第一节 大数定律(概率论及数理统计).pptVIP

* 第五章 大数定律 与 中心极限定理 5.1 大数定律 一、切比雪夫不等式 定理1 设有随机变量 X ， 则对任一实数 恒有 或者写成等价的形式： 证 以连续型随机变量的情形为例，在离散的情形只 需把下面的求积分变换为求和即可. 设 X 的密度函数为 若随机量 X 服从正态分布： 则由切比 雪夫不等式可得： 在前一章中已经指出： 故有 比较上述结果！ 例1 设有一大批种子，其中良种占1/6. 试 估计在任选的 6000 粒种子中, 良种所占比 例与1/6 比较上下小于1%的概率. 解 设 X 表示 6000 粒种子中的良种数 , X ~ B (6000,1/6 ) 实际精确计算 用Poisson 分布近似计算 取? = 1000 例2 设每次试验中，事件 A 发生的概率为 0.75, 试用 Chebyshev 不等式估计, n 多大 时, 才能在 n 次独立重复试验中, 事件 A 出 现的频率在0.74 ~ 0.76 之间的概率大于 0.90? 解 设 X 表示 n 次独立重复试验中事件 A 发生的次数 , 则 X ~ B(n,0.75) 要使 ，求 n 问题 即 即 由 Chebyshev 不等式，? = 0.01n ,故 令 解得 二、大数定律 定义 设 {Xn} 为一随机变量序列，a 为一常数，若对 任意的 有 则称 { Xn } 依概率收敛于 a , 记作 (*) （*）式也可代之以其等价形式 定理2 （贝努利大数定律） 设 nA 是 n 次独立重复试 验中事件 A 出现的次数， p 是事件 A 在每次试验中发生 的概率，则对于任意给定的正数 有 证 显然，nA 是随机变量，将其记为 X ，则 且 对随机变量 有 使用切比雪夫不等式， 又 由此得 令 注意到概率的非负性，有 即 这说明 这也是前面所提到的频率稳定性的一个数学表示. 在概率的统计定义中, 事件 A 发生的频率 “ 稳定于”事件 A 在一次试验中发生 的概率是指： 频率 与 p 有较大偏差 是 小概率事件, 因而在 n 足够大时, 可以用频 率近似代替 p . 这种稳定称为依概率稳定. 贝努里(Bernoulli)大数定律的意义 定理3 Chebyshev 大数定律 相互独立, 设 随机变量序列 (指任意给定 n 1, 相互独立) 且具有相同的数学期望和方差 则 有 或 定理的意义 当 n 足够大时, 算术平均值几乎是一常数. 具有相同数学期望和方差的独立 r.v.序列的算术平均值依概率收敛于数学期望. 算术 均值 数学 期望 近似代替 可被 证明 由于 由切比雪夫不等式可得 令 注意到概率不能大于1，有 定理4 辛钦大数定律 相互独立, 设 随机变量序列 (指任意给定 n 1, 相互独立) 且具有相同的数学期望 则 有 或 注2 相互独立的条件可以 去掉，代之以 注1 不一定有相同的数学 期望与方差，可设 有