[2018年最新整理]5第五章大数定律与中心极限定律.pptVIP

第五章 大数定律与中心极限定理 例3 某单位有1000台电话分机，每台分机有5%的时间要使用外线通话。假定每台分机是否使用外线是相互独立的，问该单位总机要安装多少条外线，才能以95%以上的概率保证分机用外线时不等待？ 解：设有X台分机同时使用外线，则有 设安装N条外线, 由题意有 由德莫佛-拉普拉斯定理有 * 大数定律 中心极限定理 §5.1 大数定律 定义 记为 设 是一个随机变量序列， a是一个常数，若对任意? 0, 有 或 则称随机序列 依概率收敛于a 或 定理1（贝努利大数定律） 设 Xn (n=1,2,… )是独立同分布的随机序列, 且 P{Xn=1}=p P{Xn=0}=q 0p1, p+q=1 则对任意? 0, 有 注： 通常令 则定理的结论可写成 或 证： 根据切比雪夫不等式，有 因为 所以 设?n是n次独立重复试验中事件A发生的次数， 令 显然 ?n=X1+X2+...+Xn= 因此，贝努利大数定律也可写为 第i次试验出现A 第i次试验不出现A p是事件A在每次试验中发生的概率， 贝努利大数定律说明，事件发生的频率 依概率收敛于事件的概率p，在实际应用中， 当试验次数很大时，用频率来代替概率. （常常还需要考虑在n次独立试验中, 事件A发生 的概率pk随试验次数k的变化而变化. 对这种情况， 有下面的定理） 定理2（泊松大数定律） 设 Xn (n=1,2,…) 是相互独立的随机变量序列, 且 P{Xn=1}=pn P{Xn=0}=qn pn+qn=1 则对任意? 0, 有 或 证： 根据切比雪夫不等式，有 因为 所以 (前面两个定理说明，只要 则大数定律就成立， 下面的定理说明了这一点) 当n充分大时能任意地小， 的方差 定理3（切比雪夫大数定律） 上界， 则对任意 ? 0, 有 或 设 Xn (n=1, 2,...)是相互独立的随机变量序列， 它们的期望和方差都存在，并且方差有共同的 即 D(Xn)=?n2 ≤C+?，(n=1, 2, …) 由切比雪夫不等式得： 证： 当n??时 切比雪夫大数定律表明，对于独立随 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 机序列{Xn}，如果方差有共同的上界，则 推论： 设 X1 , X2, … 是相互独立的随机变量序列， 且 则对任给 有 (前面三个定理都是假定方差存在且一致有界, 但在许多问题中,往往不能满足上面的要求, 仅知道独立同分布) 注：贝努里大数定律是辛钦大数定律的特殊 定理4(辛钦大数定律) 若 EXi =a，(i=1, 2, …) 则对任意的? 0，有 设 Xn(n=1, 2,...)是独立同分布的随机变量序列， 情况. 辛钦大数定律为寻找随机变量的期望值 区平均亩产量的一个估计. 提供了一条实际可行的途径. 例如要估计某地区的平均亩产量，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 强大数定律简介 定义 记为 设 是一个随机变量序列， a是一个常数，若 或称 以概率为1收敛于a. 或 则称 几乎处处收敛于a. 定理5（波雷尔强大数定律） 设 X1, X2, … 是独立同分布的随机变量序列, 且 P{Xn=1}=p P{Xn=0}=q 0p1, p+q=1 则 注： 波雷尔得到比贝努利大数定理更强的结果. §5.2 中心极限定理 在概率论中,设 Xn (n= 1,2, … )是一些随机变量, 如果求 X1+ X2+ ... + Xn的分布, 除了若干例外, 一般算起来很复杂, 因此自然会提出问题: 能否 利用极限的方法进行近似计算? 事实证明,这不仅 可能,而且更有利的是,在很一般的情况下,和的极限 分布就是正态分布.这增加了正态分布的重要性. (在概率论中,习惯上把和的极限分布收敛于正态分布 的那一类定理称为中心极限定理.) 设 Xn (n= 1,2, … )是相互独立的随机变量序列, 定义 假定EXk , DXk都存在, 令 (Yn 是 的标准化) 若对于x?R, 一致地有 则称随机变量序列{Xn}服从中心极限定理. 中心极限定理是研究使 成立的条件. 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. （勒为-林德伯格定理） 定理1 E(Xi)=? ，D(Xi)= ? 2 ，i=1, 2,…，则随机变量序列 （独立同分布下的中心极限定理） 设Xn(n=1, 2,...)是独立同分布的随机变量序列, 且 {Xn}服从中心极限定理. 即 这里 （Le