概率论与数理统计第5章第2节.ppt

第二节 中心极限定理 中心极限定理的应用 下面我们举例说明中心极限定理的应用 * * 中心极限定理的客观背景 在实际问题中，常常需要考虑许多随机因素所产生总影响. 例如：炮弹射击的落点与目标的偏差，就受着许多随机因素的影响： 空气阻力所产生的误差， 对我们来说重要的是这些随机因素的总影响. 如瞄准时的误差， 炮弹或炮身结构所引起的误差等等. 如果一个量是由大量相互独立的随机因素的影响所造成，而每一个因素在总影响中所起的作用不大. 则这种量一般都服从或近似服从什么分布？ 问题提出： 这个问题抽象为概率论的内容，就是研究n个独立随机变量之和的概率分布问题. 当n无限增大时，这个和的极限分布是什么呢？ 在概率论中，习惯于把和的分布收敛于正态分布这一类定理都叫做中心极限定理. 我们只讨论几种简单情形. 下面给出的独立同分布随机变量序列的中心极限定理, 也称列维一林德伯格（Levy－Lindberg）定理. 定理1（独立同分布的中心极限定理） 设X1,X2, …,Xn…是独立同分布的随机变量序列，且E(Xi)= ，D(Xi)= ，i=1,2,…,，则 定理表明，当n充分大时，n个具有期望和方差 的独立同分布的随机变量之和近似服从正态分布. 近似 近似 定理2 德莫佛 — 拉普拉斯中心极限定理 （DeMoivre-Laplace ） 设 Y n ~ B( n , p) , 0 p 1, n = 1,2,… 定理表明，正态分布是二项分布的极限分布. Y n ~ N (np , np(1-p)) 近似 则对任一实数 ，有 近似 实用中，n 30, np 10时正态近似的效果较好. 例1 根据以往经验，某种电器元件的寿命服从均值为100小时的指数分布. 现随机地取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1920小时的概率. 由题给条件知，诸Xi独立同分布， 16只元件的寿命的总和为 解: 设第i只元件的寿命为Xi , i=1,2, …,16 E(Xi)=100, 分析： 求的是16个独立且均服从指数分布的 随机变量和的概率分布问题 D(Xi)=10000 诸Xi独立同分布, 16只元件的寿命的总和为 解: 设第i只元件的寿命为Xi , i=1,2, …,16 E(Xi)=100,D(Xi)=10000 依题意，所求为P(Y1920) E(Y)=1600, D(Y)=160000 由中心极限定理, P(Y1920)=1-P(Y?1920) =1-?(0.8) ?1- =1-0.7881=0.2119 近似服从 例2 为了测量A,B两地的距离，采取分段测量相加的方法，现将A,B两地距离分成100段来测量，设每段测量值的误差服从（-1，1）上的均匀分布（单位：厘米），问测量值总和产生 的总误差的绝对值超过10厘米的概率为多少？ 解： 设 为第i段的误差 i=1,2,…100 由题给条件知,诸Xi独立同分布, 分析： 求的是100个独立且均服从均匀分布的 随机变量和的概率分布问题 由中心极限定理, 近似服从 例3 设有一大批种子，其中良种占1/6.求在任选(有放回）的6000粒种子中，良种所占比例与1/6比较上下小于1%的概率. 解:设X表示6000粒种子中的良种数,则 X ~ B(6000,1/6) 由中心极限定理, 近似 欲求： 用正态分布近似计算 近似 用Chebyshev 不等式 用二项分布(精确结果) 用Poisson 分布 用正态分布 比较几个计算结果 X ~ B(6000,1/6) 例4 某车间有200台车床，每台独立工作，开工率为0.6. 开工时每台耗电量为 r 千瓦.问供电所至少要供给这个车间多少电力,才99.9% 的概率保证这个车间不会因供电不足而影响生产？ 解 设至少要供给这个车间 a 千瓦的电力 设 X 为200 台车床的开工数. X ~ B(200,0.6) , 问题转化为求 a , 使 X ~ N (120, 48) (近似) 由于X ~ N (120, 48) (近似) 反查标准正态函数分布表，得 令 解得 (千瓦) 至少要供给这个车间 141 千瓦的电力 例5 设甲，乙两个商店销售某商品竞争2000位顾客，若每位顾客随意地选择一个商场且其选择相互独立。问每个商场应组织多少件商品才能保证因脱销而使得顾客离去的概率小于1%（设每位顾客只购该商品一件） 解： 两商场情况一样，下面仅考虑甲商场 设甲商场组织N 件商品 诸Xi独立同分布, 则Y为选择了甲商