大学数学概率论培训教案.pptVIP

（2）当独立随机变量序列 同分布且存在大于0的有限方差时，大数定律与中心极限定理同时成立，但大数定律不如中心极限定理精确。 * 第5章 大数定律与中心极限定理 5.1 切比雪夫不等式 与 大数定律 以前，我们常这样说： “频率是概率的反映，随着试验次数的增多，频率将会逐渐稳定 于概率”； “当试验次数n很大时，频率与概率非常“接近”、“靠近”; “概率是频率的稳定值”; 等等。 同学们早就有疑问：“逐渐稳定”、非常“接近、靠近”、“稳定值”，这些究竟是什么意思？是不是数学分析中极限的那种“接近”？ 学习本节，主要是（1）掌握一种估算事件发生的概率的方法；（2）要从理论上严格以前提到的关于“频率和概率的关系”的几种说法，从而明确“频率和概率的关系”到底是何种关系。 定理5.1：（切比雪夫（Chebyshev）不等式） 设随机变量 的数学期望 和方差 都存在 ， 则对于任意的正数 ，有下列不等式成立： 或 分析：1. 首先切比雪夫不等式从概率的角度,描述了随机变量 在 其均值 周围取值的分散程度.并用数学式子表示出来. 2. 切比雪夫不等式,给出了在未知随机变量 的分布的情况 下, 求事件“|X-E(X)| ”的概率的一种估计方法. 例如:取 , 则 证明: ( 仅就连续随机变量的情形)设连续随机变量 的概率密度为 又由于“ ”与 “ ”是对立事件， 例5.1 ：利用切比雪夫不等式确定当掷一枚均匀硬币时，需掷多少 次才能保证使得正面出现 的 频 率 在 0.4 与 0.6 之间 的 概 率不 小于 90 %。 解：设 ? 表示“在掷 次试验中，出现正面的次数”，则出现正面 的频率为 。 由 切 比 雪 夫 不 等 式 定理5.2 （切比雪夫（Chebyshev）大数定律 ） 设独立随机变量序列 的数学期望与方差都存在, 且方差是一致有上界的, 即存在常数 , 使得 则 对于 有 证前分析: 若记 序列 的算术平均值； 因此定理5.2的结论可改写成: 这说明: 当 充分大时,算术平均值 将紧密地聚集在其期望 的附近. 由方差的性质知： 另由切比雪夫不等式知： 但是 概率只能小于等于1, 切比雪夫大数定律证明了算术平均值的稳定性。 比如：我们要测量某个物理量 。在相同的条件下，重复测量 次，得到的测量结果 可能是不完全相同的，这些结果可以看作 个独立的随机变量 （它们服从同一分布，并且具有数学期望）的试验数值。于是，按大数定理可知：当 充分大时，我们 取 次测量结果 的算术平均值 ,作为 的近似值 , 所发生的误差是很小的。 切比雪夫大数定律的一个重要推论就是著名的伯努利大数定律 在 重独立试验序列中，设事件 发生的概率 。 定理5.3： （伯努利(Bernouli)大数定律） 则 对于 ，当试验次数 充分大，即 时 伯努利大数定律的结论表明：在n重独立试验中，当试验次数 充分大时，事件 发生的频率 与其发生概率