东华大学卓越计划概率论第5章.ppt

概率论与数理统计 第五章 大数定律及中心极限定理 * * 概率论中有两类极限定理 ⑴ 大数定律：从理论上证明随机现象的“频 率稳定性”，并进一步推广到“算术平均值法 则”。 ⑵ 中心极限定理：证明了独立随机变量标 准化和的极限分布是正态分布或近似正态分 布。 §5.1 大数定律 一、弱大数定理（辛钦大数定理） 设随机变量X1,X2,…,Xn,…相互独立同分布，且 具有有限的数学期望： 令 ， 则 ，有 前n项算术平均 证明：因X1,X2,…,Xn相互独立，故 又由切比雪夫不等式 即 所以 该定理表明，只要n充分大， 以很大 的概率取值接近于数学期望 。 定义：设Y1,Y2,…,Yn,…是一个随机变量序列，a 是一个常数，若对 ，有 则称序列Y1,Y2,…,Yn,…依概率收敛于a。 注意依概率收敛与微积分中的收敛的区别。 微积分中序列 指： 当nN时，恒有 成立。 概率论中序列 为随机变量序列， 依概 率收敛于a指： ，当n充分大，事件 发生的概 率很大，接近于1，即 但并不排除 不发生，可能性很小而已。 例1：设随机变量X1,X2,…,Xn,…相互独立，则 辛钦大数定律成立只须X1,X2,…,Xn,… 【 】 有相同的数学期望； 服从于同一离散型分布； 服从于同一连续随机变量； 服从于同一指数分布。 例2：将一枚骰子重复掷n次，则当 时， n次掷出点数的算数平均值依概率收敛于 。 例3：设随机变量X1,X2,…,Xn独立同服从于 分布，试证明 依概率收敛 于 。 二、伯努利大数定理 设fA是n次独立试验中事件A发生的次数，p是事 件A在每次试验中发生的概率，则对于 ，有 该定理表达了“频率的稳定性” 原理以及“小 概率事件实际几乎不可能发生”的原理。 证明：引入随机变量 则 Xi服从0-1分布且相互独立， 因此X1,X2,…,Xn满足切比雪夫定理的条件， §5.2 中心极限定理 则随机变量 一、中心极限（又称列维-林德伯格）定理 设随机变量X1,X2,…,Xn,…相互独立且同分布， 的分布函数Fn(x)对于任意实数x，满足 事实上， ， 。 即为标准化量。 该定理表明，只要n充分大， 从而便于计算 P{Zn≤x}。 二、德莫佛-拉普拉斯(De Moivre-Laplace)定理 设随机变量 服从参数为n,p(0p1) 的二项分布，则对于任意区间[a,b]，恒有 ⑴ 该定理为中心极限定理的特例。 ⑵ 解决了二项分布中当n很大时的概率计 算问题。 证明：令 ，Xi服从0-1分布。 由中心极限定理， *