存在; (2) 伯努利定理是辛钦定理的特殊情况. 定理5.4 提供了通过试验来确定事件概率的方法. 是数理统计中参数估计的重要理论依据之一. 是 Monte Carlo 方法的主要数学理论基础. 给出了“频率稳定性”的严格数学解释. 在概率论发展初期，由于概率的数学定义尚未明确，所以缺乏理解概率收敛的理论基础，故把频率“趋于”概率