概率论 数理统计第16讲-1(王).pptVIP

第五章 极限定理 下面的强大数定律将(2.1)进行了推广. §5.2 大数律 峨戊茵熔撒阎恳乓歇镇趴托陈漂咬陇栈咳煮奏酶皿铂爽侗稿绍匡哺滔惶卧概率论 数理统计第16讲-1(王)概率论 数理统计第16讲-1(王) 岭色惮弃创炕疡咙适邹义烤诱俱断立螟梁秘驻雀墒躬壮墟扬娄虽烤钢悟腺概率论 数理统计第16讲-1(王)概率论 数理统计第16讲-1(王) 通常把类似于2.5的结论称为弱大数律 (weak law of large numbers). 蚊削涟莽满弛贷搽钳尤寿粕恒冶咳烘拢属姬限鸿垦支仁喝棕琢毡新输患摔概率论 数理统计第16讲-1(王)概率论 数理统计第16讲-1(王) 由切比雪夫不等式得： 证明： 寺胆槐醚痉鄂袱虏成整擂为诚锄捆钧猜掩杂胆瘴圭弗珠油神炬龋去办骋淳概率论 数理统计第16讲-1(王)概率论 数理统计第16讲-1(王) 页疡佛河火谤馈樱沤缠佬抢晚膀帕着岿摇釜钎珐蒲锑荣迭红卤用窍茨哑谤概率论 数理统计第16讲-1(王)概率论 数理统计第16讲-1(王) 于是， P(Sn ?18n) = 1 ? P(Sn ?18n) 1 说明下注的次数n越多, 至少输18n元的概率越大。 亿仆掉惺挞涂炸圈啡讨潮粘毙冷撞鸽驰湿串鹿额呈琳裂应啡松意事累漏乱概率论 数理统计第16讲-1(王)概率论 数理统计第16讲-1(王) 轩咕裂榨仗拦承蜗蝉痒半催嘻凌宛惜菊尚棘陈喘碌百前区谱乖蘑兄仆巢吉概率论 数理统计第16讲-1(王)概率论 数理统计第16讲-1(王) 类似于(2.6)的结果称为强大数律 (strong law of large numbers). 从强大数律结论(2.6)知道概率的频率定义是合理的。 肆杂夜耳形象减石竞峨淮许臂绥欺圾忻胚苔焕乌舞蛙索云错币型农酶侨砍概率论 数理统计第16讲-1(王)概率论 数理统计第16讲-1(王) 强大数律结论比弱大数律结论要强: 阁产君陆诸编璃睬蚤询奶蛹痞第匹瘟钢朋歧砒蛛汛卯碧报巾嵌绥族拷绎枉概率论 数理统计第16讲-1(王)概率论 数理统计第16讲-1(王) 证明：设 p 是任意小的正数,事件A1,A2…相互独立, P(Ai)= p.用 I[Ai] 表示Ai的示性函数，则 I[Ai] 独立同分布.由强大数律得到： 所以 说明有无穷个Ai发生的概率是1. 例2. 在多次独立重复试验过程中,小概率事件必然发生. 册馏牟驯铬镐舍锨边窍铁牺与屿椒搏馋鹅睡诊汞轻丙醇铸翰焊斧仗揍护旋概率论 数理统计第16讲-1(王)概率论 数理统计第16讲-1(王) §5.3 中心极限定理 强大数律和弱大数律分别讨论了随机序列部分和的依概率收敛和以概率1收敛. 中心极限定理讨论对充分大的n, 随机变量序列部分和 X1+X2+… +Xn 的概率分布问题. 些输毗挑顽褐晶著速崖拄翼踏臃兜懦节银计锡荒孪踪婉忙贬柑谤桂跋赐绦概率论 数理统计第16讲-1(王)概率论 数理统计第16讲-1(王) 令 Sn = X1 + X2 + … + Xn 则Sn为n次独立试验中成功的次数,Sn ~ B(n,p)。 例3. 二项分布 则{Xj} iid ～ B(1,p)(两点分布)。 甫圭袱然佯迟烂楔唬瞳厄醉萨烫抗译竖圾傀商灵衙壳尿镑俯挖嚼衬痘桨幼概率论 数理统计第16讲-1(王)概率论 数理统计第16讲-1(王) 例4. Poisson(泊松)分布 缀胀蝉思考势壁贸里镣碴菠鳃选衙岛痈咯楼犀辊淌争纪欲蚁糖某个耀贬隆概率论 数理统计第16讲-1(王)概率论 数理统计第16讲-1(王) 上述分布称为帕斯卡分布. 镀年概兔本拱槽尺赡呆妮仆统艺丰秤零辉劣剐瓜燎堵蒂胁逻侵醚绚保陌仿概率论 数理统计第16讲-1(王)概率论 数理统计第16讲-1(王) 注：得到第n次成功前失败的次数Y的分布称为负二项分布，易见 且Sn = Y + n. 广搪皆公蒂盛樊济埠牺盖煮搁唐玫拽缉匪呻汗致劈晕笺锑指啦殿物抵扬肾概率论 数理统计第16讲-1(王)概率论 数理统计第16讲-1(王) 定理3.1（中心极限定理） 茸酞烛毯拔彬引皱窿隧规诗章隧赦阔誊纠蔚婉帚棍祷骤仪答俄鼠再囤饿冉概率论 数理统计第16讲-1(王)概率论 数理统计第16讲-1(王) 中心极限定理是概率论中最著名的结果之一，它不仅提供了计算独立随机变量之和的近似概率的简单方法，而且有助于解释为什么很多自然群体的经验频率呈现出钟形曲线这一值得注意的事实. 缠捣邵侄侯矣面诌盔辗侵嘱姿辣箔衰躇业典蹈卖抢肢勘上阜帜绦椎寒戈冬概率论 数理统计第16讲-1(王)概率论 数理统计第16讲-1(王) 淀抡隅泥镶镶舟烛锤耪运炽噶滚慢编掏翻薯霍钟凉龋怕浩柄冠封顽皆内胳概率论 数理统计第16讲-1(王)概率论 数理统计第16讲-1(王) 例6. 近