§4.1随机变量序列的两种收敛性§4.2特征函数§4.3大数定律讲述.ppt

第四章 大数定律与中心极限定理 §4.1 随机变量序列的两种收敛性 §4.2 特征函数 §4.3 大数定律 §4.4 中心极限定理 §4.1 随机变量序列的两种收敛性 4.1.1 依概率收敛 依概率收敛的性质 4.1.2 按分布收敛、弱收敛 依概率收敛与按分布收敛的关系 辛钦大数定律的证明思路 §4.2 特征函数 特征函数是处理概率论问题的有力工 具，其作用在于： 4.2.1 特征函数的定义 定义4.1.1 设 X 是一随机变量，称 ?(t) = E( eitX ) 为 X 的特征函数. (必定存在) 注 意 点(1) 注 意 点(2) 特征函数的计算中用到复变函数，为此注意： 4.1.2 特征函数的性质 性质4.1.1 4.1.3 常用分布的特征函数 1.泊松分布 P(λ) 特征函数的定理 定理4.1.1 4.1.4 特征函数的应用 §4.3 大数定律 4.3.1 伯努利大数定律 平均值的稳定性 4.3.2 常用的几个大数定律 切比雪夫大数定律 马尔可夫大数定律 辛钦大数定律 注 意 点 (1) 伯努利大数定律是切比雪夫大数定律的特例. §4.4 中心极限定理 4.4.2 独立同分布下的中心极限定理 根据上述定理，当n充分大时，近似地有 4.4.3 二项分布的正态近似 注 意 点 (1) 二项分布是离散分布，而正态分布是连续分 布，所以用正态分布作为二项分布的近似时， 可作如下修正： 注 意 点 (2) 中心极限定理的应用有三大类： 一、给定 n 和 y，求概率 二、给定 n 和概率，求 y 三、给定 y 和概率，求 n 4.4.4 独立不同分布下的中心极限定理 李雅普诺夫中心极限定理 例4.4.7 设 X1, X2 , …. , X99相互独立, 且服从不同的 0-1分布 试求 解: 设 X100, X101, ….相互独立, 且与X99同分布, 则可以验证{Xn}满足? =1的李雅普诺夫条件，且 由此得 2. 利用特征函数法求随机变量的高阶矩 例3 设 ,求X的3阶、4阶原点矩. 作业 习题4.1 第1、2、7、8题 讨论 “概率是频率的稳定值”的确切含义； 给出几种大数定律： 伯努利大数定律、切比雪夫大数定律、 马尔可夫大数定律、辛钦大数定律. 设{Xn}为随机变量序列，a为常数，若任给? 0, 使得 则称{Xn}依概率收敛于a. 可记为 预备知识：依概率收敛 P209 a 意思是:当 时, ,使Xn落在 内的概率越来越大. 而 意思是: ,当 定理4.3.1（伯努利大数定律） 设 ?n 是n重伯努利试验中事件A出现的次数，每次试验中 P(A) = p, 则对任意的 ? 0，有 设{Xn}为随机变量序列，则在一定的条件下，其算术平均 某常数 自学书中：蒙特卡洛法求定积分（随机投点法）的原理介绍 大数定律一般形式： 若随机变量序列{Xn}满足： 则称{Xn} 服从大数定律. 定理4.3.2 若{Xn}两两不相关，且Xn方差存在，有共同的上界，则 {Xn}服从大数定律. 例1 设{Xn}为独立同分布的随机变量序列，且 记 求证：{Yn}服从大数定律. 定理4.3.3 若随机变量序列{Xn}满足： 则 {Xn}服从大数定律. (马尔可夫条件) 例2 习题4.3 第2题 定理4.2.4 推论:若{Xi,i=1.2,...}为独立同分布随机变量序列, 且 ，则 若 为独立同分布随机变量序列, E(Xi )=? 有限, i=1, 2, … ，则 由辛钦大数定律知 应用：利用平均值法 进行随机模拟——计算定积分 (2) 切比雪夫大数定律是马尔可夫大数定律的特例. (3) 伯努利大数定律是辛钦大数定律的特例. 例3 习题4.3 第7题 作业 习题4.3 第1、3、9题 讨论独立随机变量和的极限分布, 在一定条件下极限分布为正态分布. 4.4.1 独立随机变量和 设 {Xn} 为独立随机变量序列，记其和为 中心极限定理的基本思想是：如果有一个随机变量，它受到大量微小的、独立的随机因素的影响，可以看作是一系列相互独立的随机变量叠加的总和，其中每一个个别的随机变量对于总和的作用都是微小的，那么作为总和的随机变量的分布就会逼近于正态分布． 实例: 考察射击命中点与靶心距离的偏差. 这种偏差是大量微小的偶然因素造成的微小误差的总和, 这些因素包括: 瞄准误差、测量误差、