大数定律与中心极限定理.pptVIP

第一节 大数定律 第二节 中心极限定理 第5章概述 大数定律和中心极限定理就是使用极限方法研究大量随机现象统计规律性的。 阐明大量重复试验的平均结果具有稳定性的一系列定律都称为大数定律。 论证随机变量（试验结果）之和渐进服从某一分布的定理称为中心极限定理。 契比雪夫不等式 证明 对连续型随机变量的情况来证明. 契比雪夫不等式 得 大数定律— 概率论中有关阐明大量随机现象平均结果的稳定性的一系列定理。 迄今为止,人们已发现很多大数定律(laws of large numbers)所谓大数定律，简单地说，就是大量数目的随机变量所呈现出的规律，这种规律一般用随机变量序列的某种收敛性来刻画。 第一节 大数定律 定义1 则称{Xn}依概率收敛于a, 记作: 1.伯努利大数定理 证明: ●伯努利大数定律说明了当重复独立试验次数 n 很大时，频率与其概率之差可为任意小， 即说明了其频率的稳定性。 从而在实际推断中，当试验次数较大时，可以用事件发生的频率来近似代替概率。 2.切比雪夫大数定律: 证明: 由期望与方差的性质知 利用切比雪夫不等式, ●切比雪夫大数定律表明，当n 很大时， X1，X2，…，Xn的算术平均值 的取值，集中 在其数学期望 附近。 例 解: 由题意 即每个随机变量都具有有限的数学期望,有限的方差,满足定律. 定理3使我们关于算术平均值的法则有了理论上的依据。 由大数定律知，只要n充分大，则以接近于1的概率保证 这便是在n较大情况下反映出的客观规律,故称为“大数”定律 如我们要测量某段距离，在相同条件下重复进行n次，得n个测量值 ，它们可以看成是n个相互独立的随机变量具有相同的分布、相同的数学期望μ和方差 ， 人们已经知道，在自然界和生产实践中遇到大量随机变量都服从或近似服从正态分布，正因如此，正态分布占有特别重要的地位。 第二节 中心极限定理 那么，如何判断一个随机变量服从正态分布显得尤为重要。如经过长期的观测，人们已经知道，很多工程测量中产生的误差X都是服从正态分布的随机变量。 分析起来，造成误差的原因有仪器偏差X1、大气折射偏差X2,温度变化偏差X3、估读误差造成的偏差X4等等，这些偏差Xi 对总误差 的影响都很微小，没有一个起到特别突出的影响，虽然每个Xi的分布并不知道，但 却服从正态分布。 1. 德莫佛---拉普拉斯定理 例： 在人寿保险公司里有3000个同一年龄的人参加人寿保险.在一年里,这些人的死亡率为0.1%.参加保险的人在一年的头一天交付保险费10元,死亡时,家属可以从保险公司领取2000元. 求: (1)保险公司一年中获利不小于一万元的概率; (2) 保险公司公司亏损的概率是多少? 解: 设一年中死亡人数为X,则 (1) 保险公司每年利润为: (2) P{保险公司亏本} 可见保险公司亏本的概率很小. 注意: 德莫佛---拉普拉斯定理: 说明: 这是此后200多年来，概率论研究的一个中心，故称作中心极限定理（Central Limit Theorems）。 2.林德贝格---勒维定理(独立同分布)