大数,中心极限.ppt

第五章 大数定律与中心极限定理 教学目的 1、理解并掌握依概率收敛、大数定律的概念和 几种常用大数定律的条件和结论，能熟练应用大数 定律证明简单题目. 2、掌握独立同分布条件下中心极限定理，并能 对之熟练应用. 教学重点 依概率收敛、几种常用大数定律 和几种不同条件下的中心极限定理. 学时 4 目 录 5.1 大数定律 5.2 中心极限定理 5.1 大数定律 “概率是频率的稳定值”，其中“稳定”一 词在直观上描述为：频率在其概率附近摆动。至 于如何摆动，则需要用大数定律来进行说明。 大数定律是叙述随机变量序列的前n项的算 术平均值在什么条件下收敛到该平均值的期望。 5.1.1 依概率收敛 定义5.1.1 设{Xn}为一随机变量序列，X为一 随机变量.如果?? ?0，有 称{Xn}依概率收敛于X. 记作： 5.1.2 依概率收敛的性质 定理5.1.1 设{Xn},{Yn}是两个随机变量序列， a,b是两个常数，如果 则有 定义5.1.2 设{Xn}为随机变量序列，若对任意 的正数? ，有 则称{Xn}服从大数定律. 马尔可夫大数定律 定理5.1.2 若{Xn}满足马尔可夫条件 则{Xn}服从大数定律.即对任意的正数? ，有 证明 对任意给定的正数?，由Chebyshev不等 式知 所以{Xn}服从大数定律. 例5.1.1 设随机变量序列{Xn}同分布且方差存在， 若Xn仅与Xn-1 , Xn+1相关，而与其它的随机变量不相关， 试问随机变量序列{Xn}是否服从大数定律？ 解 因为Xn仅与Xn-1 , Xn+1相关，所以 令D(Xi)=?2，则|Cov(Xi, Xi+1)|??2 ,(i=1,2,…). 于是 依据马尔可夫大数定律知，随机变量序列{Xn}服从 大数定律. Chebyshev大数定律 定理5.1.3 设随机变量序列{Xn}两两不相关， 若每个Xi的方差存在，且有共同的上界，即存在常 数c，使得 D(Xi)?c (i=1,2,…) 则{Xn}服从大数定律.即对任意的整数?，有 证明 因为{Xn}两两不相关，故 再由Chebyshev不等式知：对任意的正数?，有 辛钦大数定律 定理5.1.4 设{Xn}独立同分布，且 E(Xi)=a (i=1,2,…) 则{Xn}服从大数定律，即对任意的正数?，有 例5.1.2 设随机变量序列{Xn}独立同分布，且 令Yi=(Xi-?)2 (i=1,2,…)，求证随机变量序列{Yn}服从 大数定律.即对任意的正数?，有 证明 因为随机变量序列{Xn}独立同分布，所 以随机变量序列{Yn}独立同分布.且 D(Yi)=D[(Xi-?)2]=E[(Xi-?)4]- E2(Xi-?)2 =E[(Xi-?)4]-?4 由于E(Xn4) 存在，所以E(Xn3), E(Xn2), E(Xn)存在. 故D(Yi)存在. 依据Chebyshev大数定律知，{Yn}服从大数定律. （本利用辛勤大数定律更为简单些） 伯努利大数定律 定理5.1.5 设fA为n次独立重复的试验中事件A 发生的次数，且P(A)=p，则对任意的正数?，有 即 如果X?b(n,p)，那么 证明 因为fA?b(n,p)，所以 E(fA)=np, D(fA)=np(1-p) 于是 由切比雪夫不等式可得 故 作 业（泊松大数定律） 设Sn 为n次独立试验中事件A出现的次数，而 事件A在第i次试验中出现的概率为pi (i=1,2,…) ， 则对任意的正数?，有 5.2中心极限定理 在实践中，常常遇到由大量相互独立随机因素 的影响所形成的随机变量，而其中每一个因素对总 影响所起的作用又都是微小的，这类随机变量常常 服从或近似服从正态分布。本节内容回答了为什么 在自然界中广泛存在着正态分布。 中心极限定理是研究在什么条件下，随机变量 之和的极限分布是正态分布。 5.2.1 独立同分布下的中心极限定理 定理5.2.1林德贝格-勒维(Lindeberg-levy)定理 设{Xn}是独立同分布的随机变量序列，且 E(Xi)= ? ,D(Xi)=?20 令 ，则?y?R，有 于是，当n充分大时，近似有 例5.2.1 一个加法器同时收到20个噪声电压 Vk (k=1,2,…,20)，它们相互独立，且都在区间(0,10) 上服从均匀分布