第五章大数定理和中心极限.pptVIP

第五章 大数定律及中心极限定理 第一部分 大数定律 例5-1 设X是抛掷一枚骰子所出现的点数,若给定?=2, 2.5, 实际计算P{|X-E(X)|??}, 并验证契比雪夫不等式成立. 例5-1 设X是抛掷一枚骰子所出现的点数,若给定?=2, 2.5, 实际计算P{|X-E(X)|??}, 并验证契比雪夫不等式成立. 例5-1 设X是抛掷一枚骰子所出现的点数,若给定?=2, 2.5, 实际计算P{|X-E(X)|??}, 并验证契比雪夫不等式成立. 三、基本定理 四、小结 第二部分 中心极限定理 正态分布在概率论与数理统计中占有很重要的地位，在自然界与工程实践中经常遇到大量的随机变量都是服从正态分布的. 在某些条件下，即使原来不服从正态分布的一些随机变量，它们的和的分布当随机变量的个数无限增加时也趋于正态分布。 在概率论中，把有关论证随机变量和的极限分布为正态分布的一类定理称为中心极限定理。 二、基本定理 注： 注： 例5-3 对敌人的防御地段进行100次射击，每次射击的命中目标的炮弹数是一个随机变量，其数学期望为2，均方差为1.5，求这100次射击中有180颗到220颗炮弹命中目标的概率. 结论： 三、小结 证明 根据第二章第二节可知 定理5.5 (德莫佛－拉普拉斯中心极限定理) Zn Zn Zn 根据定理5-4得 定理表明: 正态分布是二项分布的极限分布, 当n充分大时, 可以利用该定理来计算二项分布的概率. Zn 2、在贝努利试验中，若事件A发生的概率为p.又设 为n次独立重复试验中事件A发生的频率，则当n充分大， 近似服从于正态分布 1、在贝努利试验中，若事件A发生的概率为p.又设 为n次独立重复试验中事件A发生的频数，则当n充分大， 近似服从于正态分布 解 例5-5 根据定理5-5， 服从标准正态分布 解 例5-6 某单位内部有1000台电话分机，每台分支有5%的时间使用外线电话，假定各个分支是否使用外线是相互独立的，该单位总支至少需要安装多少条外线，才能以95%以上的概率保证每台分支需要使用外线不被占用？ 根据题意，N为满足条件的 最小正整数 概率统计是研究随机变量规律性的数学学科，而随机现象的规律性只有对大量的随机现象的考察中才能显现出来，研究大量随机现象的统计规律，常常采用极限定理的形式去刻画，由此导致对极限定理的研究，极限定理的内容非常广泛，本章只讨论大数定理和中心极限定理。 一、契比雪夫不等式 三、基本定理 二、典型例题 四、小结 一、契比雪夫不等式 证明 取连续型随机变量的情况来证明. 切比雪夫不等式 . , , ) ( )及 ( 成立 不等式 则对于任意正数 方差 具有数学期望 设随机变量 定理 ε X D X E X 得 契比雪夫不等式的含义 契比雪夫不等式用于估计X落入区间(E(X)-?, E(X)+?)的概率 当方差D(X)很小时, X落入区间(E(X)-?, E(X)+?)是大概率事件; X落入区间(E(X)-?, E(X)+?)之外是小概率事件. . , , ) ( )及 ( 成立 不等式 则对于任意正数 方差 具有数学期望 设随机变量 定理 ε X D X E X 解: X的分布律为 所以 故 二、典型例题 |X-7/2| 5/2 3/2 1/2 1/2 3/2 5/2 1 2 3 4 5 6 X 1/6 1/6 1/6 1/6 1/6 1/6 P 若?=2, 则P{|X-E(X)|??}=P{|X-7/2|?2} =1/3 可见契比雪夫不等式成立 |X-7/2| 5/2 3/2 1/2 1/2 3/2 5/2 1 2 3 4 5 6 X 1/6 1/6 1/6 1/6 1/6 1/6 P 若?=2.5, 则P{|X-E(X)|??}=P{|X-7/2|?2.5} =1/3 可见契比雪夫不等式成立 例 已知随机变量X的期望E(X)=100,方差D(X)=10,估计X落在80到120内的概率. 解 解 例5-2 练习1 某厂生产的一批产品，一等品率为15%，现从 中随机的抽取10000件发往外地，试估计其中一等品的件数与1500件相差不超过100的概率