工科概率统计5.pptVIP

高尔顿钉板 概率统计(浙大三版) 机动 目录 上页 下页 返回 结束 第五章、大数定律与中心极限定理 第五章 大数定律 与中心极限定理 一、大数定律 二、中心极限定理 本章要解决的问题 为何能以某事件发生的频率 作为该事件的 概率的估计？ 为何能以样本均值作为总体 期望的估计？ 为何正态分布在概率论中占 有极其重要的地位？ 大样本统计推断的理论基础 是什么？ 答复 大数 定律 中心极 限定理 一、大数定律 1、贝努里（Bernoulli） 大数定律 设 nA 是 n 次独立重复试验中事件 A 发生 的次数, p 是每次试验中 A 发生的概率, 则 有 或 大数定律 证 引入 r.v. 序列{Xk} 设 则 相互独立， 记 由 Chebyshev 不等式 故 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 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： 定义 a 是一常数， (或 依概率 则称 r.v. 序列 收敛于常数 a , 记作 故 是一系列 r.v. 设 有 若 在 Bernoulli 定理的证明过程中，Y n 是相互独立的服从 (0 , 1) 分布的 r.v. 序列 {Xk} 的算术平均值, Y n 依概率收敛于 其数学期望 p . 结果同样适用于服从其它分布的独立 r.v. 序列 Chebyshev 大数定律 相互独立， 设 r.v. 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 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 相 设 r.v.序列 则 有 互独立具有相同的分布，且 记 注3 则 则 连续， 若 §5.2 二、中心极限定理 定 理 一 林德伯格-列维中心极限定理 [ 独立同分布的中心极限定理 ] (Lindberg-levi) 定 理 二 棣莫弗-拉普拉斯中心极限定理 [ 二项分布以正态分布为极限分布 ] (De Moivre-Laplace) 独立同分布的中心极限定理 定理 1 设随机变量序列 独立同一分布, 且有期望和方差： 则对于任意实数 x , 注 则 Y n 为 的标准化随机变量. 即 n 足够大时，Y n 的分布函数近似于标 准正态随机变量的分布函数 记 近似 近似服从 中心极限定理的意义 在第二章曾讲过有许多随机现象服从 正态分布 若联系于此随机现象的随机变量为X ， 是由于许多彼次没有什么相依关 系、对随机现象谁也不能起突出影响，而 均匀地起到微小作用的随机因素共同作用 则它可被看成为许多相互独立的起微小作 用的因素Xk的总和 ，而这个总和服从 或近似服从正态分布. (即这些因素的叠加)的结果. 对此现象还 可举个有趣 的例子—— 高尔顿钉板 试验—— 加 以说明. 0 3 — 钉子层数 德莫佛—拉普拉斯中心极限定理 （DeMoivre-Laplace ） 设 Y n ~ B( n , p) , 0 p 1, n = 1,2,… 则对任一实数 x，有 即对任意的 a b, Y n ~ N (np , np(1-p)) (近似) 定理2 例3 售报员在报摊上卖报, 已知每个过路 人在报摊上买报的概率为1/3. 令X 是出售 了100份报时过路人的数目，求 P (280 ? X ? 320). 解 令Xi 为售出了第 i – 1 份报纸后到售出 第i 份报纸时的过路人数, i = 1,2,…,100 (几何分布) 应用2 相互独立, 由独立同分布中心极限定理, 有 应用1 例4 炮火轰击敌方防御工事 100 次, 每次 轰击命中的炮弹数服从同一分布, 其数学 期望为 2 , 均方差为1.5. 若各次轰击命中 的炮弹数是相互独立的, 求100 次轰击 (1) 至少命中180发炮弹的概率; (2) 命中的炮弹数不到200发的概率. 解 设 X k 表示第 k 次轰击命中的炮弹数 相互独立， 设 X 表示