随机数学 复习宝典 [整理版][第5章][069页]、所有课件、方便打印.ppt

(3) 用中心极限定理计算在100次抽取中, 数码“0”出现次数在7和13之间的概率. 解：在100次抽取中, 数码“0”出现次数为 由中心极限定理, 近似N(0,1) 即 近似N(0,1) E(Xk)=0.1, D(Xk)=0.09 即在100次抽取中，数码“0”出现次数在 7和13之间的概率为0.6826. =0.6826 近似N(0,1) 小结 三个中心极限定理 独立同分布的中心极限定理 李雅普诺夫定理 德莫佛－拉普拉斯定理 中心极限定理表明, 在相当一般的条件下, 当独立随机变量的个数增加时, 其和的分布趋于正态分布. 李雅普诺夫资料 Aleksandr Mikhailovich Lyapunov Born: 6 Jun. 1857 in Yaroslavl, RussiaDied: 3 Nov. 1918 in Odessa, Russia 德莫佛资料 Abraham de Moivre Born: 26 May. 1667 in Vitry (near Paris), FranceDied: 27 Nov. 1754 in London, England 拉普拉斯资料 Pierre-Simon Laplace Born: 23 Mar. 1749 in Beaumont-en-Auge, Normandy, France Died: 5 Mar. 1827 in Paris, France * * 此定理表明: 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.（教材P131第4题） 由题给条件知，诸Xi独立， 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) 由于E(Y)=1600, D(Y)=160000 由中心极限定理, 近似N(0,1) P(Y1920)=1-P(Y?1920) =1-?(0.8) ?1- =1-0.7881=0.2119 证明 德莫佛－拉普拉斯 (De Moivre – Laplace)定理 根据独立同分布中心极限定理，得 该定理表明: 　　　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. 附：二项分布的概率计算方法 当n不太大(n10)时, 可直接用二项概率公式; 当n较大,而 p较小(np10) 用泊松定理近似; n较大而p又不太小时,用De Moivre-Laplace 中心极限定理. 例2. (供电问题)某车间有200台车床,在生产期间由于需要检修、调换刀具、变换位置及调换工件等常需停车. 设开工率为0.6, 并设每台车床的工作是独立的，且在开工时需电力1千瓦. 　　　问应供应多少瓦电力就能以99.9%的概 率保证该车间不会因供电不足而影响生产? 用X表示在某时刻工作着的车床数， 解：对每台车床的观察作为一次试验， 每次试验观察该台车床在某时刻是否工作， 工作的概率为0.6，共进行200次试验. 依题意， X~B(200,0.6), 现在的问题是： P(X≤N)≥0.999 的最小的N. 求满足 （由于每台车床在开工时需电力1千瓦，N台工作所需电力即N瓦.） 设需N台车床工作， 由德莫佛-拉普拉斯极限定理 近似N(0,1), 于是 P(X≤N)= P(0≤X≤N) 这里 np=120, np(1-p)=48 由3σ准则， 此项为0。 查正态分布函数表得 由 ≥0.999， 从中解得N≥141.5, 即所求N=142. 也就是说, 应供应142 千瓦电力就能以99.9%的概率保证该车间不会因供电不足而影响生产. ≥ 3.1, 故 中心极限定理的意义 在后面的课程中，我们还将经常用到中心极限定理. 中心极限定理是概率论中最著名的结果之一，它不仅提供了计算独立随机变量之和的近似概率的简单方法，而且有助于解释为什么很多自然群体的经验频率呈现出钟形曲线这一值得注意的事实. (李雅普诺夫定理) 则随机变量之和的标准化变量 该定理表明: (如实例中射击偏差服从正态分布) 解 由独立同分布中心极限定理, 随机变量 Z 近似 服从正态分布 N (0,1) , 例３ 其中 一船舶在某海区航行, 已知每遭受一次海浪的冲击, 纵摇角大于 3o 的概率为1/3, 若船舶遭受了90 000次波浪冲击, 问其中