线代与概率论第四章.pptVIP

第四章 大数定理及中心极限定理 一、切比雪夫不等式 (P107) 二、依概率收敛 三、几个常用的大数定律 第4.2节 中心极限定理 一、基本定理 从而知当n充分大时， 近似服从正态分布 三、小结 第4.2节 中心极限定理 一、基本定理 从而知当n充分大时， 近似服从正态分布 三、小结 李雅普诺夫 定理4.7*(李雅普诺夫定理) 则随机变量之和的标准化变量 定理4.7表明: (如实例中射击偏差服从正态分布) 下面介绍的定理4.8是定理4.6的特殊情况. 二、基本定理 三、典型例题 四、小结 一、动画演示 定理4.6（林德贝格-列维中心极限定理） 定理4.6表明: 近似服从正态分布 解 由定理4.6, 随机变量Z近似服从正态分布N(0,1), 例1 其中 证明 根据第三章第二节例题可知 德莫佛 拉普拉斯 定理4.8(德莫佛－拉普拉斯定理) 根据定理4.6得 定理4.8表明: 正态分布是二项分布的极限分布, 当n充分大时, 可以利用该定理来计算二项分布的概率. 下面的图形表明:正态分布是二项分布的逼近. 中心极限定理的意义 在后面的课程中，我们还将经常用到中心极限定理. 中心极限定理是概率论中最著名的结果之一，它不仅提供了计算独立随机变量之和的近似概率的简单方法，而且有助于解释为什么很多自然群体的经验频率呈现出钟形曲线这一值得注意的事实. 一船舶在某海区航行, 已知每遭受一次海浪的冲击, 纵摇角大于 3o 的概率为1/3, 若船舶遭受了90000次波浪冲击, 问其中有29500～30500次纵摇角大于 3o 的概率是多少？ 解 将船舶每遭受一次海浪的冲击看作一次试验, 并假设各次试验是独立的, 在90000次波浪冲击中纵摇角大于 3o 的次数为X, 则X是一个随机变量, 例2 所求概率为 分布律为 直接计算很麻烦，利用德莫佛－拉普拉斯定理 三个中心极限定理 林德贝格-列维中心极限定理 李雅普诺夫定理 德莫佛－拉普拉斯定理 中心极限定理表明, 在相当一般的条件下, 当独立随机变量的个数增加时, 其和的分布趋于正态分布. 第一节 大数定理 第二节 中心极限定理 若r.v.X的期望和方差存在，则对任意??0，有 这就是著名的切比雪夫(Chebyshev)不等式。 它有以下等价的形式： §4.1 大数定律 设{Xn}为随机变量序列，X为随机变量，若任给?0, 使得 则称{Xn}依概率收敛于X. 可记为 如 意思是:当 a 而 意思是: 时,Xn落在 内的概率越来越大. ,当 1.切比雪夫大数定律 设{Xk,k=1,2,...}为独立的随机变量序列，且有相同的数学期望?，及方差?20，则 即若任给?0, 使得 证明:由切比雪夫不等式 这里 故 2.伯努里大数定律 设进行n次独立重复试验，每次试验中事件A发生的概率为p，记fn为n次试验中事件A发生的频率，则 证明:设 第i次试验事件A发生 第i次试验事件A不发生 则 由切比雪夫大数定理 3. 辛钦大数定律 若{Xk,k=1.2,...}为独立同分布随机变量序列, EXk=? ?, k=1, 2, … 则 推论:若{Xi,i=1.2,...}为独立同分布随机变量序列, E(X1k)= ?, 则 二、典型例题 三、小结 一、基本定理 定理4.6（林德贝格-列维中心极限定理） 定理4.6表明: 近似服从正态分布 解 由定理4.6, 随机变量Z近似服从正态分布N(0,1), 例1 其中 证明 根据第三章第二节例题可知 德莫佛 拉普拉斯 定理4.8(德莫佛－拉普拉斯定理) 根据定理4.6得 定理4.8表明: 正态分布是二项分布的极限分布, 当n充分大时, 可以利用该定理来计算二项分布的概率. 下面的图形表明:正态分布是二项分布的逼近. 中心极限定理的意义 在后面的课程中，我们还将经常用到中心极限定理. 中心极限定理是概率论中最著名的结果之一，它不仅提供了计算独立随机变量之和的近似概率的简单方法，而且有助于解释为什么很多自然群体的经验频率呈现出钟形曲线这一值得注意的事实. 一船舶在某海区航行, 已知每遭受一次海浪的冲击, 纵摇角大于 3o 的概率为1/3, 若船舶遭受了90000次波浪冲击, 问其中