概率论和数理统计14.pptVIP

*;大数定律和中心极限定理是概率论的重要基本理论，它们揭示了随机现象的重要统计规律，在概率论与数理统计的理论研究和实际应用中都具有重要的意义。 迄今为止,人们已发现很多大数定律(laws of large numbers)所谓大数定律，简单地说，就是大量数目的随机变量所呈现出的规律，这种规律一般用随机变量序列的某种收敛性来刻画。;依概率收敛 ;大数定律;切比雪夫大数定律;定理的意义：;马尔可夫大数定律;例：;伯努利大数定律;大数定律的重要意义： 伯努利大数定律建立了在大量重复独立试验中事件出现频率的稳定性，正因为这种稳定性，概率的概念才有客观意义，伯努利大数定律还提供了通过试验来确定事件概率的方法，既然频率 与概率p有较大偏差的可能性很小，我们便可以通过做试验确定某事件发生的频率并把它作为相应的概率估计。;辛钦大数定律;作为所求解的近似值。由大数定律可知，如果X1，X2，…，XN独 立同分布，且具有有限期望值（E(X)∞），则 ;例：;中心极限定理; 例如：对某物的长度进行测量,在测量时有许多随机因素影响测量的结果.如温度和湿度等因素对测量仪器的影响,使测量产生误差X1;测量者观察时视线所产生的误差X1;测量者心理和生理上的变化产生的测量误差X3;…显然这些误差是微小的、随机的,而且相互没有影响.; 一般地,在研究许多随机因素产生的总影响时,很多可以归结为研究相互独立的随机变量之和的分布问题,而通常这种和的项数都很大.因此,需要构造一个项数越来越多的随机变量和的序列:; 我们关心的是当n→∞时,随机变量和∑Xi的极限分布是什么?由于直接研究∑Xi的极限分布不方便,故先将其标准化为:; 定义：设{Xk}为相互独立的随机变量序列,有有限的数学期望E(Xk)=μk和方差D(Xk)=σk2,令; (Lindeberg-Levy)定理:设{Xk}为相互独立的随机变量序列,服从同一分布,且具有数学期望E(Xk)=μ和方差D(Xk)=σ2 ,则随机变量;例: 将一颗骰子连掷100次，则点数之和不少于500的概率是多少？;De Moivre-Laplace中心极限定理:设随机变量∑Xi服从二项分布Yn ~B(n,p), (op1),则对于任意x,恒有;例：某运输公司有500辆汽车参加保险，在一年内每辆汽车???事故的概率为0.006，每辆参加保险的汽车每年交保险费800元，若一辆车出事故保险公司最多赔偿50000元．求保险公司一年赚钱不小于200000元的概率． ; 解： 设， 则． 设 ：运输公司一年内出事故的车数．则 ;独立非同分布条件下：; 设独立随机变量序列; 设独立随机变量序列