率论与数理统计5.1+5.2.pptVIP

大数定律 定义：设随机变量 X1, X2, …, Xk, …都存在数学期望，即 若即对于任意正数 ， 有 则称 Xk (k = 1, 2, …) 服从大数定律． 依概率收敛 中心极限定理 定义：设 Xk (k = 1, 2, …) 为相互独立的随机变量序列， 存在数学期望和方差（不一定相等）： E(Xk) = mk ， D(Xk) = sk 2 0 (k = 1,2,…) 若当 n 充分大时， 则称 Xk (k = 1, 2, …) 服从中心极限定理． 例3：设某单位有200台电话机，每台电话机大约有5％的时间使用外线通话。若每台电话机使用外线是相互独立的。问该单位总机至少需要安装多少条外线，才能以90％以上的概率保证每台电话机使用外线时不被占用。 于是 例2 设一货轮在某海区航行，已知每遭 受一次波浪的冲击，纵摇角度大于 的概率 为 。若货轮在航行中遭受了90000 次波 浪冲击，问其中有 29500 至 30500 次纵摇角 度大于 的概率是多少？ 解 可将货轮每遭受一次波浪冲击看作是一次试验，并认为实验是独立的。在 9000次波浪冲击中，纵摇角度大于 的次数记为X ， 所求概率为 显然，要直接计算是困难的。可以利用德莫 的二项分布，其分布列为 佛—拉普拉斯定理来求它的近似值。即有 则 X 为一随机变量，它服从 将 代入有 * 第一节 大数定律 在前面我们已经提到过事件发生的频率 具有稳定性，即随着试验次数的增多，事件 发生的频率逐渐稳定于某个常数。这就充分 说明事件的概率是客观存在的。 在实践中，人们还认识到大量测量值的算术平均值也具有稳定性。这种稳定性就是本节所要讨论的大数定律的客观背景。 在概率论中，用来阐明大量平均结果稳定 性的一系列定理统称为大数定律。 一、切比雪夫不等式 我们已经知道，方差是用来描述一个随机 变量取值的分散程度的。 它具体的估算了随机变量 X 取值时， 以 X 的数学期望为中心的分散程度。 设随机变量 X 有数学期望 和 方差 则对于任意给定的正数 总成立不 等式 （1） 这个不等式对于任何具有方差的随机变 量 X 都成立。 通常称这个不等式为切比雪夫 不等式。 当 时， 为简便起见，下面就连续型随机变量 X 讨论其正确性。 设随机变量 X 的概率密度为 表示随机变量 X 落在区间 之外。 因此，不等式（1）成立。 故有 故切比雪夫不等式又可表示成下面等价形式 不等式（2）给出了在随机变量 X 的分布 未知的情况下，估计随机事件 的概率的一种方法。 由于 与 是对立 事件， 所以 （2） 由切比雪夫不等式（2）可以看出，若方差 越小，则概率 越大，表明 随机变量 X 取值越集中；反之，方差 越大 概率 越小，表明随机变量 X 取 值较分散。由此，我们可以更进一步理解方差 是描述随机变量与其数学期望值的分散程度的量。 这是 常数！ 定理1 （切比雪夫大数定理的特殊情况）设 随机变量 相互独立，且具有 相同的有限数学期望和方差： 。作前 n 个随机变量 的算术平均，记为 则对于任意正数 恒有 即 证明 所以 因为 在上式中令 并注意到概率不能大于1， 由切比雪夫不等式（2）可得 即得 定理 1 表明，当 n 很大时，随机变量 的算术平均 接近于 数学期望 这种接近是 概率意义下的接近。 通俗的说，在定理 1 的 条件下，n 个随机变量的算术平均，当 n 无 限增加时将几乎变成一个常数了。 大数定律讨论的就是依概