第5章5.2中心极限定理.ppt

第5章 大数定律和中心极限定理 本章主要内容 §5.1 大数定律 §5.2 中心极限定理 5.2.1 独立同分布的中心极限定理 5.2.2 二项分布的正态近似 §5.2 中心极限定理 【例5.4】大量的研究表明，误差产生是由大量微小的相互独立的随机因素叠加而成的。 考虑一位操作工在机床上加工机械轴，要求其直径应符合规定要求。但加工后的机械轴与规定要求总会有一定误差，这是因为在加工时受到一些随机因素的影响： (1) 在机床方面有机床振动与转速的影响； (2) 在刀具方面有装配与磨损的影响； (3) 在材料方面有钢材的成分、产地的影响； (4) 在操作者方面有注意力集中程度、当天情绪的影响； (5) 在测量方面有度量工具误差、测量技术的影响； §5.2 中心极限定理 【例5.4】大量的研究表明，误差产生是由大量微小的相互独立的随机因素叠加而成的。 考虑一位操作工在机床上加工机械轴，要求其直径应符合规定要求。但加工后的机械轴与规定要求总会有一定误差，这是因为在加工时受到一些随机因素的影响： (6)在环境方面有车间温度、湿度、照明、工作电压的影响； (7) 在具体场合还可列出许多其他影响因素． §5.2 中心极限定理 由于这些独立因素很多 每个因素对加工精度的影响都是很微小的 每个因素的出现又都是人们无法控制的、随机的、时有时无、时正时负的 这些因素的综合影响最终使每个机械轴的直径产生误差Yn Yn是随机变量：Yn = X1 + X2 +…+ Xn 这里n是很大的，当n??时，Yn的分布是什么？ §5.2 中心极限定理 Yn = X1 + X2 +…+ Xn 当时n??时，Yn的分布是什么？ 当然，可以考虑用卷积公式去计算Yn的分布 但这样的计算是相当复杂的、不现实的，而且也是不易实现的 即使能写出Yn的分布，但由于其形式复杂而无法使用 本节研究 在相当一般的条件下，独立同分布的随机变量的和的分布的收敛问题. §5.2 中心极限定理 林德伯格(Lindeberg , 1876-1932) 芬兰数学家，因中心极限定理而著名 林德贝格就读于赫尔辛基大学 早期对偏微分方程和积分变换感兴趣 从1920年开始转向概率统计，当年发表了第一篇中心极限定理的论文 两年后，他用同样的方法得到了更进一步的结论 林德贝格条件 §5.2 中心极限定理 林德伯格(Lindeberg , 1876-1932) 瑞典数学家克拉美1922年结识了林德贝格，后来克拉美曾向人讲起关于林德贝格和他的美丽农场的故事： 当有人责备林德贝格没有充分开展科学研究的时候，林德贝格就说“我其实是个农夫” 当有人提及他的农场不适合种植的时候，他就会说“当然，我真正的工作是当教授” §5.2 中心极限定理 莱维(Levy，1886-1971) 法国数学家，现代概率论开拓者之一 曾在巴黎圣艾蒂安矿业学校、巴黎综合工 科学校任教. 主要研究概率论和泛函分析 他引入分布律的莱维距离、散布函数和集结函数、鞅、局部时等概念，对极限理论和随机过程理论作出了重要贡献 §5.2 中心极限定理 5.2.1 独立同分布的中心极限定理 【定理5.5】 上式说明，不论X1，X2，…，Xn服从什么分布，只要满足定理的条件,当n充分大时,就可以把 近似地作为正态随机变量处理 将上述结论稍作变形，还可以得到定理结论的另外表现形式 §5.2 中心极限定理 5.2.1 独立同分布的中心极限定理 【定理5.5】 【推论5.1】设X1 ,X2,…,Xn独立同分布,其均值为? ，方差为? 2 0，则当n充分大时,有 其中 §5.2 中心极限定理 5.2.1 独立同分布的中心极限定理 【定理5.5】 【推论5.1】 由推论可知,无论X1,X2,…,Xn是服从什么分布,只要满足一定条件，当n充分大时，其算术平均值总是近似服从正态分布. 这一结果是数理统计中大样本理论的基础. §5.2 中心极限定理 棣莫弗(1667-1754) 法国裔英国藉数学家. 自幼接受父亲的教育，稍大后进入当地一 所天主教学校念书. 学校不重视数学，但棣莫弗常常偷偷地学习. 在早期所学的数学著作中，他最感兴趣的是惠更斯关于赌博的著作，特别是惠更斯于1657年出版的《论赌博中的机会》一书，启发了他的灵感. 1686年时棣莫弗到了英国．他对数学的所有贡献全是在英国做出的． §5.2 中心极限定理 棣莫弗(1667-1754) 1692年，棣莫弗拜会了英国皇家学会秘书E．哈雷 哈雷将棣莫弗的重要著作《机会的学说》呈送牛顿，牛顿对棣莫弗十分欣赏 据说，后来遇到学生向牛顿请教概率方面的问题时，他就说：“这样的问题应该去找棣莫弗，他对这些问题的研究比我深入得多” 1735年，棣莫弗被选