大数定律及中心极限定理.pptVIP

概率论与数理统计 ----考研春季基础班 * * 主讲：朱祥和 第五章 大数定律与中心极限定理 一、大数定律 定义 设随机变量序列{Xn}，如果存在一个常数a，使得对任意的 ε0，有 =1 则称依概率收敛于a,记作 定义 设随机变量序列{Xn}，记Yn=1/n(X1+X2+…+Xn)，如果存在一个常数序列an，使得对任意的ε0，有 =1 则称随机变量序列{Xn}服从大数定律 第5.1节 大数定律 二、切比雪夫不等式 设随机变量X的方差存在(这时均值也存在),则 对任意正数ε有下面不等式成立 例5.2.1.设X~ 用切比雪夫不等式证明 证明: EX= =n+1 EX2= =(n+1)(n+2) 所以, DX=EX2-(EX)2=n+1 [这里,ε=n+1] 1. 设随机变量X的方差D(X)=0.0001, 则由切比雪夫不等式可知 P{|X-E(X)|3×0.01}≥( ). 2. 设随机变量X~E(1/n),用切比雪夫 不等式证明 P{-1X2n+1}≥(2n+1)/(n+1)(n+1) 3. 设P{|X-E(X)|ε}不小于0.9,D(X)=0.009.则用切比雪夫不等式估计ε的 最小值是( ). 课堂练习 0.3 4. 设随机变量X的数学期望为μ, 标准差为σ,则由切比雪夫不等式 P{|X-μ|≥3σ}≤( ). 5. 设随机变量X的分布律为 P{X=0.3}=0.2, P{X=0.6}=0.8, 用切比雪夫不等式估计 |X-E(X)|0.2的概率. 1/9 定理（切比雪夫大数定律） 设随机变量序列{Xn}相互独立，且 均存在有限方差，且方差D(Xn) ≤C (n=1,2,...), 其中常数C与n 无关，则对任意的ε0 ，有 三、几个常见的大数定律 定理 （辛钦大数定律） 设随机变量序列{Xn}相互独立，服从同一分布，且有相同的期望E(Xn)=?，则对任意的ε0 ，有 定理（贝努里利大数定律） 设每次实验中事件A发生的概率 为p，n次重复独立实验中事件A发生的次数为nA，则对任 意的ε0 ，事件的频率 ，有 定理 设X~N(μ,σ2), 则Y~N(0,1). 所以，若X~N(μ,σ2), 则 P{Xa}= P{Xa}= P{aXb}= X~N(μ,σ2) 定义：一般地,若在一次实验中成功的概率为p(0p1),独立重复 进行n次,这n次中实验成功的次数X服从的分布为二项分布: X～B(n,p) 复习 第5.2节 中心极限定理 定理（列维—林德贝格定理(i.i.d下中心极限定理)） 设X1,X2,…,X n,…为独立同分布序列,期望μ,方差σ20, 则当n充分大时, 所以 注意 (1)一般地,只要n比较大,就可应用以上定理; (2)应用该定理时,需要找出独立同分布的随机变量序列以及 它们的期望和方差,再应用正态分布的有关计算方法. 例5.3.1.用机器包装味精,每袋味精净重为随机变量,期望 值为100克,标准差为10克,一箱内装200袋味精,求一箱味精净重大于20500克的概率? 解: 设一箱味精净重为X,箱中第i袋味精净重为Xi,(i=1,2,…,200) 则 X1,X2,…,X200独立同分布, EXi=100, DXi=102=100, 且 由独立同分布的中心极限定理得: X近似服从正态分布,且 EX=20000, DX=20000, 所求为P(X20500)= 1-P(X≤20500) =0.0002 故 一箱味精净重大于20500的概率为0.0002. 特别，若X～Ｂ（n，p）,则当n充分大时， 推论: 即　若随机变量Ｘ～Ｂ（n，p），则对任意实数x有 Ｘ～Ｎ（np，npq） 注意(1)以上定理称为棣莫佛---拉普拉斯中心极限定理.它表示 当n重 Bernoulli实验次数很大时(n≥100,p接近于0.5),二项分布可 用正态分布近似逼近,期望为np,方差为npq . (2)P{X=m}=P{m-0.5X≤m+0.5} 此处区间越小越精确,习惯上取长度为1的对称区间 X～B(n,p) (1) n≤40, p≤0.4，由Excel得 (2) n≤40,p0.6, 应用以下定理: 定理 若X~B(n,p),且Y=n-X,则Y~B(n,q),其中q=1-p. (3) n≥100,p0.1, 应用Poss