3章 随机向量3-4中心极限定理.ppt

§3.4中心极限定理 正态分布的复习 二项分布的复习 X～B(n,p) 列维—林德贝格中心极限定理 定理（列维—林德贝格中心极限定理(i.i.d） 设X1,X2,…,X n,…为独立同分布序列,期望μ,方差σ20, 则当n充分大时, 列维—林德贝格定理的注意事项 (1)一般地,只要n比较大,就可应用以上定理; (2)应用该定理时,需要找出独立同分布的随机变量序列以及它们的期望和方差,再应用正态分布的有关计算方法. 例题讲解 例.用机器包装味精,每袋味精净重为随机变量,期望值为100克,标准差为10克,一箱内装200袋味精,求一箱味精净重大于20500克的概率? 例题讲解（续） 所求为P(X20500)= 棣莫佛---拉普拉斯积分定理 推论: 棣莫佛---拉普拉斯积分定理注意事项 注意(1).它表示当n重 Bernoulli实验次数很大时(n≥100,p接近于0.5),二项分布可用正态分布近似逼近,期望为np,方差为npq . (2)P(X=m)=P(m-0.5X≤m+0.5) 例题讲解 例 设电站供电所有10000盏电灯, 夜晚每一盏灯开灯的概率都是0.7, 而假定开关时间彼此独立, 估计夜晚同时开着的灯数在6800与7200之间的概率. 解 开着的灯数x~B(10000,0.7) 二项分布计算总结 例题讲解 例：设每颗炮弹命中目标的概率为0.01,求500发炮弹中命中 5发的概率。 例题 例.某保险公司多年的统计资料表明,在索赔户中被盗索赔户占20%,随机抽查100户,利用棣莫佛---拉普拉斯积分定理 ,求被盗索赔户不少于14户且不多于30户的近似值. 例题解答（续） 解:设X表示100户中被盗索赔户数,则 中心极限定理的注解 中心极限定理是概率论的一个非常重要的定理, 它原来叫中心极限定律. 对中心极限定理, 只需要记住这样一个描述就行: 如果多个相互独立的随机变量相加, 不管它们是离散的还是连续的或者是任何类型的, 只要它们大小相差并不悬殊, 则加起来以后得到的随机变量, 就近似服从正态分布. 补充练习1 1： 一个螺丝钉的重量是一个随机变量, 期望值是1两, 标准差是0.1两. 求一盒(100个)螺丝钉的重量超过10.2斤的概率.解 设一盒重量为x, 盒中第i个螺丝钉的重量为xi, (i=1,2,...,100). x1,...,x100相互独立, 补充练习2 2:对敌人的防御地段进行100次轰炸, 每次轰炸命中目标的炸弹数目是一个随机变量, 其期望值为2, 方差为1.69. 求在100次轰炸中有180颗到220炸弹命中目标的概率.解 令第i次轰炸命中目标的次数为x, 100次轰炸命中目标次数x=x1+x2+...+x100. Ex=200,Dx=169, 近似有x~N(200, 132) 补充练习3 3: 某车间有200台车床，它们独立地工作着，开工率为0.6，开工时耗电各为1千瓦，问供电所至少要供给这个车间多少电力才能以99.9％的概率保证这个车间不会因供电不足而影响生产？ 续 作业 26 31 41 47 * 浙江财经学院本科教学课程 ----经济数学(三) 概率统计 X~N(μ,σ2) 定理 设X~N(μ,σ2), 则Y~N(0,1). 所以，若X~N(μ,σ2), 则 P(Xa)= P(Xa)= P(aXb)= 定义：若在一次实验中成功的概率为p(0p1), 独立重复进行n次, 则在n次中实验成功的次数X服从的分布为二项分布: 解: 设一箱味精净重为X,箱中第i袋味精净重为Xi,(i=1,2,…,200) 则 X1,X2,…,X200独立同分布, EXi=100, DXi=102=100,且 由独立同分布的中心极限定理得: 1-P(X≤20500) =0.0002 故 一箱味精净重大于20500的概率为0.0002. 特别，若X～Ｂ（n，p）,则当n充分大时， Ｘ～Ｎ（np，npq） 即若随机变量Ｘ～Ｂ(n，p),则对任意实数x有 此处区间越小越精确,习惯上取长度为1的对称区间 1： n≤40, p≤0.4， 2： n≤40,p0.6, 应用以下定理: 定理 若X~B(n,p),且Y=n-X,则Y~B(n,q),其中q=1-p. 3： n≥100,p0.1, 应用Possion定理有 4： n≥100,p 接近于0.5,X~N(np,npq) X～B(n,p) 解: 设X表示命中的炮弹数, 则 X~B(500,0.01) 0.17635 (2)np=λ=5,应用Possion逼近: =0.17547 (3)应用正态逼近: X