[研究生入学考试]大学概率论5.pptVIP

5.2 中心极限定理 * 概率论与数理统计是研究随机现象统计规律性的学科. 随机现象的规律性只有在相同的条件下进行大量重复试验时才会呈现出来. 也就是说，要从随机现象中去寻求必然的法则，应该研究大量随机现象. 研究大量的随机现象，常常采用极限形式，由此导致对极限定理进行研究. 极限定理的内容很广泛，其中最重要的有两种: 与 大数定律 中心极限定理 下面我们先介绍大数定律 大量的随机现象中平均结果的稳定性 大数定律的客观背景 大量抛掷硬币 正面出现频率 字母使用频率 生产过程中的 废品率 …… 定义5.1（大数定律） 设 X1,X2, …是一列随机变量，记 n=1,2, …， 若存在常数序列a1,a2,…,an,… 使得对任意给定的 ，有 则称序列 X1,X2, …,Xn,…服从大数定律。 定义5.2 (依概率收敛) 大数定律讨论的就是依概率收敛. 若对任意的? 0，有 则称随机变量序列{Yn}依概率收敛于Y, 记为 几个常见的大数定律 定理1（切比雪夫大数定律） 设 X1,X2, …是相互独立的随机变量序列，它们都有有限的方差，并且方差有共同的上界，即 Var(Xi) ≤K，i=1,2, …， 切比雪夫 则对任意的ε0， 证明切比雪夫大数定律主要的数学工具是切比雪夫不等式. 设随机变量X有期望E(X)和方差 , 则对于任给 0, 切比雪夫大数定律表明，独立随机变量序列{Xn}，如果方差有共同的上界，则 与其数学期望 偏差很小的 概率接近于1. 随机的了，取值接近于其数学期望的概率接近于1. 即当n充分大时， 差不多不再是 切比雪夫大数定律给出了 平均值稳定性的科学描述 作为切比雪夫大数定律的特殊情况，有下面的定理. 定理2（独立同分布下的大数定律） 设X1,X2, …是独立同分布的随机变量 序列，且E(Xi)= ，D(Xi)= ， i=1,2,…, 则对任给 0, 下面给出的贝努里大数定律，是定理2的一种特例. 贝努里 设Sn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 i=1,2,…,n 则 是事件A发生的频率 于是有下面的定理： 设Sn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，则对任给的ε 0， 定理3（贝努里大数定律） 或 贝努里 贝努里大数定律表明，当重复试验次数n充分大时，事件A发生的频率Sn/n与事件A的概率p有较大偏差的概率很小. 贝努里大数定律提供了通过试验来确定事件概率的方法. 任给ε0， 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，具有有限的数学期E(Xi)=μ, i=1,2,…， 则对任给ε 0 ， 定理3（辛钦大数定律） 辛钦 例如要估计某地区的平均亩产量，要收割某些有代表性的地块，例如n 块. 计算其平均亩产量，则当n 较大时，可用它作为整个地区平均亩产量的一个估计. 这一讲我们介绍了大数定律 大数定律以严格的数学形式表达了随机现象最根本的性质之一： 它是随机现象统计规律的具体表现. 大数定律在理论和实际中都有广泛的应用. 平均结果的稳定性 我们曾经说, 频率是概率的反映,随 着观察次数的增大, 频率将会逐渐稳定 到概率. 这里是指试验的次数无限增大 时, 在某种收敛意义下逼近某一定数,这 就是所谓大数定律 中心极限定理的客观背景 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. 空气阻力所产生的误差， 对我们来说重要的是这些随机因素的总影响. 如瞄准时的误差， 炮弹或炮身结构所引起的误差等等. 观察表明，如果一个量是由大量相互独立的随机因素的影响所造成，而每一个别因素在总影响中所起的作用不大. 则这种量一般都服从或近似服从正态分布. 自从高斯指出测量误差服从正态分布之后，人们发现，正态分布在自然界中极为常见. 由于无穷个随机变量之和可能趋于∞，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 的分布函数的极限. 的分布函数Fn(x)收敛到标准正态分布函数. 独立同分布的中心极限定理 设随机变量X