[理学]第五章大数定律与中心极限定理.pptVIP

解 设 表示第 i 组命中目标 的炮弹数 由题设 则 作为定理 四 的特殊情况，我们给出下面的定理。 定理六 （德莫佛—拉普拉斯定理） 设随机变量 服从参 数为 的二项分布， 则对于任意x，恒有 即 * 第五章 大数定律与中心极限定理 在大量随机现象中,我们不仅看到随机事件频率的稳定性,而且还看到一般的平均结果的稳定性.概率论中用来阐明大量随机现象平均结果的稳定性的一系列定理统称为大数定律.大数定律是一种表现必然性与偶然性之间的辩证联系的规律.由于大数定律的作用,大量的随机因素的总和作用必然导致某种不依赖于个别随机事件的结果. §5.1 大数定律 定理一 （契比雪夫定理的特殊情况）设随机变量 相互独立，且具有相同的数学期望和方差： 作前 n 个随机变量的算术平均， 记为 即 则对于任意正数 恒有 （1.1） 契比雪夫不等式复习 设随机变量X具有数学期望 则对于任意正数 不等式 即 或 证明 由于 由契比雪夫不等式 即得 （1.1）式中， 是一个 随机事件，等式表明，当 时，这个事件的概率趋于 1，即对于任意正数 当 n 充分大时， 不等式 几乎都是成立的通常我们称序列 依概率收敛于 。 一般地，设 为一个随机变量序列， a 是一个常数，若对于任意正数 都有 则称随机变量序列 依概率收敛于 a 记为 定理 1 表明当 n 很大时，随机变量 的算术平均 接近于数学期望 这种接近是概率意义下的接近。 通俗的说，在定理 1 的条件下，n 个随机变量的算术平均，当 n 无限增加时将几乎变成一个常数了。 ? = n i i X n 1 1 定理二 （伯努利大数定理）设在 n 次独立试验中事件 A 发生的次数为 ，在每次试验中事件 A 发生的概率为 p，则对于任意给定的正数ε＞0 ，恒有 （1.2） （1.2） 或 伯努利大数定理 在独立试验序列中，设事件A 的概率 则 或 证明 相互独立， （0—1）分布， 服从相同的 由切比雪夫定理 意义 频率代替概率的理论基础 伯努利定理是契比雪夫定理的特例，它从理论上证明了频率的稳性。只要试验次数 n 足够大，事件 A 出现的频率 与事件 A 的概率 p 有较大偏差的可能性很小。因此在实践中，当试验次数较大时，便可以用事件发生的频率来代替事件发生的概率。 定理三（辛钦大数定理） 设随机变量X1, X2 … Xn…互相独立,服从同一分布且具有数学期望E(Xk)= μ, (k = 1, 2…)。则对任意ε0,有 第二节 中心极限定理 大量相互独立的随机因素的 综合效应所形成的， 而其中的每一个单个因素在 总的效应中所起的 作用都是微小的。 这类随机变量往往近似地服 从正态分布。 论证随机变量和的极限分布 是正态分布的一系列定理统称 为中心极限定理。 中心极限定理 独立同分布 德莫佛— 拉普拉斯 Th4独立同分布中心极限定理 设随机变量 相互独立， 服从同一分布 且具有有限的数学期望和方差 则 定理四表明:当n→∞时，独立同分布随机变量序列Yn的分布函数收敛于标准正态分布的分布函数。 即 即随机变量的标准化 注意 例 在每组射击中， 命中目标的炮弹数的 数学期望为 2 ， 均方差为1.5， 求在 100 组射击 中由 180 到 220 发炮弹命中 目标的概率 *