概率论与数理统计A：4chapter5（1）大数定理与中心极限定理.pptVIP

* Chapter 4(4) 大数定理与中心极限定理 教学要求： 了解切比雪夫不等式; 2. 了解切比雪夫定理和伯努利定理; 了解林德伯格－列维定理(独立同分布的中心极 限定理)和棣莫佛－拉普拉斯定理(二项分布以正 态分布为极限分布). 我们知道，随机现象的统计规律性，只是在进行大量 重复试验或观测后才能显现出来. 为了研究“大量”的 随机现象，常常要用极限的形式，这就引导到极限定 理的研究. 而大数定理是极限定理中最重要的一种， 是对随机现象平均结果的稳定性的数学描述，大数定 理包括：马尔可夫大数定律、切比雪夫（车贝晓夫） 大数定律、贝努利大数定律、普阿松（泊松）大数定 律、辛钦大数定律. 概率论中有关论证相互独立随机 变量和的极限分布是正态分布的一系列定理称为中心 极限定理，它的内容丰富，有各种各样的定理，这里 只介绍常用的两个中心极限定理. 一、切比雪夫不等式 定理1: (切比雪夫不等式) 证 对于连续型来说， 对于离散型来说， 同样有结论成立. 切比雪夫不等式常直接表示成: ex1.设随机变量X的概率密度为 试证： 证 ex2.用Chebyshev不等式确定，当掷一枚均匀硬币时， 需投多少次才能保证“正面出现频率在0.4到0.6之 间”的概率不小于90%. 解 由题意知投掷一次出现正面的概率为 设需投掷n次才能达到要求， 由切比雪夫不等式得 即至少要投250次. 二、大数定理 定义: 性质: 定理2: (切比雪夫定理的特殊情况) 证 由切比雪夫不等式得 定理3: (伯努利Bernoulli定理) 设nA是n次独立重复试验中事件A发生的次数，p是事 件A在每次试验中发生的概率，则对任意ε0，有 证 用Xk(k=1,2,…,n)表示第k次重复试验中事件A发生 的次数，则有 由定理2, 知 注意: (1)在不通过计算来估计事件概率的大小时，常利用 切比雪夫不等式. (2)切比雪夫定理表明，可用算求平均值来代替数学 期望. 因为求数学期望必须先给出概率分布(或概 率密度)，而实际问题中又难以找到. (3)贝努利定理表明，可用频率来代替概率. 这就是在实际中我们可以用平均值来作为数学期望， 用频率来作为概率的数学依据，值得注意的是n必须 足够大. 三、中心极限定理 定理4: (独立同分布的中心极限定理)