中国矿业大学周圣武概率论与数理统计5第五章大数定律与中心极限定理.ppt

第五章 第一节 定义1 命题 （切比雪夫Chebyshev不等式） 大数定律的客观背景 几个常见的大数定律 定理2（辛钦定律） 定理3（伯努利大数定律） 例3 如何测量某一未知的物理量a ,使得误差较小？ 例4 如何估计一大批产品的次品率 p ？ 第二节 定理1（独立同分布的中心极限定理） 定理2（棣莫佛-拉普拉斯定理）De Moivre-Laplace 例3 报童沿街向行人兜售报纸，假设每位行人买报 例4 有100台车床彼此独立地工作。每台车床的实 例5 某单位有200台电话分机，每台分机有5%的时间 例6 例7 利用 ⑴ 契比雪夫不等式 的概率为0.2, 且他们是否买报是相互独立的。求报童 向100位行人兜售之后，卖掉15－30份报纸的概率。 解 设报童卖掉报纸的份数为X ， 际工作时间占全部工作时间的80％，求下列事件的 概率。 1、任一时刻有70－86台车床工作。 2、任一时刻有80台以上车床工作。 解 设任一时刻工作的车床台数为X 。 要使用外线通话。假定每台分机是否使用外线是相互独 立的，问该单位总机要安装多少条外线，才能以90%以 上的概率保证分机用外线时不等待？ 解 设有X 部分机同时使用外线，则有 设有N 条外线。由题意有 由德莫佛-拉普拉斯定理得 其中 故 N 应满足条件 设它们是互相独立的随机变量，且都在区间(0,10)上 一加法器同时收到20个噪声电压 服从均匀分布，记 求 P{V 105 }的近似值。 解 由定理1 知 * 大数定律与中心极限定理 一、大数定律 二、中心极限定理 本章是关于随机变量序列的极限理论。 目的是从理论上对第一章中提出的“频率的 稳定性”给出严格的数学证明。 大数定律：对于随机变量序列 描述其平均值 在什么条件下以什么形 式呈现出稳定性。 中心极限定理：对于随机变量序列 其部分和 在什么条件下以正态分布为极限 分布。 大数定律 第五章 一、 切比雪夫Chebyshev不等式 二、几个常见的大数定律 依概率收敛于a ，记为 设随机变量序列 有: 则称 ，如果存 在常数 a ，使得对于任意 请注意 : 或 不等式 成立， 则称此式为切比雪夫不等式。 存在，则对任意 证明 设 X 为连续性（离散型类似），其密度为 设随机变量X 的数学期望 则 注：Chebyshev不等式对随机变量在以 的一个ε邻域外取值的概率给出了一个上界 为中心 可见D(X) 越小，事件 的概率越接近1。 X 的值密集在其数学期望附近的概率越大。 例如：对未知分布X，取 若 例1 一电网有1万盏路灯， 晚上每盏灯开的概率为0.7. 求同时开的灯数在6800至7200之间的概率至少为多少? 解 设X 为同时开的灯数。 由二项分布 用切比雪夫不等式 已知正常男性成人血液中，每一毫升白细胞数 解 设每毫升白细胞数为X 依题意，EX =7300,DX =7002 所求为 由切比雪夫不等式 估计每毫升白细胞数在 5200～9400 之间的概率 . 平均是7300，均方差是700， 利用切比雪夫不等式 例2 即每毫升白细胞数在5200-9400之间的概率不小于8/9。 大量的随机现象中平均结果的稳定性 大量抛掷硬币 正面出现频率 字母使用频率 生产过程中的 废品率 定理1（切比雪夫大数定律） 则 即对任意的ε 0， 设 X1 , X2 , … 是一列相互独立的随机变量序列， 它们都有相同的数学期望 证明 由切比雪夫不等式得： 所以 其取值接近于其数学期望的概率接近于1. 当n充分大时， 差不多不再是随机的了， 注： 且具有相同的数学期望 辛钦 设随机变量序列X1 , X2 , … 独立同分布， 则 辛钦大数定律中，随机变量的方差可以不存在，只要 独立同分布就可以了。 P是事件A发生的概率，则对任给的ε 0，有 或 设nA是n重贝努里试验中事件A发生的次数， 即 证明 引入随机变量 试验中A发生， 试验中A不发生， 显然 且 又由于各次试验相互独立，所以 独立同分布, 则由辛钦大数定律可得 解 在相同的条件下测量n 次，其结果为 ，它们可看成是相互独立、相同分布的 随机变量，并且有数学期望为a . 于是由辛钦大数定律 可知，当 时，有 因此我们可取 n 次测量值 的算术平均值 作为a 得近似值，即 ,当n充分大时误差很小。 由伯努利大数定律可知，当 n 很大时，可取频率 作为次品率 p 的估计值。 大数定律以严格的数学形式表达了随机现象最根本的性质之一： 平均结果的稳定性 中心极限定理 第五章 中心极限定理的客观背景: 常常需要考虑许多随机因素所产生的综合影响. 在实际问题中， 中心极限定理的客观背景 在实际问题中，常常需