概率论与数理统计必考点 1.pptVIP

在第三章, 我们提到在自然现象和社会现象中, 大量的随机变量都是服从或近似服从正态分布的.中心极限定理就是以此为背景的关于“在一定的 条件下大量的相互独立的随机变量和的极限分布 是正态分布”的一系列定理. 第三节 中心极限定理 掷一颗骰子，出现点数X的分布律为： X 1 2 3 4 5 6 P 中心极限定理的客观背景 x P 6 5 4 3 2 1 掷两颗骰子，出现点数和X=X1+X2的分布律为： X=X1+X2 2 3 4 5 6 7 8 9 10 11 12 P x P 12 11 10 9 8 7 6 5 4 3 2 掷三颗骰子，出现点数和X=X1+X2+X3的分布律为： X 3 4 5 6 7 8 9 10 P X 11 12 13 14 15 16 17 18 P x 0 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 掷三颗骰子，出现点数和X=X1+X2+X3的分布律为： ?X近似服从正态分布 什么是中心极限定理？ 阐述大量的相互独立的随机变量的线性组合在一定条件下近似服从正态分布的一系列定理称为中心极限定理 定义:设 为独立随机变量序列, 若 即对 有 称 服从中心极限定理。 几个著名的中心极限定理 设随机变量 { Xk}，k = 1,2,…相互独立，且同分布，有有限数学期望E(Xk)=μ和方差D(Xk)=?2. 若随机变量序列 定理4.10（独立同分布中心极限定理或勒维定理） 定理4.9（棣莫佛-拉普拉斯中心极限定理） 则对于任意的实数 x ，有 在n重伯努利试验中，事件A每次出现的概率为p，Sn是n次试验A出现的次数,（即 Sn ~ B( n, p )) 显然拉普拉斯中心极限定理是勒维定理的特列 定理的应用 对于独立的随机变量序列 ，不管 服从什么分布，只要它们 是同分布，且有有限的数学期望E(Xi)=μ 和方差D(Xi)=σ2， 那么，当n充分大时， 近似计算公式 若X ~ B( n, p )，对于足够大的n，有 特别地： 解 由定理, 随机变量 Z 近似服从正态分布 N (0,1) , 例1 其中 某保险公司的老年人寿保险有1万人参加,每人每年交200元. 若老人在该年内死亡,公司付给家属1万元. 设老年人死亡率为0.017,试求保险公司在一年内的这项保险中亏本的概率. 解 设 X 为一年中投保老人的死亡数, 由德莫佛－拉普拉斯定理知, 例2 保险公司亏本的概率 例3.一食品厂有三种蛋糕出售，由于售出哪一种蛋糕是随机的，因而售出一只蛋糕的价格是一个随机变量，它取1,1.2,1.5（元）各个值的概率分布是0.3,0.2,0.5.每天售出300只蛋糕，求这天的收入至少400元的概率。 解：用Y表示这天的收入， Xi为售出第i只蛋糕的价格，则 Xi 1 1.2 1.5 Pi 0.3 0.2 0.5 由独立同分布中心极限定理， 这天的收入至少400元的概率为： 例4.设某学校有1000名住校生，每人每天都以80%的概率去图书馆上自习，问图书馆至少设多少个座位，才能以99%的概率保证去上自习的同学都有座位？ 解：设每天去图书馆上自习的同学有X 又设图书馆至少设n个座位才能以99%的概率保证去上自习的同学都有座位。 ∴由棣莫夫 — 拉普拉斯中心极限定理，有 小结 中心极限定理 独立同分布的中心极限定理 德莫佛－拉普拉斯定理 中心极限定理表明, 在相当一般的条件下, 当独立随机变量的个数增加时, 其和的分布趋于正态分布. 1.设射击命中率为0.1，连续独立射击100次， X表示命中的次数，则用中心极限定理估算 解：设Xk表示第k次命中的次数，则 Xk 0 1 pk 0.9 0.1 近似 ～ 则由中心极限定理： 2.在次品率为?的一大批残品中，任意抽取360件产品，利用中心极限定理计算抽取的产品中次品件数在50与70之间的概率 解：设抽取的产品中次品件数为X 1 二项分布 (精确结果） 2 中心极限定理 3 泊松分布 4 切比雪夫不等式 的几个近似值 比较