概率论与数理统计 5.1 切比雪夫不等式和大数定律.ppt

1 *兰州交通大学博文学院 *兰州交通大学博文学院 *兰州交通大学博文学院 第五章、大数定律和中心极限定理 5.1切比雪夫不等式和大数定律 5.2中心极限定理 5.1切比雪夫不等式和大数定律 1、切比雪夫不等式 2、大数定律 定理5.1 设随机变量 X 具有数学期望 E(X) 和方差 D(X) , 则对于任意正数 ε , 不等式 一 、切比雪夫(Chebyshev)不等式 : (2) 可用切比雪夫不等式近似求某一事件的概率 . 证明：仅就X为连续型随机变量的情况进行讨论。 设X的密度为f(x)，X的期望为E(X)=μ 例1、 已知正常男性成人血液中, 单位白细胞数 (单位:个/mL)平均是7300, 均方差是700 . 利用切比雪夫不等式估计单位白细胞数在 5200～9400之间的概率 . 解 设 X 表示成年男性血液中单位白细胞数, 由 题意知 E(X)= 7300, D(X)= 700 2 , 由切比雪夫 不等式得 注 切比雪夫不等式虽然不能准确地求出某事件 的概率, 只是给出一个估计值, 但这在实际 问题的处理中仍然十分有用 . 二、大数定律 一、基本概念: a 是一个常数 , 若对于任意正数 ε , 有 设 Y1 ,Y2 , … , Yn , … 是一个随机变量序列, 1、定义5.1: 则称序列 Y1 ,Y2 , … , Yn , … 依概率收敛于 a , 2、依概率收敛的性质: 函数 g( x , y ) 在点 ( a , b ) 连续 , 则 二、常见的三个大数定理: 1.定理1（伯努利大数定理）设 为n重伯努利实验 中事件A发生的次数，p为每次发生的概率，则 对任意的ε0，有 伯努利大数定律是将概率的统计定义用数学式 先给定的精度 ε 的可能性愈来愈小, 小到可以 表示出来, 它表明随着 n 的增大, 事件 A发生 忽略不计, 这就是说频率是依概率收敛到该事 件发生的概率 . 伯努利大数定律提供了用频率确定概率的理论 率难求 , 可以通过这个定律用事件的频率代替 依据. 在处理实际问题的时候, 如果事件的概 概率 . 例如, 估计某产品的不合格率 p , 可从 该种产品中随机抽取 n 件 , 当 n 很大时, 这 n 件产品的不合格品的比例可作为不合格品率 p 的估计值 . 具有相同的数学期望和方差: 2、定理5.2(切比雪夫定理的特殊情况): 设随机变量 X1 ,X2 , … , Xn , … 相互独立 , 且 作前n个随机变量的算术平均 则对于任意正数 ε , 有 证 由于 由切比雪夫不等式, 得 由概率性质知 定理5.2表明, 当 n 很大时, 随机变量 X1 ,X2 , … , Xn 当然这种接近是在概率意义下的接近 . 有定理5.2 作保证, 当变量数学期望未知的时候, 可以选择一 些与该变量独立且有相同数学期望的随机变量, 用 它们的算术平均数作为数学期望的估计值, 选取的 随机变量个数越多, 估计程度就越好, 这在实际问 题的处理中是十分有用的 . 同一分布, 具有数学期望 3、定理5.3(辛钦定理): 设随机变量 X1 ,X2 , … , Xn , … 相互独立 , 服从 则对于任意正数 ε , 有 X1 ,X2 , … , Xn … 相互独立, 服从同一分布且具有数 伯努利大数定律是辛钦定理的特殊情况 . 在实际 问题的处理中辛钦定理十分有用也很重要 . 事实上, 由辛钦定理可知, 如果随机变量 学期望 μ , 则前 n 个随机变量的算术平均值 依概率收敛于它们的数学期望 μ . *兰州交通大学博文学院 *兰州交通大学博文学院 *兰州交通大学博文学院