概率论精品课件—附加总复习资料第五章大数定律与中心极限.ppt

伯努利大数定理 独立同分布的中心极限定理 李雅普诺夫定理 则随机变量之和的标准化变量 德莫佛－拉普拉斯定理 三、典型例题 解 例1 根据独立同分布的中心极限定理知 的极限分布是标准正态分布. 解 例2 根据题意, 所求概率为 由中心极限定理有: 作业 第五章习题 第126-127页 第2、8、9、10题 第一节 大数定律 一、问题的引入 二、基本定理 一、问题的引入 实例2　频率的稳定性 　　随着试验次数的增加, 事件发生的频率逐渐稳 定于某个常数. 启示:从实践中人们发现大量测量值的算术平均值有稳定性. 实例1 测量一个物体的长度，真实值为a，记录下n次测量结果： ，当n很大时，算术平均值 。 二、大数定律 辛钦大数定理 设Y1,Y2,...,Yn,...是一个随机变量序列, a是一个常数. 若对于任意正数e, 有 则称序列Y1,Y2,...,Yn,...依概率收敛于a. 记为 辛钦大数定理 分析 引入随机变量 伯努利大数定理 显然 所以 即 亦即 大数定律描述了n个随机变量的算术平均值 在某种条件下收敛到它的数学期望 ，即n个r.v.的算术平均值，它仍是一个r.v.；但当试验次数n无限增大时，此r.v.将趋向于某个常数，即它的数学期望（随机性消失了）。 第二节 中心极限定理 一、基本定理 二、典型例题 一、基本定理 定理一（独立同分布的中心极限定理） 定理一表明: 定理一也表明：当n充分大时  定理二(李雅普诺夫定理定理) 则随机变量之和的标准化变量 证明 定理三(德莫佛－拉普拉斯定理) 因为 ，所以 根据定理一得 定理三表明: 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. 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n增加时, 其和 的分布趋于正态分布 ， 因此，当独立随机变量的个数n充分大时, 不论随机变量服从什么分布，其和的分布可用正态分布来近似。 三、典型例题 解 由中心极限定理知：V近似服从正态分布 例1 将船舶每遭受一次海浪的冲击看作一次试验, 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90 000次波浪冲击, 问其中有29 500～30 500次纵摇角大于 3o 的概率是多少？ 解 并假设各次试验是独立的, 在90 000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 大数定律 二、主要内容 中心极限定理 辛 钦 大 数 定 律 伯努利大数定律 定理一 定理二 定理三 辛钦定理