第八章 中心极限定理.pptVIP

山东轻院皮革教研室 第8章中心极限定理（central limit theorem） 第1节 中心极限定理的概念 第2节 中心极限定理 §2 中心极限定理 【例】有一测绘小组对甲乙两地之间的距离采用分段测量的方法进行了测量，将甲乙之间的距离分为100段，每段测量值的误差（单位：cm）服从区间（-1，1）上的均匀分布。求总误差绝对值超过10cm的概率。 德莫佛资料 拉普拉斯资料 李雅普诺夫资料 为什么叫“中心极限定理” 棣莫弗-拉普拉斯中心极限定理是棣莫弗于1730年给出的概率论历史上第一个中心极限定理.在此后的大约200年中，有关对独立随机变量和的极限分布的讨论一直是概率论研究的中心，故称为“中心极限定理”. 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 商学院 商学院 统 计 学statistics 李欣先 Email:lixinxian2005@126.com tongjxxx@163.com 在一定条件下,许多随机变量的极限分布是正态分布:“若一个随机变量X可以看作许多微小而独立的随机因素作用的总后果,每一种因素的影响都很小,都有不起压倒一切的主导作用,则X一般都可以认为近似地服从正态分布。” §1 中心极限定理的概念 例如对某物的长度进行测量,在测量时有许多随机因素影响测量的结果。如温度和湿度等因素对测量仪器的影响,使测量产生误差X1;测量者观察时视线所产生的误差X2;测量者心理和生理上的变化产生的测量误差X3;…显然这些误差是微小的、随机的,而且相互没有影响。测量的总误差是上述各个因素产生的误差之和,即∑Xi。 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。 一般地,在研究许多随机因素产生的总影响时,很多可以归结为研究相互独立的随机变量之和的分布问题,而通常这种和的项数都很大。因此,需要构造一个项数越来越多的随机变量和的序列: 我们关心的是当n→∞时,随机变量和∑Xi的极限分布是什么? 由于无穷个随机变量之和可能趋于∞，因此直接研究∑Xi的极限分布不方便,故先将其标准化为: 再来研究随机变量序列{Yn}的极限分布。 定义：设{Xk}为相互独立的随机变量序列,有有限的数学期望E(Xk)=μk和方差D(Xk)=σk2,令 若对于一切实数x,有 则称随机变量序列{Xk}服从中心极限定理。 定理一[林德贝尔格-勒维(Lindeberg-Levy)定理] :设{Xk}为独立同分布的随机变量序列,且具有数学期望E(Xk)=μ和方差D(Xk)=σ2 ,则随机变量 的分布函数Fn(x),对于任意x,满足 对于均值为 方差 的独立同分布的 l.v 列 有 近似 即或 近似 这些随机因素都是微小的、没有一个因素起到 在实际问题中,如果某数量指标满足 该指标是由大量相互独立的随机因素迭加而成 则这个数量指标近似地服从正态分布 突出的作用 例: 将一颗骰子连掷100次，则点数之和不少于500的概率是多少？ 解:设Xk为第k 次掷出的点数,k=1,2,…,100,则X1,…,X100独立同分布。 由中心极限定理 例:一加法器同时收到20个噪声电压Vk (k=1,2,…,20),它们相互独立且都在区间[0,10]上服从均匀分布,噪声电压总和V=V1+V2+…+V20,求P{V105}的近似值。 解 易知E(Vk)=5,D(Vk)=100/12,由独立同分布的中心极限定理知 近似服从标准正态分布N(0,1),于是 定理二(德莫佛-拉普拉斯极限定理):设随机变量Yn服从二项分布Yn ~B(n,p), (op1),则对于任意x,恒有 注: 此为林德贝尔格-勒维定理的特殊情况。 该定理是概率论历史上第一个中心极限定理,由棣莫弗于1730年给出p=1/2 时的证明,几十年后经拉普拉斯推广到0p1的一般情形. Abraham de Moivre Born: 26 May 1667 in Vitry (near Paris), FranceDied: 27 Nov 1754 in London, England Pierre-Simon Laplace Born