概率论与数理统计 第五章培训教案.pptVIP

* * * * * * * * * * * * * * * * * 第五章 中心极限定理 华东师范大学 * 第*页 第五章 大数定律与中心极限定理 本章主要内容： 1. 大数定律。 2. 中心极限定理。 大数定律 讨论 “概率是频率的稳定值”的确切含义； 给出几种大数定律： 切比雪夫大数定律（定理5.1）P105； 贝努里大数定律（定理5.2）P106 ； 辛钦大数定律（定理5.3）P107. 大数定律一般形式： 若随机变量序列{Xn}满足： 则称{Xn} 服从大数定律. §5.2 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 §5.3 切比雪夫大数定律 定理5.1 设{Xn} 相互独立，且Xn方差存在，有共同的上界，则 {Xn}服从大数定律. 证明用到切比雪夫不等式. 贝努利大数定律 定理5.2 设 ?n 是n重贝努利试验中事件A出现的次数，每次试验中 P(A) = p, 则对任意的 ? 0，有 辛钦大数定律 定理5.3 若随机变量序列{Xn}独立同分布，且Xn的数学期望存在E(Xi)=a。则 {Xn}服从大数定律. §5.4 中心极限定理 正态分布是概率统计中最重要的分布， 其原因在于： 1. 很多随机现象可以用正态分布描述； 2. 很多随机现象可以近似用正态分布描述。 正态分布的来源：误差理论 误差由许多原因引起： 人为的、设备的、环境的、突发的、…… X1、 X2、 X3、 X4、…… 所以总误差= 中心极限定理：什么条件下 的分布可以用正态分布近似？ 定理5.4 李雅普诺夫中心极限定理 P108 设 {Xn} 为独立随机变量序列，数学期望为ai, 方差为 ?i20，则有 注 意 点 当{Xn} 为独立同分布时， ai=?， ?i=?，则 例 每袋茶叶的净重为随机变量，平均重量为100克， 标准差为10克。一箱内装200袋茶叶，求一箱茶叶的净重大于20500克的概率? P112（6） 解: 设箱中第 i 袋茶叶的净重为 Xi, 则X1 独立同分布， 且 E(Xi)=100，Var(Xi) =100， 由中心极限定理得，所求概率为： = 0.0002 故一箱茶叶的净重大于20500克的概率为0.0002. (很小) 例 设 X 为一次射击中命中的环数，其分布列为 求100次射击中命中环数在900环到930环之间的概率. X P 10 9 8 7 6 0.8 0.1 0.05 0.02 0.03 解: 设 Xi 为第 i 次射击命中的环数，则Xi 相互独立同分布， 且 E(Xi) =9.62，Var(Xi) =0.82，故 二项分布的正态近似 定理5.5 拉普拉斯中心极限定理 设?n 为服从二项分布 b(n, p) 的随机变量，则当 n 充分大时，有 例 设每颗炮弹命中目标的概率为0.01，求500发炮弹中命中 5 发的概率。 解: 设 X 表示命中的炮弹数, 则 X ~ b(500, 0.01) ＝0.17635 (2) 应用正态逼近: P(X=5) = P(4.5 X 5.5) = 0.1742 例 某保险公司多年的统计资料表明，在索赔户中被盗索赔户占20%. 随机抽查100户，求被盗索赔户不少于14户且不多于30户的概率. 解: 设X 表示100户中被盗索赔户数，则 X ~ b(100, 0.2) 所求 P(14≤X≤30) = 0.927 注 意 点 中心极限定理的应用有三大类： ii) 已知 n 和概率，求y ； iii) 已知 y 和概率，求 n . i) 已知 n 和 y，求概率； 一、给定 n 和 y，求概率 例： P113 (13) 100个独立工作(工作的概率为0.9)的部件组成一个系统，求系统中至少有85个部件工作的概率. 解：用 由此得： Xi=1表示第i个部件正常工作, 反之记为Xi=0. 又记Y=X1+X2+…+X100，则 E(Y)=90，Var(Y)=9. 课堂练习 P113 (8) 二、给定 n 和概率，求 y 例： 有200台独立工作(工作的概率为0.7)的机床，每台机床工作时需15kw电力. 问共需多少电力, 才可有95%的可能性保证正常生产? P113（10） 解：用 设供电量为y, 则 Xi=1表示