正态分布大数定律与中心极限定理证.PPTVIP

* 例题11-4-1 第十一讲：正态分布大数定律与中心极限定理 * 第十一讲：正态分布大数定律与中心极限定理 * 例题11-4-2【数学四，3分】 第十一讲：正态分布大数定律与中心极限定理 * 3.样本值（观测值） 对总体X中抽取n个体，得到的 n 个数据 称为样本 的一个样本观测值. 五、总体与样本 1.总体：所研究对象的全体。 总体的指标是一个随机变量，总体就是指某个随机变量X 可能取值的全体.记作X.相应地，个体是组成总体的每个单元（或元素）. 样本容量 样本中所包含的个体的数量n . 若从总体X中抽取 n 个个体 则称为X 的一 个样本. 2.样本：总体中的部分个体. 第十一讲：正态分布大数定律与中心极限定理 * 简单随机样本 简单随机抽样得到的样本 （1） （2） 具有下述特点: 简单随机抽样 （1）抽样的随机性 总体中的每一个个体都有同等的机会被抽到 . （2）抽样的独立 性 各次抽样的结果互不影响. 4.简单样本： 例如 从一批含有n个灯泡的产品中，不放回地取20个测定其寿命. 就是一简单随机样本 第十一讲：正态分布大数定律与中心极限定理 * 随机抽样可以近似看作是简单随机抽样. [注] 当总体容量 N很大，而样本容量 n 很小时 非简单 教材涉及的抽样与样本均是简单随机样本。 对于简单随机样本X1，X2，…，Xn ，其联合概率分布可以由总体X的分布完全确定。若总体X的分布函数为F(x)，则样本X1，X2，…，Xn的联合分布函数为： 又若X具有概率密度f(x)，则X1，X2，…，Xn的联合概率密度为 若X的分布律为 第十一讲：正态分布大数定律与中心极限定理 * * 本次课讲授第四章的4.2—4.5。 下次课讲授第五章的5.1—5.2， 下次上课时交作业：P45—P46 重点：正态运算与中心极限定理 难点：同上 第十一讲：正态分布大数定律与中心极限定理 回顾：正态分布的期望与方差 第十一讲：正态分布大数定律与中心极限定理 第十一讲：正态分布大数定律与中心极限定理 2.二维正态分布的边缘密度 一、二维正态分布 第十一讲：正态分布大数定律与中心极限定理 第十一讲：正态分布大数定律与中心极限定理 3.二维正态分布的独立性 如果随机变量X与 Y 独立, 并且都服从正态分布,则 第十一讲：正态分布大数定律与中心极限定理 反之, 若设 r = 0, 则得 第十一讲：正态分布大数定律与中心极限定理 例题11-1-1（2007，4分） 第十一讲：正态分布大数定律与中心极限定理 例题11-1-2（2003，数三，4分） 第十一讲：正态分布大数定律与中心极限定理 证 由于 是单调函数，且反函数为 定理1 二、正态变量的线性函数的分布 第十一讲：正态分布大数定律与中心极限定理 定理2 第十一讲：正态分布大数定律与中心极限定理 定理3 以上结论还可以推广到更一般的情况 第十一讲：正态分布大数定律与中心极限定理 例题11-2-1(1999,3分) 第十一讲：正态分布大数定律与中心极限定理 例题11-2-2（1998，6分） 第十一讲：正态分布大数定律与中心极限定理 第十一讲：正态分布大数定律与中心极限定理 第十一讲：正态分布大数定律与中心极限定理 * 三、切比雪夫定理 1.背景：若已知一个随机变量分布的均值与方差，那么随机变量值的是以什么形式集中在均值附近？例如某年级1000名学生线性代数课程成绩的均值为85分，我们关心的是，有多少学生的成绩集中在均值附近？ 2.切比雪夫定理（不等式）： 第十一讲：正态分布大数定律与中心极限定理 * 第十一讲：正态分布大数定律与中心极限定理 * 第十一讲：正态分布大数定律与中心极限定理 * 第十一讲：正态分布大数定律与中心极限定理 例题11-3-1(2001，数一） 2.依概率收敛定义 * 设独立随机变量 并且方差是一致有上界的，即存在某 则对于任何正数 ?，恒有 定理2（切比雪夫大数定理） 分别有数学期望 及方差 D(X1), 一常数K，使得 第十一讲：正态分布大数定律与中心极限定理 证 * 第十一讲：正态分布大数定律与中心极限定理 * 推论： 存在: 设独立随机变量 服从同一分布,期望及方差 则对于任何正数 ?，有 第十一讲：正态分布大数定律与中心极限定理 * 在独立试验序列中,设事件 A 的概率P(A) = p， 定理3(伯努利定理） 按概率收敛于事件 A 的概率p.即对于任何正数 则事件 A在 n 次独立试验中发生的频率fn(A),当试验次数 ?, 有 证 设随机变量 Xi 表示事件A 在第 i 次