5.1概率与统计课件.pptVIP

第5章 大数定律与中心极限定理;本章概述 大数定律和中心极限定理就是使用极限方法研究大量随机现象统计规律性的。 阐明大量重复试验的平均结果具有稳定性的一系列定律都称为大数定律。 论证随机变量（试验结果）之和渐进服从某一分布的定理称为中心极限定理。; ⒈ 人们在长期的实践中发现，频率以及大量测量值的算术平均值具有稳定性，也就是说，无论个别测量值如何，其平均结果实际上与个别测量值的特征无关，几乎不再是随机的了。这种稳定性问题如何从理论上给出解释？这正是大数定律要解决的问题。;2.不等式的其它(等价)形式; 切比雪夫不等式只利用随机变量的数学期望及方差就可对的概率分布进行估计。 从切比雪夫不等式还可以看出, 对于给定的? 0, 当方差越小时，事件{|X-E(X)|≥?}发生的概率也越小，即X的取值越集中在E(X)附近．这进一步说明方差确实是一个描述随机变量与其期望值离散程度的一个变量． 当D(X)已知时，切比雪夫不等式给出了X与E(X)的偏差小于? 的概率的估计值．;例1 设有一大批种子，其中良种占1/6. 试 估计在任选的 6000 粒种子中, 良种所占比 例与1/6 比较上下小于1%的概率.; 练习 若在每次试验中，A发生的概率为0.5，进行1000次独立试验，估计 A 发生 400～600 次之间的概率。;量的算术平均 则对于任意?＞0，有; 证 因 X1, X2, …, Xn, … 相互独立，所以; 切贝雪夫大数定律表明, 相互独立的随机变量的算术 平均值 与其数学期望的差, 在n充分大时是一个无穷小量,这意味着在n充分大时， 的值将比较紧密地聚集在它的数学期望 附近．;依概率收敛于 ，; 由于各次试验是独立的，因此 X1, X2, …, Xn, …是相互独立的，且;即; 定理4（辛钦大定律） 设随机变量X1, X2, X3, …, Xn ,…独立同分布，且有E(Xk) =?， k =1, 2, …,则对任意ε＞0，有