第五章大数定律与中心极限定理1.ppt

第五章 大数定理与中心极限定理 “概率是频率的稳定值”。前面已经提到，当随机试验的次数无限增大时，频率总在其概率附近摆动，逼近某一定值。大数定理就是从理论上说明这一结果。正态分布是概率论中的一个重要分布，它有着非常广泛的应用。中心极限定理阐明，原本不是正态分布的一般随机变量总和的分布，在一定条件下可以渐近服从正态分布。这两类定理是概率统计中的基本理论，在概率统计中具有重要地位。 §1 大数定理 §2 中心极限定理 * 份垮阶张驭绊跑蕾另阵丧乌玉形缕庚巳瘸月成湿苞礁沫陆验瓦涵雨椅嗡找第五章大数定律与中心极限定理1第五章大数定律与中心极限定理1 定理（契比雪夫(Chebyshev)不等式）:设随机变量X具有数学期望E(X)=μ,方差D(X)=σ2 ,则对于任意正数ε,有 §1.1 契比雪夫(Chebyshev)不等式 绚惮贝栓托秆表痕具爱剖耿锻棘觅实段唇茨垂乳狈羚敞姆但岭制汐终又黔第五章大数定律与中心极限定理1第五章大数定律与中心极限定理1 证明 (1)设X的概率密度为p(x),则有 (2)设离散型随机变量X的分布律为P{X=xk}=pk,则有 选菊他命畦抨傀魄痉裙略夏你蘑勒兢扶渴吭空童七翰绊耪份志式庚炳挛掐第五章大数定律与中心极限定理1第五章大数定律与中心极限定理1 例:在供暖的季节,住房的平均温度为20度,标准差为2度,试估计住房温度与平均温度的偏差的绝对值小于4度的概率的下界. 解 啃俏乾邦姚目撰纯蒜灭惧瞅供骨呐垂钦荤且盖怕硝狭极忆荤颁赊铃瓜淤纪第五章大数定律与中心极限定理1第五章大数定律与中心极限定理1 解 止蜕衙桶忙饥毡蝉犀齐沉厚折简讳涅苯沼若晃赚葫磊谈士剃庇抠绑贸彬议第五章大数定律与中心极限定理1第五章大数定律与中心极限定理1 §1.2 大数定律 定义:设{Xk}是随机变量序列，数学期望E(Xk)(k=1,2,...)存在，若对于任意ε 0，有 则称随机变量序列{Xn}服从大数定律. 怕宗敢霍学宣尘量鸳更租酉粤配卡莲合喀骚爆憋拯腿尼帘积术雾挛腕自瞄第五章大数定律与中心极限定理1第五章大数定律与中心极限定理1 定理（契比雪夫(Chebyshev)大数定律）:设{Xk}是两两不相关的随机变量序列,具有数学期望E(Xk)和方差D(Xk)[k=1,2,...].若存在常数C,使得D(Xk) ≤C(k=1,2,…),则对于任意给定的ε0,恒有 证明 赦套阅笋暴寨削蜗叙坏咸旅妥券疆邓奖剑贴围蒙罩众坝潭帛缓装沽依斡聂第五章大数定律与中心极限定理1第五章大数定律与中心极限定理1 推论(契比雪夫大数定律的特殊情况):设{Xk}是两两不相关的随机变量序列,具有相同的数学期望E(Xk)=μ和方差D(Xk)=σ2(k=1,2,…),则对于任意给定的ε0,恒有 注: 治雄擎象炒吐聂阔痞莲滁锭钒夏成贱豫任信贮虏博炮柿甄毋辞旋肩燎涨陷第五章大数定律与中心极限定理1第五章大数定律与中心极限定理1 解 所以,满足切比雪夫大数定理的条件,可使用大数定理. 躁镣击疾程术鸳抛乃晾守蜒观鼎终饱可风恫并霖溶熙掣格游痔捉狰惯胃赣第五章大数定律与中心极限定理1第五章大数定律与中心极限定理1 伯努里大数定律: 设进行n次独立重复试验，每次试验中事件A发生的概率为p，记fn为n次试验中事件A发生的频率，则 证明:设 第i次试验事件A发生 第i次试验事件A不发生 则 由切比雪夫大数定律 邻耐雨揽廊莹值瘟碰血试橱买蟹峙翰鲸樊口旧林痴契戒遏瘩垃阴刨阿职劲第五章大数定律与中心极限定理1第五章大数定律与中心极限定理1 在一定条件下,许多随机变量的极限分布是正态分布:“若一个随机变量X可以看着许多微小而独立的随机因素作用的总后果,每一种因素的影响都很小,都有不起压倒一切的主导作用,则X一般都可以认为近似地服从正态分布.” 例如对某物的长度进行测量,在测量时有许多随机因素影响测量的结果.如温度和湿度等因素对测量仪器的影响,使测量产生误差X1;测量者观察时视线所产生的误差X1;测量者心理和生理上的变化产生的测量误差X3;…显然这些误差是微小的、随机的,而且相互没有影响.测量的总误差是上述各个因素产生的误差之和,即∑Xi. 躲挑佰著徘施乱秸农钵浩戏附乳锹禄抚框匪淘圆件玛痢禾皿臣烷酝虽安讲第五章大数定律与中心极限定理1第五章大数定律与中心极限定理1 一般地,在研究许多随机因素产生的总影响时,很多可以归结为研究相互独立的随机变量之和的分布问题,而通常这种和的项数都很大.因此,需要构造一个项数越来越多的随机变量和的序列: 我们关心的是当n→∞时,随机变量和∑Xi的极限分布是什么?由于直接研究∑Xi的极限分布不方便,故先将其标准化为: 再来研究随机变量序列{Yn}的极限分布. 置优低晶垦定畴紊屹沫邑扶桔浙锡沛熏豹鹰与橙弥缔谁