《概率论与数理统计》53 独立同分布场合的极限定理(27P).pptVIP

第5.3节 独立同分布场合的极限定理 一、独立和问题 二、辛钦大数定律 三、中心极限定理 作 业 二、辛钦大数定律 三、中心极限定理 一、 独立和问题 1、n重伯努利试验 2、一般场合的独立和问题 的收敛性如何？极限分布是什么？ 研究此类问题的实际意义有哪些呢？ 对此类问题的研究将采用特征函数法. 关于辛钦定理的说明: (1) 与车贝晓夫大数定理相比, 不要求方差存在; (2) 贝努利定理是辛钦定理的特殊情况. 辛钦资料 证明： 对于固定的t 例1(p288例1） 利用概率论方法计算积分 解 即 由辛钦大数定律可知 上述计算方法被称为蒙特卡罗方法，即用概率论的 方法计算相关数值，在蒲丰投针问题中介绍过. 定理5.3.2表明: 证明 所以 定理证毕 解 由定理5.3.2, 随机变量Z近似服从正态分布N(0,1), 其中 例2 一船舶在某海区航行, 已知每遭受一次海浪的冲击, 纵摇角大于 3o 的概率为1/3, 若船舶遭受了90000次波浪冲击, 问其中有29500～30500次纵摇角大于 3o 的概率是多少？ 解 将船舶每遭受一次海浪的冲击看作一次试验, 并假设各次试验是独立的, 在90000次波浪冲击中纵摇角大于 3o 的次数为?, 则?是一个随机变量, 所求概率为 分布律为 直接计算很麻烦，利用德莫佛－拉普拉斯定理 证 根据定理5.3.2 例4(p291例2) (正态随机数的产生) 在蒙特卡罗法中经常需要产生服从正态分布的随机数，但是一般计算机只备有产生[0,1]均匀分布随机数的程序，怎样通过 [0,1]均匀分布的随机数来产生正态随机数呢？最常用的是利用林德贝格－莱维中心极限定理来完成. 得到正态分布N(0,1)的随机数序列，其中 例5(p292例3) (近似数定点运算的误差分析) 数值计算时，任何数x 都只能用一定位数的有限小数y来近似，这样就产生了一个误差?=x-y. 在下面讨论中，我们假定参加运算的数都用十进制定点表示，每个数都用四舍五入的方法得到小数点后五位，这是相应的舍入误差可以看作 则误差估计为 比较两种估计法的结果：取n=10000, 显然概率法得到的误差估计只是传统方法的60分之一. 类似的可以将中心极限定理推广到多维随机变量 的场合 证明略 （参见p293证明）