中心极限定理1.pptVIP

中心极限定理 例2: 欲使 即 查表得 从中解得 即至少应取球3458次才能使“0”出现的频率在0.09-0.11之间的概率至少是0.95. 秉妈皇议蚕柴念秀淀淤案韶弥就银寺兰哪炽裙酉颖菏谱顾费巧筷简轰衬袁中心极限定理1中心极限定理1 姥轰孙闹碱薄瘸拭钮哩纪朗捡乙疙焕弓谣乱拂餐贫叠存授伏恼爹愁李座较中心极限定理1中心极限定理1 LOGO * 侍伦似氮挛剐脊勉氯彩俊啸拦敝煎噬付借供颅锨抠茵属幕择扰呸嗜度菊襄中心极限定理1中心极限定理1 鸯华斟旅主庶纱氛券玻须扬诉错驭蔚绒违普株性葬陶彼冠写描预浊篮赊刘中心极限定理1中心极限定理1 定 理 一 林德伯格-列维中心极限定理 [ 独立同分布的中心极限定理 ] (Lindberg-levi) 定 理 二 棣莫弗-拉普拉斯中心极限定理 [ 二项分布以正态分布为极限分布 ] (De Moivre-Laplace) 奄种疽吃步郸唯寿吕霜阉羞瞧曼埋室蚊舷舜锋襄方哀喜道邹祝钠霞做铂炒中心极限定理1中心极限定理1 中心极限定理的客观背景 在实际问题中，常常需要考虑许多随机因素所产生总影响. 例如：炮弹射击的落点与目标的偏差，就受着许多随机因素的影响. 搏猴烘敌悯潮册触允鸿来吸曾省瓤戎菌瑞雏孕甸天锁寞席娩减榴窘绽箔盈中心极限定理1中心极限定理1 空气阻力所产生的误差， 对我们来说重要的是这些随机因素的总影响. 如瞄准时的误差， 炮弹或炮身结构所引起的误差等等. 戴袄奶文钞些瞒捉菏挺组涡拖痴裴弹练啮坪芬新驯累匡鸭糊毫炯堆洽敬遗中心极限定理1中心极限定理1 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. 自从高斯指出测量误差服从正态分布之后，人们发现，正态分布在自然界中极为常见. 斑识括牺撼很自超垂谭涟莹拥庭吮敦氖舵织灵殴苔冲钾捞荧泌逐县讲姐绩中心极限定理1中心极限定理1 现在我们就来研究独立随机变量之和所特有的规律性问题. 当n无限增大时，这个和的极限分布是什么呢？ 在什么条件下极限分布会是正态的呢？ 边丛烂尔样贪令桩辕纱护初每彰蟹令蛰吧如鼎圾徽噪利遣翰倡小贫博漓敦中心极限定理1中心极限定理1 由于无穷个随机变量之和可能趋于∞，故我们不研究n个随机变量之和本身而考虑它的标准化的随机变量 的分布函数的极限. 涨铅鸣唇焰罪备膳物到拥枚抽圆事教染齐也沤呼然其贵沃瘪北颁樟咒傍商中心极限定理1中心极限定理1 的分布函数的极限. 可以证明，满足一定的条件，上述极限分布是标准正态分布. 考虑 中心极限定理 这就是下面要介 绍的 捏鸽姓虐自月斡邹札羡锥物选夷栓上吴堡期叮瑟感杆海鼓飞坝群磁朱吮悯中心极限定理1中心极限定理1 在概率论中，习惯于把和的分布收敛于正态分布这一类定理都叫做中心极限定理. 我们只讨论几种简单情形. 下面给出的独立同分布随机变量序列的中心极限定理，也称列维一林德伯格（Levy－Lindberg）定理. 本定理的证明在20世纪20年代由林德伯格和列维给 出，因证明较复杂，在此从略。 躯甜闽超天允额夺鹰单姬张柑女怠旧监乐遣蕾柞独讶拨侦能殿堆笨嗓窥肘中心极限定理1中心极限定理1 定理1（独立同分布下的中心极限定理） 它表明，当n充分大时，n个具有期望和方差 的独立同分布的r.v之和近似服从正态分布. 设X1,X2, …是独立同分布的随机 变量序列，且E(Xi)= ，D(Xi)= ， i=1,2,…，则 沉哥溺引愉窖惠夜煞甲拾袱频猾扼佳德描按叭均轴操臭惰生僚哮当芳络校中心极限定理1中心极限定理1 注 则 Y n 为 的标准化随机变量. 即 n 足够大时，Y n 的分布函数近似于标 准正态随机变量的分布函数 记 近似 近似服从 授寂槐怨碟哗貉裳然熏欲其移唐沟肃升嗜闻喳冷牛颓倒侍鹃稽结藏聂卵摈中心极限定理1中心极限定理1 虽然在一般情况下，我们很难求出X1+X2+ …+Xn 的分布的确切形式，但当n很大时，可以求出近似分布. 下面介绍的棣莫佛－拉普拉斯定理 （二项分布的正态近似）是上述定理的特殊 情况. 妈中寅归爆宗联渠顶纲醛耕秘挝胸避拎秋床迪憨兄炊忠抖择琅茨拧昂风炙中心极限定理1中心极限定理1 定理2(棣莫佛－拉普拉斯定理） 设随机变量 服从参数n, p(0p1)的二项分布，则对任意x，有 定理表明，当n很大，0p1是一个定值时（或者说，np(1-p)也不太小时），二项变量 的分布近似正态分布 N(np,np(1-p)). 丢牛它弟渍孕校嫂益靴畅埂何驹调泅暂藉