第四章：中心极限定理.ppt

第四章 中心极限定理 切比雪夫不等式 大数定律 中心极限定理 4.1. 切比雪夫不等式 4.2 大数定律与中心极限定理4.2.1 大数定律一.依概率收敛 二.几个常用的大数定律 4.3. 中心极限定理一.依分布收敛 二.几个常用的中心极限定理 2.德莫佛-拉普拉斯中心极限定理(De Moivre-Laplace) * * 若r.v.X的期望和方差存在，则对任意??0，有 这就是著名的切比雪夫(Chebyshev)不等式。 它有以下等价的形式： 大数定律 已知某种股票每股价格X的平均值为1元，标准差为0.1元，求a,使股价超过1+a元或低于1-a元的概率小于10%。 解:由切比雪夫不等式 令 设{Xn}为随机变量序列，X为随机变量，若任给?0, 使得 则称{Xn}依概率收敛于X. 可记为 切比雪夫不等式 如 意思是:当 a 而 意思是: 时,Xn落在 内的概率越来越大. ,当 1.切比雪夫大数定律 设{Xk,k=1,2,...}为独立的随机变量序列，且有相同的数学期望?，及方差?20，则 即若任给?0, 使得 证明: 这里 故 由切比雪夫不等式 2.伯努里大数定律 设进行n次独立重复试验，每次试验中事件A发生的概率为p，记fn为n次试验中事件A发生的频率，则 证明:设 第i次试验事件A发生 第i次试验事件A不发生 则 由切比雪夫大数定理 3. 辛钦大数定律 若{Xk,k=1,2,...}为独立同分布随机变量序列, EXk=? ?, k=1, 2, … 则 推论:若{Xi,i=1.2,...}为独立同分布随机变量序列, E(X1k)= ?, 则 设{Xn}为随机变量序列，X为随机变量，其对应的分布函数分别为Fn(x), F(x). 若在F(x)的连续点，有 则称{Xn}依分布收敛于X. 可记为 1.独立同分布中心极限定理(Levy-Lindeberg) 设{Xn}为独立同分布随机变量序列，若EXk=??，DXk= ?2 ?，k=1, 2, …, 则{Xn}满足中心极限定理。 根据上述定理，当n充分大时 例1. 将一颗骰子连掷100次，则点数之和不少于500的概率是多少？ 解:设 Xk为第k 次掷出的点数,k=1,2,…,100,则 X1,…,X100独立同分布. 由中心极限定理 设随机变量?n(n=1, 2, ...)服从参数为n, p(0p1)的二项分布，则 证明:设 第i次试验事件A发生 第i次试验事件A不发生 则 由中心极限定理,结论得证 * * *