概率论及数理统计5.ppt

切比雪夫不等式用于：估计概率、 证明不等式。 利用中心极限定理： 求区间内的概率 已知概率求 n 的值。 例4：某市保险公司开办一年人身保险业务,被保人每年需交付保费160元。若一年内发生重大人身事故，其本人或家属获赔付金2万元。己知该市人员一年内发生重大人身事故的概率为0.005，现有5000人参加此项保险。求保险公司一年内从此项业务所得到的总收益在20万元到40万元之间的概率。 解：设X表示5000人中在一年内发生重大人身事故的人数，则 X ~ B(5000,0.005), E(X)=25，D(X)=24.875 P(20万元≤总收益≤40万元) =P(20≤0.016×5000-2X≤40) 例5：设某单位设置一台电话总机,共有200个分机,设每个分机有5%的时间要使用外线通话,并且每个分机使用外线与否是相互独立的,该单位需要多少外线才能保证每个分机要使用外线时可供使用的概率达到0.9? 解: 设单位需要n条外线，设随机变量X表示任一时间需要使用外线的分机数，则 X ~ B(200,0.05) E(X)= 200*0.05=10， D(X)= 200*0.05*0.95=9.5 保证每个分机要使用外线时可供使用的概率达到0.9 练习：重复做10000次独立试验，A在每次试验中发生的概率为p，分别利用切比雪夫不等式和中心极限定理估计：用A在10000次试验中发生的频率作为概率的p的估计值时误差小于0.01的概率的近似值。 小 结 本章介绍了大数定律和中心极限定理 中心极限定理表明：对于独立的随机变量序列 {Xn} ，不管Xi (i=1,2,…,n)服从什么分布，只要它们是同分布，且有有限的数学期望和方差，那么当n充分大时，这些随机变量之和近似地服从正态分布，即 * * 概率论与数理统计是研究随机现象统计规律性的一门学科。 随机现象的统计规律性只有在相同条件下进行大量的重复试验才能呈现出来。所以，要从随机现象中去寻求统计规律性，就应该对随机现象进行大量的观测。 研究随机现象的大量观测，常采用极限形式，由此导致了极限定理的研究。极限定理的内容很广泛，最重要的有两种： “大数定律”和“中心极限定理” 对随机现象进行大量重复的观测，各种结果的出现的频率具有稳定性。 大数定律 大量地掷硬币 正面出现频率 字母使用频率 生产过程 中废品率 切比雪夫不等式 定理: 设随机变量X 的数学期望E(X)=? ，方差D(X)=? 2，则对任给的ε 0, 有 或 估计不等式 在随机变量X的分布未知的情况下，只利用X的期望和方差，即可对X的概率分布进行估计。 证明：只对X 是连续型情况加以证明。 设X 的概率密度函数为 f(x)，则有 放大被积函数 放大积分区间 由切比雪夫不等式可以看出：若 越小,则事件{|X-E(X)|≤ε }的概率越大，即随机变量X 集中在期望附近的可能性越大. 切比雪夫不等式的应用 例：已知正常男性成人血液中，每毫升白细胞数的平均值是7300，均方差是700，利用切比雪夫不等式估计每毫升血液含白细胞数在5200~9400之间的概率。 解：设X表示每毫升血液中含白细胞个数，则 设随机变量X的方差为2.5，利用切比雪夫不等式估计概率 答： 几个常见的大数定律 定理1：切比雪夫大数定律 设随机变量序列 X1, X2, … 相互独立，具有相同的期望和方差:E(Xi)=? , D(Xi) =? 2 (i=1, 2, …) ，则对任意的ε 0，有 记 令 n→∞，并注意到概率小于等于1，有结论: 证明： 设X表示在n次独立重复试验中事件A发生的次数，p是每次试验中事件A发生的概率，即 X ~ B(n, p) 引入 定理2：伯努利大数定律 ------频率的稳定性 则X1, X2, …, Xn 相互独立,都服从0-1分布,且 定理：伯努利大数定律 ------频率的稳定性 设X是 n 次独立重复试验中事件A发生的次数，p是事件A在每次试验中发生的概率，则对于任意正数ε，恒有 伯努利大数定律表明：当重复试验次数n充分大时，事件A发生的频率X / n与事件A发生的概率 p 有较大偏差的概率很小。即从理论上严格证明了频率具有的稳定性。 定理的应用：可通过多次重复一个试验，确定事件A在每次试验中出现的概率