章大数定律及中心极限定理.pptVIP

练习： 练习： 补充题： 习题课 END 一生产线生产的产品成箱包装，每箱的重量是随机的,假设每箱的平均重50千克,标准差5千克. 若用最大载重量为5吨的汽车承运,试利用中心极限定理说明每辆车最多可以装多少箱,才能保证不超载的概率大于0.977. 例2 解 由列维-林德伯格中心极限定理,有 总重量 所以n必须满足 即最多可以装98箱. 下面给出上述定理的一个重要特例。 棣莫弗-拉普拉斯(De Moivre-Laplace)中心极限定理 证 由列维一林德伯格定理可知， 由列维一林德伯格定理可知， 由列维一林德伯格定理可知， 或 即有近似计算公式 例3 设在某保险公司有1万个人参加投保，每人每年付120元保险费. 在一年内一个人死亡的概率为0.006，死亡时其家属可向保险公司领得1万元，问: (1) 该保险公司亏本的概率为多少? (2) 该保险公司一年的利润不少于40,60,80万元的概率各是多少? 解 设一年内死亡的人数为X,则 由D-L中心极限定理, 即该保险公司亏本的概率几乎为0. (供电问题)某车间有200台车床,在生产期间由于需要检修、调换刀具、变换位置及调换零件等常需停车. 设开工率为0.6, 并设每台车床的工作是独立的，且在开工时需电力1千瓦.问应供应多少瓦电力就能以99.9%的概率保证该车间不会因供电不足而影响生产? 例4 解 某一时刻开动的车床数 要求最小的k,使 由D-L中心极限定理, 查表得 所以若供电141.5千瓦，那么由于供电不足而影响生产的可能性不到0.001，相当于8小时内约有半分钟受影响，这一般是允许的。 例5 某产品次品率 p = 0.05, 试估计在1000件产品中次品数在 40~60 之间的概率 . 解 次品数 由D-L中心极限定理, 次品数 注 由切比雪夫不等式, 显然这是过于保守的估计. 解 例6 已知生男孩的概率为0.515，试用中心极限定理求在10000个新生婴儿中女孩不少于男孩的概率。 设X为10000个新生婴儿中男孩的个数, 由D-L中心极限定理, 所以 P107 习题 5-2 1. 3.某射手打靶,得10分、9分、8分、7分、6分的概率分别为0.5,0.3,0.1,0.05,0.05. 现独立射击100次,求总分在900分与930分之间的概率 . 解 由中心极限定理知, 解 由中心极限定理知, 解 由中心极限定理， 3.某射手打靶,得10分、9分、8分、7分、6分的概率分别为0.5,0.3,0.1,0.05,0.05. 现独立射击100次,求总分在900分与930分之间的概率 . * 第五章 在数学中大家都注意到这样的现象：有时候一个有限的和很难求, 但一经取极限由有限过渡到无限, 则问题反而好办. 例如, 若对某一x,要计算和 而一经取极限，则有 简单的结果 事实证明这是可能的，而且在一般情况下和的极限分布就是正态分布，由此可见正态分布的重要性。对和的分布收敛于正态分布的这一类极限定理的研究，在长达两个世纪的时期内成了概率论研究的中心课题，因此得到了“中心极限定理”的名称。本章将列述这类定理中最简单，然而也是最重要的情况。 在概率论中，另一类重要的极限定理是所谓“大数定律”。 在第一章中我们已经讨论了“频率的稳定性”。 大量的重复试验中，事件A发生的频率接近某个常数，这个常数实际上就是事件发生的概率。“大数”的意思，就是指试验数目是大量的。 §1 大数定律 随机变量的方差是刻画它围绕其期望值的离散程度的，因此我们希望用方差来估计随机变量与其期望值之间的偏差大于某一给定正数的概率的上界。 定理 成立. 一、切比雪夫不等式 证 设X是连续型随机变量，其概率密度为f(x),则 定理 成立. 上式可改写为 切比雪夫不等式具体地估算了随机变量X取值时，以数学期望E(X)为中心的分散程度。不难看出，方差D(X)越小，则随机变量X的取值越集中在数学期望E(X)的附近，由此可以进一步体会到方差的概率意义，它刻划了随机变量的分散程度。 如取 例1 已知正常男性成人血液中，每一毫升白细胞数平均是7300，均方差是700 . 利用切比雪夫不等式估计每毫升白细胞数在5200~9400之间的概率 . 设每毫升白细胞数为X ， 依题意，E(X) = 7300, D(X) = 7002 ， 解 由切比雪夫不等式， 例2 根据过去统计资料，某产品的次品率为p=0.05，试用切比雪夫不等式估计1000件产品中，次品数在40~60之间的概率. 解 设X表示1000件产品中的次品数，则 由切比雪夫不等式， 该数值是非常保守的估计，事实