概率与统计5.2中心极限定理.pptVIP

中 心 极 限 定 理 电子科技大学 * §5.2 中心极限定理 一. 中心极限定理的定义与意义 引例：高尔顿钉板试验 定义5.2.1 设随机变量X, X1, X2, …的分布函数分别为F( x ),F1( x ), F2( x ), …, 若极限式 在F( x )的每一个连续点上都成立，称随机变量序列{Xk}, k = 1,2,…依分布收敛于X . 记为 定义5.2.2（中心极限定理）设随机变量 { Xk}，k = 1,2,…相互独立，有有限数学期望和方差.若随机变量序列 标准化 对y∈R一致地有 称随机变量序列 {Xk}服从中心极限定理. 注1 随机变量序列 {Xk}服从中心极限定理，指其前n项和 的标准化随机变量 依分布收敛于标准正态分布随机变量X； 注2 解释了现实中哪些随机变量可看服从正态分布； 若随机变量序列{Xk }，k = 1,2,…服从中心极限定理，有 故当n 足够大时，可以认为 近似成立，或 近似成立. 许多相互独立的微小因素Xk的叠加总和. 注3 给出了概率的近似计算公式. 若随机变量序列{Xk }，k = 1,2,…服从中心极限定理，则有 定理5.2.1（林德伯格—列维定理或 独立同分布中心极限定理） 二. 中心极限定理 设{ Xk }, k =1,2…为相互独立, 具有相同分布的随机变量序列, 且E( Xk ) = m, D( Xk ) = s2, 则{ Xk }满足中心极限定理，即 有 装车问题 重复试验次数估计 报亭售报问题 高尔顿钉板试验 定理5.2.2（棣莫佛-拉普拉斯中心极限定理） 设随机变量序列{ Yn }，Yn ~ B( n, p ) ，n =1,2…， 对于任意的实数 x ，有 证明 对于任意正整数n，随机变量Yn 可表示为 Yn = X1＋ X2＋…＋ Xn 其中Xi ~ B( 1, p )，相互独立，并且 E( Xi ) = p , D( Xi ) = p(1－p) 相互独立同分布的随机变量序列{ Xi }, i =1,2,…满足中心极限定理. 即有 结论成立. 若X ~ B( n, p )，对于足够大的n，有 标准化 航船的稳定性 产品抽检件数 中心极限定理应用实例 将一个小球投入无限大高尔顿钉板内,小球 各以 的概率向左或向右移动一格. 例5.2.1 随机游动(高尔顿钉板试验) －1 1 Xk P{Xk=i} {Xk, k∈N+} 是相互独立同分布随机变量序列，令 有 小球在第n 次碰撞后所处位置 试验演示 ? 依分布收敛于标准正态分布随机变量. 由林德伯格—列维定理有 ? 例5.2.2 将一枚均匀硬币连续抛 n 次，试用中心极定理来估计 n ，使下式成立. 其中 A ={ 出现正面 } 解 有P( A )=1/2，令 则随机变量序列{ Xi }，i = 1,2,…是相互独立且同分布的. 而且有 所以随机变量序列{ Xi }，满足独立同分布中心极限定律. 解得 n ≥ 16,641 (次) (250,000次) ? 例5.2.3 一生产线生产的产品成箱包装，每箱的重量是随机的.假设每箱平均重50千克，标准差为5千克. 若用最大载重量为5吨的汽车装运，试利用中心极限定理说明每辆车最多可以装多少箱，才能保障不超载的概率大于0.977. 解 设Xi ，i=1,2,…,n 是装运的第i 箱重量(单位:千克), n是所求箱数. n 箱的总重量为 可将Xi ，i=1,2,…,n 视为独立同分布的随机 变量. 由林德伯格—列维定理知，Tn 近似服从正态分布 . 故 解得 即一辆车最多可以装98箱. ? 例5.2.4 路边有一个售报亭, 每个过路人在报亭买报的概率是 1/3, 求: 正好售出 100 份报纸时的过路人数在 280 到 300 之间的概率。 解 设 X 是正好售出 100 份报纸时的过路人数, Xi 是售出第 i ?1 份报纸后到售出第 i 份报纸时的过路人数, 则 并且随机变量 X1, X2, ··· , X100 独立同分布, 具有分布律: 因 i = 1