第四章大数定理与中心极限定理.pptVIP

第四章 大数定理与中心极限定理 * * 大数定理与中心极限定理的应用 概率论 Chebysherv不等式 两个常用大数定理 两个常用的中心极限定理 Chebysherv不等式 一、 Chebysherv不等式 定理： 二、 Chebysherv不等式的应用 概率的估算 例4.1 解：设该地区次小麦品种的亩产量为X. 大数定理 一、大数定律的客观背景 大量随机试验中 大量抛掷硬币 正面出现频率 生产过程 中的废品率 文章中字 母使用频率 The law of large numbers 二、两个常用的大数定理 随机变量序列依概率收敛 Def 大数定理 Chebysherv 定理1 (Chebysherv大数定理) Khintchin 推论： 定理2 (Bernoulli大数定理) Bernoulli 三、大数定理的应用 Khintchin大数定理应用 Bernoulli大数定理应用 寻找随机事件概率提供了一条实际可行的途径 寻找随机变量的期望值提供了一条实际可行的途径 中心极限定理 The law of large numbers 一、中心极限定律的客观背景 在实际问题中许多随机变量是由相互独立随机因素的综 合（或和)影响所形 成。例如：炮弹射 击的落点与目标的 偏差，就受着许多 随机因素（如瞄准， 空气阻力，炮弹或 炮身结构等）综合影响的。每个随机因素的对弹着点（随机 变量和）所起的作用都是很小的。那么弹着点服从怎样分布 呢 ？ 自从高斯发现测量误差服从正态分布之后，人们通过大量的观察和研究发现，正态分布在自然界中极为常见。在概率论中，习惯于把随机变量和的分布收敛于正态分布这一类定理叫作中心极限定理。 二、两个常用的中心极限定律 随机变量序列依分布收敛 Def 定理3(Lindeberg-Levy中心极限定理) 中心极限定理 即: 一个由许多独立同分布随机变量作用形成的随机变量， 其概率分布一定是正态分布。 定理4(De Moivre-Laplace中心极限定理) 三、中心极限定理的应用 Lindeberg-Levy中心极限定理应用 De Moivre-Laplace中心极限定理应用 例4.3 例4.4 0.15 0.80 0.05 2 1 0 *