第4节 中心极限定理.pptVIP

练习： 补充题 * 第四节 在数学中大家都注意到这样的现象：有时候一个有限的和很难求, 但一经取极限由有限过渡到无限, 则问题反而好办. 例如, 若对某一x,要计算和 而一经取极限，则有 简单的结果 事实证明这是可能的，而且在一般情况下和的极限分布就是正态分布，由此可见正态分布的重要性. 对和的分布收敛于正态分布的这一类极限定理的研究，在长达两个世纪的时期内成了概率论研究的中心课题，因此得到了“中心极限定理”的名称. 本章将列述这类定理中最简单，然而也是最重要的情况. 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的总影响 . 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 . 观察表明，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 每一个别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正态分布. 自从高斯指出测量误差服从正态分布之后，人们发现，正态分布在自然界中极为常见. 中心极限定理，正是从理论上证明，对于大量的独立随机变量来说，只要每个随机变量在总和中所占比重很小，那么不论其中各个随机变量的分布函数是什么形状，也不论它们是已知还是未知，它们的和的分布函数必然和正态分布函数都很近似. 这就是为什么实际中 遇到的随机变量很多都 服从正态分布的原因，也正因为如此，正态分布在概率论和数理统计中占有极其重要的地位 . 下面介绍几个常用的中心极限定理 . 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 . 由于无穷个随机变量之和可能趋于∞，故我们不直接研究 n 个随机变量之和本身，而考虑它的标准化的随机变量 的分布函数的极限 . 独立同分布中心极限定理(列维一林德伯格定理) （证略） 此定理说明,当n充分大时,有 或 将n个观测数据相加时，首先对小数部分按“四舍五入”舍去小数位后化为整数．试利用中心极限定理估计， 例1 解 (1) 当n=1500时，舍入误差之和的绝对值大于15的概率； (2) n满足何条件时，能以不小于0.90的概率使舍入误差 之和的绝对值小于10． 根据列维-林德伯格中心极限定理，当n充分大时 (1) (2) 数据个数n应满足条件： 即当 时，才能使误差之和的绝对值小于10的概率不小于0.90． 一生产线生产的产品成箱包装，每箱的重量是随机的,假设每箱的平均重50千克, 标准差5千克. 若用最大载重量为5吨的汽车承运, 试利用中心极限定理说明每辆车最多可以装多少箱,才能保证不超载的概率大于0.977. 例2 解 由列维-林德伯格中心极限定理,有 总重量 所以 n 必须满足 即最多可以装 98 箱 . 下面给出上述定理的一个重要特例. 棣莫弗-拉普拉斯定理 证 由列维-林德伯格定理可知， 由列维一林德伯格定理可知， 由列维一林德伯格定理可知， 或 即有近似计算公式 例3 设在某保险公司有1万个人参加投保,每人每年付120元保险费.在一年内一个人死亡的概率为0.006,死亡时其家属可向保险公司领得1万元, 问:(1)该保险公司亏本的概率为多少? (2)该保险公司一年的利润不少于40,60,80万元的概率各是多少? 解 设一年内死亡的人数为X,则 由D-L中心极限定理, 即该保险公司亏本的概率几乎为0. (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、变换位置及调换零件等常需停车. 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? 例4 解 某一时刻开动的车床数 要求最小的k,使 由D-L定理, 这里 np=120, np(1-p)=48 查表得 所以若供电141.5千瓦，那么由于供电不足而影响生产的可能性不到0.001，相当于8小时内约有半分钟受影响，这一般是允许的. 某产品次品率p = 0.05,试估计在1000件产品中次品数在 之间的概率 . 例5 解 由棣莫弗-拉普拉斯中心极限定理,有 次品数 次品数 注 由切比雪夫不等式 , 显然这是过于保守的估计. P114 习题三 解 由中心极限定理知, 解 由中心极限定理知, 解 由中心极限定理， 3.某射手打靶,得10分、9分、8分、7分、6分的概率分别为0.5,