农大概率论教学课件[7).ppt

一、独立同分布随机变量序列的中心极限定理 二、二项分布的正态近似 第四章 第四节 中心极限定理 中心极限定理的客观背景: 在实际问题中，常常需要考虑许多随机因素所产生总影响. 例如：炮弹射击的落点与目标的偏差，就受着许多随机因素的影响. 空气阻力所产生的误差； 对我们来说重要的是这些随机因素的总影响. 如: 瞄准时的误差； 炮弹或炮身结构所引起的误差； …… 等等. 泊松分布 λ＝1 λ＝2 λ＝3 λ＝6 对此现象还可举个有趣的例子—— 高尔顿钉板 试验 0 3 — 钉子层数 大数定律解决： 接下来我们讨论： 的极限分布问题。 准备知识：依分布收敛 设随机变量 的分布函数分别为 及 F(x)，如果在 F(x) 的连续点 x 处，有 则称 依分布收敛于 X，记为 连续性定理 设 有特征函数 , 有特征函数 , 则 依分布收敛到 X 的充要条件是对任意 t， 由于无穷个随机变量之和可能趋于∞，故我们不研究 n个随机变量之和本身而考虑它的标准化的随机变量 的分布函数的极限. 可以证明，满足一定的条件时，上述极限分布是标准正态分布. 中心极限定理 这就是下面要介 绍的 独立同分布的中心极限定理 设随机变量序列 独立同分布, 且有期望和方差： 定理 1 定义： 及标准化： 即对任意实数 x , 则 注: 它表明，当 n 充分大时，方差存在的 n 个独立同分布的 r.v 之和近似服从正态分布. 即 n 充分大时，有 由连续性定理，只需证 的特征函数 证明： 收敛到 N(0,1) 的特征函数。 即要证 首先，设 此时， 令 则有 考虑φ(t) 在 0 点的 Taylor 展开， 则有 对于一般的 令 则 则亦有 0 3 — 钉子层数 令 例1 某人在计算机上平均每天上网 5 小时，标准差是 4 小时，求此人一年内上网的时间小于 1700 小时的概率。 解 令此人第 i 天上网的时间为 Xi , i = 1,2,…,365 相互独立, 由独立同分布中心极限定理, 有 例2 售报员在报摊上卖报, 已知每个过路人在报摊上买报的概率为1/3. 令X 是出售了100 份报时过路人的数目，利用中心极限定理求 P(280 ? X ? 320). 解 令 Xi 为售出了第 i – 1 份报纸后到售出第 i 份报纸时的过路人数, i = 1,2,…,100 (几何分布) 相互独立, 由独立同分布中心极限定理, 有 定理2 (棣莫佛－拉普拉斯(De.Moivre-Laplace) 中心极限定理） 设n重Bernoulli试验中, 事件A在每次试验中出现的概率为 p(0p1), 为n次试验中A出现的次数,则对任意y，有 注1: 一般地, p 较小时,二项分布用Poisson分布近似.而当 n 很大，n p 5 和 n (1-p)5 时，服从二项分布r.v.的近似分布用正态分布 N(np, np(1-p))较好. 注2: 近似中的修正 因为二项分布是离散分布, 而正态分布是连续分布,所以用正态作二项分布的近似时, 作些修正可以提高精度. 若k1k2均为整数, 一般先作如下修正后再用正态近似 称0.5为连续性修正因子 注3: 三类计算问题 在中心极限定理 中, 记 , 则上式可用来解决三类问题： (1)已知 n, y , 求β. (2)已知 n, β, 求 y. (3)已知 y, β, 求 n. 例1 某保险公司多年的统计资料表明，在索赔户中被盗索赔户占20％，以 X 表示在随意抽查的100个索赔户中因被盗向保险公司索赔的户数，利用中心极限定理求被盗索赔户不少于14户且不多于30户的概率。 解 X ~ B(100, 0.2) , X ~ N (20, 16) (近似) 由中心极限定理, 有 例2 某产品的合格品率为 99％，问包装箱中应该装多少个此种产品，才能有 95％ 的可能性使每箱中的合格品多于100个。 解 设包装箱中装有n 个产品， X 为合格品数 , 则 X ~ B( n, 0.99) , X ~ N (0.99n, 0.99×0.01×n) (近似) 由中心极限定理, 有