概率论数学期望.pptVIP

练习2：对于一个学生而言, 来参加家长会的家长人数是一个随机变量. 设一个学生无家长、1名家长、 2名家长来参加会议的概率分别为0.05、0.8、0.15. 若学校共有400名学生, 设各学生参加会议的家长数相互独立, 且服从同一分布. (1) 求参加会议的家长数X超过450的概率; (2) 求有1名家长来参加会议的学生数不多于340的概率. 解 由德莫佛－拉普拉斯定理知, 概率论与数理统计绪论课 正如故乡是用来怀念的，青春就是用来追忆的，当你怀揣着它时，它一文不值，只有将它耗尽后，再回过头看，一切才有了意义——爱过我们的人和伤害过我们的人，都是我们青春存在的意义。 ——致青春 契比雪夫不等式 证明 取连续型随机变量的情况来证明. 切比雪夫不等式 得 切比雪夫不等式的两种等价形式 切比雪夫不等式只利用随机变量的数学期望及方差就可对的概率分布进行估计。 从切比雪夫不等式还可以看出, 对于给定的? 0, 当方差越小时，事件{|X-E(X)|≥?}发生的概率也越小，即X的取值越集中在E(X)附近．这进一步说明方差确实是一个描述随机变量与其期望值离散程度的一个变量． 当D(X)已知时，切贝雪夫不等式给出了X与E(X)的偏差小于? 的概率的估计值． 切比雪夫不等式的用途： （1）证明大数定律；（2）估计事件的概率。 若某班某次考试的平均分为80分，标准差 为10，试估计及格率至少为多少？ 用随机变量X表示学生成绩，则数学期望E(X) = 80，方差D(X) = 100，所以 P{60 ? X ? 100} = P{|X – 80| ≤ 20} 所以及格率至少为75%． 已知n重伯努利试验中参数p = 0.75，问至 少应做多少次试验，才能使试验成功的频率在0.74和 0.76之间的概率不低于0.90？ 设需做n次试验，其中成功的次数为X， 则X～B(n，p)，E(X) = np，D(X) = np(1 – p)。 因为 根据契比谢夫不等式应有 解得 定义： 若存在常数a,使对于任何 依概率收敛 则称随机变量序列{Xn}依概率收敛于a 有 记： 如 意思是:当 a 意思是: 时,Xn落在 内的概率越来越大. ,当 而 皮尔逊 皮尔逊 蒲 丰 德 · 摩根 实验者 罗曼诺夫斯基 发生的频率为 则 正面朝上 “抛硬币”试验 将一枚硬币连续抛 次 ,记 是随机变量列 次试验中 正面朝上 反面朝上 发生的次数 例2 测量一个长度a的物体,一次测量的结果不见得就等于a,量了若干次,其算术平均值仍不见得等于a,但当测量的次数很多时,算术平均值接近于a几乎是必然的. 例1 掷一颗均匀的正六面体的骰子,出现1点的概率是1/6,在掷的次数比较少时,出现1点的频率可能与1/6相差得很大.但是在掷的次数很多时,出现1点的频率接近1/6几乎是必然的. 这两个例子说明: 在大量随机现象中,不仅看到了随机事件的频率具有稳定性,而且还看到大量测量值的平均结果也具有稳定性。 大数定律以确切的数学形式表达了这种规律性,并论证了它成立的条件,即从理论上阐述了这种大量的、在一定条件下的、重复的随机现象呈现的规律性即稳定性. （伯努利大数定律）设 是 次独立重复试 验中事件 发生的次数,且 则 有 令 第 次试验 发生 第 次试验 不发生 则 相互独立 从而 如何证明 机变量列,且具有相同的数学期望和方差,记 （切比雪夫大数定律）设 为相互独立的随 则 有 设随机变量 的方差 存在,则 有 概率论历史上的第一个大数定律，由雅可比·伯努利于1713年发表的著作《猜测术》中提出. 伯努利大数定律、切比雪夫大数定律均要求随机列变量列的方差存在 , 该条件可用 “同分布”来代替 或 （辛钦大数定律）设 是独立同分布r.v列, 存在，则 服从大数定律,即 有 该定理通常称为 独立同分布大数定律 提供了通过试验来确定事件概率的方法. 是数理统计中参数估计的重要理论依据之一. 给出了“频率稳定性”的严格数学解释. 在现实中为什么很多数量指标都服从或近似服从正态分布 研究发现这些指标通常是由大量相互独立的随机因素综合影响而成,即 近似 当 时,在什么情况下 的极限分布是 的极限分布是 中心极限定理 同分布的 r.v 列，其数学期望和方差分别为 则 服从中心极限定理 的分布函数 对任意 满足 设 为独立