第八讲 大数定律和中心极限定理实验.pdfVIP

第八讲 大数定律与中心极限定理实验 一、实验目的及意义 (1) 学习依概率收敛和依分布收敛的统计思想和基本原理； (2) 掌握随机模拟和随机逼近的基本方法； (3) 熟悉 Mathematica 软件进行随机模拟的实现方法； (4) 通过范例学习，熟悉随机模拟的基本思想和常用方法。 二、实验内容 (1) 对一些实际问题进行随机模拟建模与分析： (提出假设→确定随机模型→数值模拟计算→结果验证) ； (2) 对一些简单的数学问题进行随机模拟计算； (3) 使用 mathematica 软件包进行随机模拟，分析相应的模拟结果。 在通讯、计算机网络等一些工程应用问题中，通常需要进行大量的仿真模拟，目前采用最多 的随机模拟方法是Monte Carlo 方法，初等概率统计中的大数定律就是该方法的数学原理之 一。 在概率中，一般采用随机变量 X 来描述和分析随机现象，随机变量 X 从本质上来说是一函 数，但随机变量X 这个函数和我们在高等数学中学过的函数稍有所不同： 定义域不同： 等数学中的函数f (x) ，其定义域和值域都是实数R ； 而随机变量X 的定义域是一非常抽象的集合――样本空间Ω 研究方法不同： 实数域R 具有非常好的性质，如它是个全序集，具有拓扑结构和线性结构等等，所以对 其上的函数f (x)我们可研究其是否连续和可导等函数本身的性质； 而样本空间 Ω通常仅仅是一个非空集合而已，没有任何其他可用的数学性质，这样就 无法采用普通函数f (x) 的一些研究方法来研究随机变量X ，而是通过研究随机变量X 的 分布函数 F(x)或其数字特征来研究其统计规律。 但在实际应用中，通常很难得到随机变量 X 的分布函数 F(x)和其数字特征，能收集到的只 是关于该随机变量的一些实验观察数据(称为样本) ，那么如何通过这些样本来得到该随机变 量 X 的分布函数 F(x)或其数字特征，这就成了我们需要解决的关键问题之一。而大数定律 和中心极限定理就为解决上问题提供了一种数学途径。 三、大数定律与中心极限定理的基本内容 大数定律和中心极限定理主要研究的是大数量随机实验的一种极限性质，在初等概率论中涉 及到的随机变量的极限主要有以下三种收敛： 1) 几乎处处收敛 设 {X n }是一列随机变量，X 是一随机变量，若有： P {limX n X } 1 n→∞ 则称随机变量列 {X n }几乎处处收敛到X ，记为 X →X a .e. n 2) 依概率收敛 设 {X n }是一列随机变量，X 是一随机变量，若对 任意的ε 0 ，有： lim P{ X n −X ε} 0 n→∞ 则称随机变量列 {X n }依概率收敛到X ，记为 P X →X . n 3) 依分布收敛 设 {X n }是一列随机变量，X 是一随机变量，记 X 、X 的分布函数分别记为 F (x )和F (x ) ，若对 n n F (x ) 的任一连续点x ，有 lim F (x) F (x) n