概率大数定律与中心极限定理.pptVIP

概率论与数理统计 第五章 大数定律与中心极限定理 第五章 大数定理与中心极限定理 §5.2 切贝谢夫不等式 §5.1 大数定律的概念 §5.3 切贝谢夫定理 §5.4 中心极限定理 第五章 大数定理与中心极限定理 §5.2 切贝谢夫不等式 §5.1 大数定律的概念 §5.3 切贝谢夫定理 §5.4 中心极限定理 第五章 大数定理与中心极限定理 §5.2 切贝谢夫不等式 §5.1 大数定律的概念 §5.3 切贝谢夫定理 §5.4 中心极限定理 第五章 大数定理与中心极限定理 §5.2 切贝谢夫不等式 §5.1 大数定律的概念 §5.3 切贝谢夫定理 §5.4 中心极限定理 * * 一．切尔谢夫不等式（切比雪夫） 离差 ，方差 描述随机变量 取值的 切尔谢夫不等式： 离散程度。下面的切尔谢夫不等式描述了离差与方差之间的 关系。 ，有 设为 随机变量，有期望 ，方差 ，则 证明: (1) 是连续型 (2) 是离散型 利用期望及方差对 的概率分布进行估计 从而可知方差确是一个描述随机变量与其期望值离散 越小，事件{ }发生的概率也越小. 当 程度的量。 此不等式的作用： 切尔谢夫不等式： ，有 设为 随机变量，有期望 ，方差 ，则 计算 并验证切尔谢夫不等式。 解： 故 例1．设 是掷一颗骰子所出现的点数，若给定 ，实际 1/6 1/6 1/6 1/6 1/6 1/6 P 6 5 4 3 2 1 E x 当 时， 当 时 故验证了 满足切尔谢夫不等式。 解：令 表示在夜晚同时开灯的数目， 例2．设电站供电网有10000盏电灯，夜晚每一盏灯开灯概率 都是0.7，而假定开，关时间彼此独立，估计夜晚同时开着 的灯数在6800到7200之间的概率。 的二项分布， 则精确计算为： 若用切比雪夫不等式估计： 上式表明，只需供应7200盏灯的电力，就能有相当大的概率 切比雪夫不等式在理论上具有重大的意义，但估计精度不高。 保证够用。 它服从参数 概率论与数理统计是研究随机现象统计 规律性的学科. 随机现象的规律性只有在相 同的条件下进行大量重复试验时才会呈现出 来. 也就是说，要从随机现象中去寻求必然 的法则，应该研究大量随机现象. 研究大量的随机现象，常常采用极限形式，由此导致对极限定理进行研究. 极限定理的内容很广泛，其中最重要的有两种: 与 大数定律 中心极限定理 下面我们先介绍大数定律 大量的随机现象中平均结果的稳定性 大数定律的客观背景 大量抛掷硬币 正面出现频率 字母使用频率 生产过程中的 废品率 …… 例1 掷一颗均匀的正六面体骰子，出现“1点”的 。掷的次数的次数少时，出现“1点” 相差很大，但掷的次数很多时， 几乎是必然的。 概率为 频率接近 的频率可能与 出现“1点”的 例2 测量一个长度为a的零件，一次测量结果不见得等于a，测量若干次，其算术平均值仍不见得为a，但测量次数很多很多时，其算术平均值接近a是必然的。 随机事件频率的稳定性 随机事件之平均结果的稳定性 从各种例子可知，在大量随机现象 中，不仅看到了随机事件频率的稳定性， 而且还看到平均结果的稳定性。 即无论个别随机现象结果如何，或者 它们在进行过程中的个别特征如何，大量 随机现象的平均结果实际上与每一个别的 随机现象的特征无关，并且几乎不再是 随机的了。 ① 依概率收敛： 相互独立：若 中任何有限个数是相互独立的， 若存在常数a，使对 ，有 ，则称 随机变量序列 依概率收敛于a 。 ② 则称此序列相互独立。 预备知识: 即这个算术平均后得到的随机变量 将比较密地聚集在它的 一.切尔谢夫大数定律 定理5.1 设 是相互独立的随机变量序列， 有期望 及 方差 ，且 其中 与 无关的 ， 定理5.1表明：在定理条件下，当n充分大时，前n个独立的随机 常数，则对 变量的平均数与其期望值的离散程度很小。 的附近，它与期望之差,当 时,依概率收敛于