第五章 极限定理[概率与统计].pptxVIP

第五章 极限定理;本章要解决的问题;第一节 大数定律; 1.1 切比晓夫（Chebyshev）不等式: ;（3） 当随机变量X的期望、方差已知而分布未知时，切比雪夫不等式提供了估计事件 {|X -EX|e }或{|X -EX|≥ε}的概率的大小的一种方法。; Ex3：某电网有10000盏灯，夜晚每盏灯打开的概率为0.7,假定 各灯的开、关彼此独立。用切比晓夫不等式估计夜晚同时开着 的灯的数量在6800与7200之间的概率。;例1 已知正常男性成人血液中 ，每一毫升白细胞数平均是7300，均方差是700 . 利用切比雪夫不等式估计每毫升白细胞数在5200~9400之间的概率 .;1.2 切比雪夫大数定律; 概率论中用来阐明大量随机现象平均结果的 稳定性的一系列定理，称为大数定律（law of large number);一、随机变量序列依概率收敛的定义; (3)若X 是一随机变量,且 ,则称随机变量序列 {X n} 依概率收敛于X ，简记为：;定义1.2 若对任何正整数m≥2，X1, X2, …，Xm相互独立，则称 随机变量X1, X2, …，Xn，…是相互独立的，此时，若所有Xi又有相同的分布函数，则称X1, X2, …，Xn，…是独立同分布的随机变量序列。 ;由切比晓夫不等式得：;注：（1）结论等价于;切比晓夫大数定律推论： 设X1, X2, …, Xn, … 是独立同分布的随机变量序列， EXi =? , DXi =? 2 （i=1，2， …），则对于任意的 ? 0，恒有; 这一推论使算术平均值的法则有了理论根据。假使要测量某 一个物理量a ,在不变的条件下重复测量 n 次，得到的观测值x1, x2, …, xn 是不完全相同的，这些结果可以看作是服从同一分布并且期望值为a 的n 个相互独立的随机变量 X1, X2, …, Xn …的试验数值。由推论可知，当n充分大时, 取( ) 作为 a 的近似值，可以认为所发生的误差是很小的。即对于同一个随机变量X 进行 n 次独立观察，则所有观察结果的算术平均数依概率收敛于随机变量的期望值 EX 。 ; 伯努利大数定律; 伯努利大数定律;第二节 中心极限定理; ; 定理2.1(林德贝格-勒维中心极限定理）;林德贝格-勒维中心极限定理(独立同分布的中心极限定理)的意义; 例1:设某商店每天接待顾客100人,设每位顾客的消费额服从[0,60]上的均匀分布,且顾客的消费是相互独立的.求商店的日销售额超过3500的概率。; 例2：一袋盐的重量(千克)是一随机变量,期望为1,方差为0.01,一箱 装有100袋.求一箱中每袋平均重量在0.98至1.02千克之间的概率.; 例3：一射击运动员，在一次射击中所得环数X 的概率分布如 下表所示。问在 100 次射击中所得的总环数介于 900 环与 930 环 之间的概率是多少？超过 950 环的概率是多少？;; 例4：设有 10000 盏电灯,夜晚每一盏灯开灯的概率都是 0.7, 假定 各灯开关彼此独立,求同时开着的灯数在 6800 与 7200 之间的概率。; 例5：食堂为 1000个学生服务，每个学生去食堂吃早餐的概率为0.6, 去与不去食堂用餐忽不影响。问食堂想以99.7% 的把握保障供应， 每天应准备多少份早餐？; 例6：产品为废品的概率为 p = 0.005，求10000 件产品中废品数 不大于 70 的概率。;这一讲我们介绍了中心极限定理;极 限 定 理;极 限 定 理;基本要求: 1 了解随机变量依概率收敛的概念。 2 了解大数定律的意义和内容，理解贝努里、辛钦 及切贝晓夫大数定理。 3 理解中心极限定理的含义及其客观背景,要掌握 独立同分布的中心极限定理和隶莫夫—拉普拉斯 定理,会利用中心极限定理解决一般实际应用问题 重点：中心极限定???及其运用。 难点：证明随机变量服从大数定理。