第4章节 中心极限定理.pptVIP

第四章 大数定律与中心极限定理 §4.1 特征函数 §4.2 大数定律 §4.3 两种收敛性 §4.4 中心极限定理 §4.1 特征函数 定义4.1.1 设 X 是一随机变量，称 ?(t) = E( eitX ) 为 X 的特征函数. (必定存在) 注 意 点(1) 注 意 点(2) 特征函数的计算中用到： 常用分布的特征函数 1）单点分布： 4.1.2 特征函数的性质 性质4.1.1 特征函数的定理 定理4.1.1 §4.2 大数定律 4.2.1 伯努利大数定律 4.2.1 大数定律定义 切比雪夫大数定律 马尔可夫大数定律 辛钦大数定律 注 意 点 (1) 伯努利大数定律是切比雪夫大数定律的特例. §4.3 随机变量序列的两种收敛性 4.3.1 依概率收敛 依概率收敛的性质 4.3.2 按分布收敛—弱收敛 依概率收敛与按分布收敛的关系 4.3.3 判断弱收敛的方法 辛钦大数定律的证明思路 §4.4 中心极限定理 4.4.2 独立同分布下的中心极限定理 4.4.3 二项分布的正态近似 注 意 点 (1) 当n较大时，正态分布是二项分布很好近似。 通常计算二项分布的概率用下式： 注 意 点 (2) 中心极限定理的应用有三类题型： 一、给定 n 和 y，求概率 二、给定 n 和概率，求 y 三、给定 y 和概率，求 n 欲证: 只须证： 讨论独立随机变量和的极限分布, 本节指出其极限分布为正态分布. 4.4.1 独立随机变量和 设 {Xn} 为独立随机变量序列，记其和为 中心极限定理的客观背景 在实际问题中许多随机变量是由相互独立随机因素的综合叠加影响所形成的. 例如：炮弹射击的 落点与目标的偏差， 就受着许多随机因 素（如瞄准，空气 阻力，炮弹或炮身结构等）综合影响的.每个随机因素的对弹着点（随机变量和）所起的作用都是很小的.那么弹着点服从怎样分布呢 ？ 如果一个随机变量是由大量相互独立的随机因素的综合叠加影响所造成的，而每一个别因素对这种综合影响中所起的作用不大. 则这种随机变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. 现在我们就来研究独立随机变量之和所特有的规律性问题. 高 斯 当n无限增大时，这个和的极限分布是什么呢？ 由于无穷个随机变量之和可能趋于∞，故我们不研究n个随机变量之和本身而考虑它的标准化的随机变量. 在概率论中，习惯于把和的分布收敛于正态分布这一类定理都叫做中心极限定理. 定理4.4.1 林德贝格—勒维中心极限定理 设 {Xn} 为独立同分布随机变量序列，数学期望为?, 方差为 ?20，则当 n 充分大时，有 注: 3、虽然在一般情况下，我们很难求出 的分布的确切形式，但当n很大时，可以求出近似分布. 例4.4.1 每袋方便面的净重为随机变量，平均重量为 100克，标准差为10克. 一箱内装200袋方便面，求一箱的净重大于20500克的概率? 解: 设箱中第 i 袋方便面的净重为 Xi, 则Xi 独立同分布， 且 E(Xi)=100，Var(Xi) =100， 由中心极限定理得，所求概率为： = 0.0002 故一箱方便面的净重大于20500克概率为0.0002. (很小) 例4.4.2 设 X 为一次射击中命中的环数，其分布列为 求100次射击中命中环数在900环到930环之间的概率. X P 10 9 8 7 6 0.8 0.1 0.05 0.02 0.03 解: 设 Xi 为第 i 次射击命中的环数，则Xi 独立同分布， 且 E(Xi) =9.62，Var(Xi) =0.82，故 = 0.99979 定理4.4.2 棣莫弗—拉普拉斯中心极限定理 设?n 为服从二项分布 b(n, p) 的随机变量，则当 n 充分大时，有 是林德贝格—勒维中心极限定理的特例. ii) 已知 n 和概率，求y ； iii) 已知 y 和概率，求 n . i) 已知 n 和 y，求概率； 例4.4.3 100个独立工作的部件组成一个系统，每个部件正常工作的概率为0.9 ，求系统中至少有85个部件正常工作的概率. 解：用 由此得： Xi=1