概率论于数理统计5.pptVIP

* * 概率论与数理统计 * 5.1 大数定律 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 设随机变量 X 的方差 D ( X )存在，则对于任意实数 ? 0, 有 5.1.1 切比雪夫( chebyshev)不等式 或 当 ? 2? D(X) 无实际意义, 证 仅证连续型 r.v.的情形，设X的概率密度为f(x)，则 例1 设有一大批种子，其中良种占1/6. 试估计在任选的 6000 粒种子中, 良种所占比例与1/6 比较上下小于1%的概率. 解 设 X 表示 6000 粒种子中的良种数 , X ~ B (6000,1/6 ) 实际精确计算 用Poisson 分布近似计算 取? = 1000 例2 设每次试验中，事件 A 发生的概率为 0.75, 试用 Chebyshev 不等式估计, n 多大时, 才能在 n 次独立重复试验中, 事件 A 出现的频率在0.74 ~ 0.76 之间的概率不小于 0.90? 解 设 X 表示 n 次独立重复试验中事件 A发生的次数 , 则 X ~ B(n,0.75) 要使 ，求 n 即 即 由 Chebyshev 不等式，? = 0.01n ,故 令 解得 5.1.2 几个常见的大数定律 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 …… 伯努利（Bernoulli） 大数定律 设 nA 是 n 次独立重复试验中事件 A 发生的次数, p 是每次试验中 A 发生的概率, 则 有 或 证 引入 r.v. 序列{Xk} 设 则 相互独立， 记 由 Chebyshev 不等式 故 在概率的统计定义中, 事件 A 发生的频率 频率 与 p 有较大偏差 是 小概率事件, 因而在 n 足够大时, 可以用频率近似代替 p . 这种稳定称为依概率稳定. Bernoulli大数定律的意义 “ 稳定于”事件 A 在一次试验中发生 的概率是指： 定义 a 是一常数， (或 则称 r.v. 序列 依概率 收敛于常数 a , 记作 故 是一 r.v.序列 设 有 若 在 Bernoulli 定理的证明过程中，Y n 是相互独立的服从 (0 , 1) 分布的 r.v. 序列{Xk} 的算术平均值, Y n 依概率收敛于其数学期望 p . 此结果同样适用于服从其它分布的独立r.v. 序列. Chebyshev 大数定律 相互独立， 设 r.v. 序列 (指任意给定 n 1, 相互独立) 且具有相同的数学期望和方差 则 有 或 定理的意义 当 n 足够大时, 算术平均值几乎是一常数. 具有相同数学期望和方差的独立 r.v.序列的算术平均值依概率收敛于数学期望. 算术 均值 数学 期望 近似代替 可被 注2 相互独立的条件可以 去掉，代之以 注1 不一定有相同的数学 期望与方差，可设 有 下面给出的独立同分布下的大数定律，不要求随机变量的方差存在. 设随机变量序列X1,X2, …独立同分布，具有有限的数学期E(Xi)=μ, i=1,2,…， 则对任给ε 0 ， 辛钦大数定律 辛钦大数定律为寻找随机变量的期望值提供了一条实际可行的途径. 例如要估计某地区的平均亩产量，要收割某些有代表性的地块，例如n 块. 计算其平均亩产量，则当n 较大时，可用它作为整个地区平均亩产量的一个估计. 下面我们再举一例说明大数定律的应用. 定积分的概率计算法 求 的值 我们介绍均值法，步骤是 1) 产生在(0,1)上均匀分布的随机数rn, 2) 计算g(rn)， n=1,2,…,N n=1,2,…,N 即 3) 用平均值近似积分值 求 的值 * *