自考概率论与数理统计大数定律及中心极限定理.pptVIP

例5-4某种电器元件的寿命服从均值为100（单位：小时）的指数分布.现随机抽出16只，设它们的寿命是相互独立的，求这16只元件的寿命的总和大于1 920小时的概率 . 解 设第i只电器元件的寿命为Xi=(i=1,2,…16),　　E(Xi)=100,D(Xi)=1002=10000,　　则 是这16只元件的寿命的总和. E(Y)=100×16=1 600,D(Y)= 160 000， 则所求概率为： 定理5.6(李雅普诺夫定理) 则随机变量之和的标准化变量 定理5.6表明: 下面介绍的定理是定理5.5的特殊情况. 定理5.7: 定理5.7表明: 正态分布是二项分布的极限分布, 当n充分大时, 可以利用该定理来计算二项分布的概率. 下面的图形表明:正态分布是二项分布的逼近. 例5.5 10台机器独立工作，每台停机的概率为0.2， 求3台机器同时停机的概率。 解 (2)计算结果与(1)相差较大，这是由于n不够大。 例5.2 例5.7 产品为废品的概率为0.005，求10000件产品中 废品数不大于70的概率。 解 正态分布和泊松分布虽然都是二项分布的极限分布， 但后者以n→∞，同时p→0，np→λ为条件，而前 者则只要求n→∞这一条件.一般说来，对于n很大， p(或q)很小的二项分布（np≤5）用正态分布来近 似计算不如用泊松分布计算精确. 例5.8 每颗炮弹命中飞机的概率为0.01，求500发炮弹中命中5发的概率. 解 500发炮弹中命中飞机的炮弹数目X ,则 下面用三种方法计算并加以比较： (1) 用二项分布公式计算： (2) 用泊松公式计算，直接查表可得： (3) 用拉普拉斯局部极限定理计算： 可见后者不如前者精确. §3.2 棣莫弗(De Moivre)-拉普拉斯(Laplace)中心极限定理 下面介绍另一个中心极限定理，它是定理1的特殊情况 定理2（棣莫弗－拉普拉斯中心极限定理）设随机变量Zn是n次独立重复试验中事件A发生的次数,p是事件A发生的概率,则对于任意实数x 其中q=1-p,φ（x）为标准正态分布函数. 由棣莫弗-拉普拉斯中心极限定理得到下列结论： （1）在贝努利试验中,若事件A发生的概率为p.又设Zn为n次独立重复试验中事件A发生的频数,则当n充分大时,Zn近似服从正态分布N（np,npq）.（2）在贝努利试验中,若事件中A发生的概率为p, 为n次独立重复试验中事件A发生的频率，则当n充分大时, 近似服从正态分布 解法1 设X为10000个新生儿中男孩个数 则X服从B(n,p)，其中n=10000，p=0.515 由德莫弗-拉普拉斯中心极限定理，所求概率为 设X为10000个新生儿中男孩个数 则女孩不少于男孩的概率为 解法2 【例5-6】设某单位内部有1000台电话分机，每台分机有5%的时间使用外线通话，假定各个分机是否使用外线是相互独立的，该单位总机至少需要安装多少条外线，才能以95%以上的概率保证每台分机需要使用外线时不被占用？ 解：把观察每一台分机是否使用外线作为一次试 验，则各次试验相互独立，设X为1000台分 机中同时使用外线的分机数，则　 X～B（1000，0.05），　　np=1000×0.05=50, 根据题意，设N为满足条件的最小正整数 * * 第五章 大数定律和中心极限定理 概率统计是研究随机变量统计规律性的数学学科, 而随机变量的规律只有在对大量随机现象的考察中才能显现出来.研究大量随机现象的统计规律,常常采用极限定理的形式去刻画,由此导致对极限定理进行研究.极限定理的内容非常广泛，本章主要介绍大数定律与中心极限定理. 识 记 契比雪夫不等式 证明 取连续型随机变量的情况来证明. 一、问题的提出： 得 【例5-1】设X是抛掷一枚骰子所出现的点数,若给定ε=2,2.5，实际计算P{|X-E(X)|≥ε},并验证切比雪夫不等式成立. 解 X的分布律为 所以 　当ε=2时， 当ε=2.5时， 可见，切比雪夫不等式成立 例5.2 设电站供电网有10000盏电灯，夜晚每一盏灯 开灯的概率都是0.7，而假定开、关时间彼此独立， 估计夜晚同时开着的灯数在6800与7200之间的概率. 解 设X表示在夜晚同时开着的灯的数目， 如果用契比雪夫不等式估计： 可见，虽然有10000盏灯，但是只要有供应7200盏 灯的电力就能够以相当大的概率保证够用.事实上， 契比雪夫不等式的估计只说明概率大于0.95，后面 将具体求出这个概率约为0.99999. 契比雪夫不等式