概率论与数理统计（盛骤 第二版）第4章中心极限定理.pptVIP

* * 一、正态分布的定义 二、正态分布的数字特征 三、正态分布性质 四、中心极限定理 第四章 正态分 布——中心极限定理 基本内容： * * 正态分布是最重要的概率分布(原因)： (1) 很多随机现象可用正态分布描述或近似描述, 例如测量误差、学生成绩，人的身高、体重等 大量随机现象可以用正态分布描述. (2)一般地,大量独立随机变量的和近似地服从 正态分布.(中心极限定理) (3)某些常用分布(如卡方分布,t分布,F分布等) 是由正态分布推导得到的. 问题：在n次独立重复试验（即n重伯努利试验)中，p为一次试验中事件A发生的概率，记?n 为n次试验中事件A发生的次数， * * 则?n ~B(n, p) 试验次数n较大时，计算相当困难，有没有近似计算的方法？ 回顾泊松定理： 当n充分大, p很小 (p0.1), 即 λ=np比较适中时， 看上去简单一点，但仍然是一串很长和式，有没有近似计算的方法？ 分别取n=6,20,50,100, p=0.3 的二项分布图 * * 当n越来越大时，二项分布的概率值渐进为正态曲线，标准化以后即为标准正态分布曲线。 即棣莫弗-拉普拉斯中心极限定理 * * 定理.[棣莫弗-拉普拉斯中心极限定理] 若随机变量 ?n 服从参数为n, p的二项分布，则 则对于任何实数x，有 定理表明，当n充分大时，二项分布的随机变量?n