第18讲大数定律.pptVIP

  1. 1、本文档共33页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第18讲大数定律

* 概率论与数理统计 第十八讲 切比雪夫不等式和大数定律 经济数学基础 教师:代金辉 一、切比雪夫不等式 这两个不等式统称为切比雪夫不等式 第一节 切比雪夫不等式 注:(1)由切比雪夫不等式可以看出,若DX越小,则事件{|X-E(X)|ε}的概率越大,即随机 变量X 集中在期望附近的程度越大. 这个概率不等式表示什么意义? 如图所示 (2)当方差已知时,切比雪夫不等式给出了r.v X 与它的期望的偏差不小于ε 的概率的估计式即: 如取 切比雪夫不等式也可以写成 1. 设随机变量X的方差D(X)=0.0001, 则由切比雪夫不等式可知 P{|X-E(X)|3×0.01}≥( ). 2. 设P{|X-E(X)|ε}不小于0.9,D(X)=0.009. 则用切比雪夫不等式估计ε的 最小值是( ). 课堂练习 0.3 在前面我们学习了事件的“频率稳定性”, 它是指在大量的实验中某事件发生的频率会稳 定在某个值附近,我们希望能给出严格的数学 证明。 是否当实验次数无限增大时,“频率”的极限就是概率? 第二节 大数定律 设在n重贝努里试验中事件A发生的次数X等于每次试验中事件A发生的次数Xi之和即: 于是事件A发生的频率: 是否会随着n的增大而接近A在一次试验中发生的概率p? 我们将上述思想推广到更一般情况下的随机变量序列: 在什么条件下会有 这就是大数定律要研究的内容。我们学习三种大数定律:切比雪夫、贝努里、辛钦大数定律。 依概率收敛 定义1:设随机变量序列:X1,X2,……,XN,…,如果存在常数 a ,对任意的正数 ε0总有如下极限成立, 则称这个随机变量序列依概率收敛于a。 对任意的n,使不等式 依概率收敛理解 成立的所有样本点构成的事件 的概率即 作为一个数列存在极限1。 也可以理解成:当n充分大后,随机变量Xn与一个常数a的偏差任意小的概率为1。 如果下面两个条件成立 依概率收敛基本性质 (2)z=g (x,y)是在点(a,b)处连续的二元函数 则随机变量 Zn=g (Xn ,Yn)以概率收敛于g(a,b)即: 这个性质我们在矩估计时要用到。 切比雪夫 定理1:设X1,X2, …是独立的随机变量序列, 且每个随机变量有相同的数学期望与方差即 E(Xi)= μ,D (Xi)=σ2 , i=1,2,…,则对任给 ε0成立极限 切比雪夫大数定律 前n个随机变量的算术平均值 证明: 再利用切比雪夫不等式即: 两端取极限得: 再由概率有上界1得: 于是 切比雪夫大数定律表明:独立的随机变量序列{Xn}如果有相同的期望和方差,则前n个随机变量的算术平均 与其数学期望的偏差很小的概率为1。 注 意 贝努利大数定律,是定理1的特例. 贝努利 设nA是n重贝努里试验中事件A发生的次数,p 是事件A 发生的概率,引入 则 是事件A发生的频率 设 nA 是n 重贝努利试验中事件A 发生的次数,p 是事件A 发生的概率,则对任给的ε 0, 贝努利大数定律 贝努利 注:贝努利大数定律表明:当重复试验次数 n 充分大时,事件A 发生的频率与事件A 的概率p 有较大偏差的概率很小。这就是我们要证明的频率稳定性。 下面给出的独立同分布下的大数定律,不要求随机变量的方差存在. 设随机变量序列X1,X2, … 独立同分布,数学期望 E(Xi)=μ, i=1,2,…, 则对任给ε 0 , 辛钦大数定律 辛钦 注: 作业 习题5-1 习题5-2 在实际问题中,常常需要考虑许多随机因素所产生总影响. 例如:炮弹射击的落点与目标的偏差,就受着许多随机因素的影响. 第三节 中心极限定理 由于n个随机变量之和可能趋于无穷大,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Zn的极限分布。 在一定条件下随机变量Zn极限分布常常是标准正态分布,这一类定理都叫做中心极限定理。 独立同分布中心极限定理 定理:设随机变量序列X1,X2, … Xn , …独立同分布,且期望和方差都存在,即 E(Xi)=μ,D(Xi)= σ 2 ,i=1,2,…,则Zn的分布函数极限为标准正态分布的分布函数即: 虽然在一般情况下,我们很难求出X1+X2+ …+Xn 的分布的准确确分布,但当n 很大时可以利用上面的近似分布来求概率,当然概率也是近似的。 或者近似成立 由独立同分布的中心极限定理可得:当n较大时近似成立 棣莫佛-拉普拉斯中心极限定理 此定理表明:当n很大时二项分布的随机变量Xn近似服从正态分布即: 独立地掷10颗骰子,求掷出的点数之和在30到40

文档评论(0)

xcs88858 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

版权声明书
用户编号:8130065136000003

1亿VIP精品文档

相关文档