大数定律和中心极限定理统称为极限定理。它们是概率论与数.ppt

* * * 大数定律和中心极限定理统称为极限定理。它们 是概率论与数理统计的理论依据，在理论研究及应用 上有着重要作用。 大数定律 随机事件在大量的重复试验中出现的频率呈现出稳定性； 大量测量值的算术平均值也具有稳定性，等等。大数定律描 述的正是这种现象。 切比雪夫不等式—— 设随机变量 X 具有有限的数学期望 E（X）和方差 D（X）， 则对任意正数 ，有不等式： 作理论推导；对 X 的分布作粗略估计。 例1 设电流 是随机变量，已知 （1）用切贝雪夫不等式估计概率： （2）若 求（1）中的概率。 （3）若 求（1）中的概率。 解：（1）由切贝雪夫不等式，有 （2） 例1 设电流 是随机变量，已知 （1）用切贝雪夫不等式估计概率： （2）若 求（1）中的概率。 （3）若 求（1）中的概率。 解：（1）由切贝雪夫不等式，有 （3） 切比雪夫大数定律—— 设 是相互独立的随机变量，且每一 随机变量都有有限的方差，且有公共上界，则对任意正数 都有： 这个定律描述了大量测量值的算术平均值的稳定性。 推论—— 设 是相互独立的随机变量，且每一 则对任意正数 都有： 随机变量都服从同一分布且有共同的数学期望 与方差， 推论—— 设 是相互独立的随机变量，且每一 则对任意正数 都有： 随机变量都服从同一分布且有共同的数学期望 与方差， 解决实际问题时，如果我们不了解随机变量 X 的具体的分布情况而又要知道它的平均水平，我们 可对它作足够多的测试（即找出足够多的样本点）， 用测量值的算术平均值来估计 X 的数学期望。 贝努利大数定律—— 设 是 次相互独立试验中事件 A 出现的次数， 是 A 在每次试验中发生的概率，则对于任意 ，恒有： 这个定律描述了大量试验中随机变量的频率具有稳定性。 解决实际问题时，我们可作足够多次的试验， 用事件 A 出现的频率来估计 A 的概率。这正是 概率的统计定义的理论依据。 中心极限定理 如果某个随机现象是由许多微小的，相互之间 没有什么依存关系的随机因素共同作用（叠加）的 结果，则它的极限分布是正态分布，中心极限定理 描述的正是这种现象。 独立同分布的中心极限定理—— 设 相互独立，服从同一分布，且具有 有限的数学期望和方差： 则随机变量 的分布函数 对任意 ， 满足： 即当 足够大时，有： 当 足够大时，有： 例2 一部件包括 10 部分，每部分的长度是一随机变量，相互 独立，且具有同一分布，其数学期望为 2mm，均方差为 0.05mm，规定总长度为20 0.1mm 时产品合格，试求 产品合格的概率。 解：设 表第 部分的长度。则 相互独立且具有同一分布。 故近似地，部件总长度 产品合格的概率 * *