概率教案5-.pptVIP

* 上页 下页 返回 §5 大数定律和中心极限定理 大数定律：阐明大量随机现象的平均结果具有 稳定性的一系列定理 中心极限定理：论证随机变量之和的极限分 布为正态分布的一系列定理 从而解释了为什么正态分布是最广泛的原因 一. 大数定律 切比雪夫不等式：假设随机变量X 的数学期望 ，方差 ，则对任意 证明： 若X为连续型随机变量，概率密度为 意义：即使不知道随机变量的分布，但只要知道 其数学期望和方差，便可以估计事件 的概率大小，当然这个估计是比较粗糙的。 例1：已知随机变量X,Y 的相关系数为 根据切比雪夫不等式估计 . 解 例2 设电站供电网有10000盏电灯，夜晚每一盏灯开灯的概率都是0.7，假设各盏灯开、关是相互独立的，估计夜晚同时开灯数在6800 ~7200的概率。 解 设夜晚同时开灯的灯数为X, 则 精确计算 用切比雪夫不等式估计 定义：设有随机变量序列 若存在常数 a，对任意正数 ，有 则称随机变量序列 依概率收敛于 a 记为 定理1(切比雪夫大数定律）设随机变量 相互独立，都存在数学期望 和方差，而且方差是有界的，即存在某个常 数 ，使得 则对任意 ，都有 证明：因为 相互独立， 由契比雪夫不等式，得到 因为概率不可能大于1，所以定理成立。 定理2(切比雪夫大数定律的特殊情况) 独立，且具有相同的 数学期望和方差： 则对任意的 频率 概率 定理3(伯努利大数定律)： 是n次独立重复试验中事件 A 发生的次数， 说明：在大量独立重复试验中，事件A的发生的频率依概率收敛于A发生的概率，即事件A发生的频率具有稳定性，正因为如此，概率的统计定义才有意义。 证明：引入如下随机变量 Xi 0 1 p 1-p 设 表示第 i 次试验A发生的次数i=1,2,…,n,… 其分布为 由定理5.2，得到 即 定理4(辛钦大数定律)： 独立同分 布，数学期望存在 则对任意 的 （1）伯努利大数定律是辛钦大数定律的特殊情况。 说明： （2）辛钦大数定律是算数平均值法则的理论依据。 如要测量一个物体a, 在相同的条件下重复测量n次，得到 当n足够大时，可以 用算术平均值 作为a的近似值 。 练习1：随机从数集{1,2,3,4,5}中有返回的取出n个数 依概率收敛于 , 依概率收敛于 . 由辛钦大数定律， 依概率收敛于3 由辛钦大数定律， 依概率收敛于11 解 二. 中心极限定理 定理5(独立同分布的中心极限定理） 独立同分布，数学期望和方差 都存在 的分布函数为 即 则对任意实数 ，有 说明： （当n充分大时） 例1 一个螺丝钉的重量是一个随机变量，期望值是100克，标准差是10克，求一盒(100个)同型号螺丝钉的重量超过10.2千克的概率。 解 设一盒螺丝钉的重量为X，第i个螺丝钉的 重量为 显然 独立同分布， 由定理5，得到 定理6(李雅普诺夫定理） 独立，数学期望和方差 都存在 则