概率论与数理统计5-2中心极限定理.ppt

第5.2节 中心极限定理 一、基本定理 从而知当n充分大时， 近似服从正态分布 二、典型例题 三、小结 李雅普诺夫资料 德莫佛资料 拉普拉斯资料 二、基本定理 三、典型例题 四、小结 一、动画演示 定理（林德贝格-列维中心极限定理） 定理表明: 近似服从正态分布 证明 根据第三章第二节例题可知 德莫佛 拉普拉斯 定理 (德莫佛－拉普拉斯定理) 根据定理4.6得 此定理表明: 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. 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. 解 由定理4.6, 随机变量Z近似服从正态分布N(0,1), 例1 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90000次波浪冲击, 问其中有29500～30500次纵摇角大于 3o 的概率是多少？ 解 将船舶每遭受一次海浪的冲击看作一次试验, 并假设各次试验是独立的, 在90000次波浪冲击中纵摇角大于 3o 的次数为X, 则X是一个随机变量, 例2 所求概率为 分布律为 直接计算很麻烦，利用德莫佛－拉普拉斯定理 三个中心极限定理 林德贝格-列维中心极限定理 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. Aleksandr Mikhailovich Lyapunov Born: 6 June 1857 in Yaroslavl, RussiaDied: 3 Nov 1918 in Odessa, Russia Abraham de Moivre Born: 26 May 1667 in Vitry (near Paris), FranceDied: 27 Nov 1754 in London, England Pierre-Simon Laplace Born: 23 March 1749 in Beaumont-en-Auge, Normandy, FranceDied: 5 March 1827 in Paris, France 某保险公司的老年人寿保险有1万人参加,每人每年交200元. 若老人在该年内死亡,公司付给家属1万元. 设老年人死亡率为0.017,试求保险公司在一年内的这项保险中亏本的概率. 解 设 X 为一年中投保老人的死亡数, 由德莫佛－拉普拉斯定理知, 例3 保险公司亏本的概率 对于一个学生而言, 来参加家长会的家长人数是一个随机变量. 设一个学生无家长、1名家长、 2名家长来参加会议的概率分别为0.05、0.8、0.15. 若学校共有400名学生, 设各学生参加会议的家长数相互独立, 且服从同一分布. (1) 求参加会议的家长数X超过450的概率; (2) 求有1名家长来参加会议的学生数不多于340的概率. 解 例4 根据定理4.6 由德莫佛－拉普拉斯定理知, 证 例5