第八讲大数定律与中心极限定理.ppt

数学建模 大数定律与中心极限定理 数学建模 数学建模 第八讲 大数定律与中心极限定理 【主要内容】 介绍大数定律与中心极限定理。 【主要目的】本实验将借助MATHEMATICA软件，了解随机模拟的一些简单算法及其应用。 随机变量 在通讯、计算机网络等一些工程应用问题中，通常需要进行大量的仿真模拟，目前采用最多的随机模拟方法是Monte Carlo方法，初等概率统计中的大数定律就是该方法的数学原理之一。 在概率中，一般采用随机变量X来描述和分析随机现象，随机变量 X 从本质上来说是一函数，但随机变量 X 这个函数和我们在高等数学中学过的函数稍有所不同。 随机变量与普通函数的区别 定义域不同： 高等数学中的函数 f (x)，其定义域和值域都是实数R； 随机变量X 的定义域是一非常抽象的集合――样本空间 研究方法不同： 实数域R具有非常好的性质，如它是个全序集，具有拓扑结构和线性结构等等，所以对其上的函数f (x)，我们可研究其是否连续和可导等函数本身的性质 而样本空间通常仅仅是一个非空集合而已，没有任何其他可用的数学性质，这样就无法采用普通函数f (x)的一些研究方法来研究随机变量X，而是通过研究随机变量X的分布函数F (x)或其数字特征来研究其统计规律。 分布函数的获取 但在实际应用中，通常很难得到随机变量X的分布函数F (x)和其数字特征，能收集到的只是关于该随机变量的一些实验观察数据(称为样本)。 那么如何通过这些样本来得到该随机变量X的分布函数F (x)或其数字特征，这就成了我们需要解决的关键问题之一。而大数定律和中心极限定理就为解决上问题提供了一种数学途径 。 概率论中的极限概念(I) 几乎处处收敛 概率论中的极限概念(II) 依概率收敛 概率论中的极限概念(III) 依分布收敛 大 数 定 律 大数定律主要描述了大数量随机实验平均结果的稳定性，揭示了随机现象的一种统计规律。 －－依概率收敛 例?1 的近似计算 例?2 利用大数定理近似计算定积分 例?3 伯努利大数定理的随机模拟 中心极限定理 中心极限定理主要研究大数量独立随机变量和的分布函数的极限，揭示了大量独立随机因素综合影响的一种统计规律 。 －－依分布收敛 例?4 正态分布对二项分布的逼近 The End ! Thanks ! (赌徒输光问题)甲、乙两人进行一系列赌博. 在每局赌博中，甲赢的概率为 ，乙赢的概率 为 .每局赌博后，输者付给赢者一元钱. 设每局赌博的结果都是相互独立的.假设在赌局 开始时，甲有初始赌博为 元，乙有初始赌本 为 元 .赌博一直进行到一个人输光为 止.求甲输光的概率. 思 考 题 设 为赌博进行了 局之后，甲拥有的总赌本. 分析： 设 为事件“最终是甲先输光” 记 为甲开始有i元钱的条件下，最后输光的概率，用数学式子表示就有 则有： 要求的概率是 * * 设 是一列随机变量， 是一随机变量，若有： 则称随机变量序列 几乎处处收敛到X。 记为 则称随机变量序列 依概率收敛到X。 设 是一列随机变量， 是一随机变量，若对任 意的 ，有： 记为 则称随机变量序列 依分布收敛到X。 记为 设 是一列随机变量， 是一随机变量，设随机 变量 与 的分布函数分别为 若对分布函数 的任意一个连续点x ，有 契比雪夫大数定理的特殊情形 设 是一列相互独立的随机变量序列，具有相同的 期望和方差： 则对任 意的 ，有： 伯努利大数定理 设 是n重伯努利试验中事件A发生的次数, 设P(A) = p 则对任 意的 ，有： 辛钦大数定理 设 是一列相互独立同分布的随机变量序列，且 数学期望存在： 则对任 意的 ，有： 分析： 如下图所示，矩形：