概率统计第5章（考研辅导班内部资料）.pptVIP

第五章 大数定律和中心极限定理 5.1 切比谢夫不等式 5.2 大数定律 5.3 中心极限定理 若用局部极限定理近似计算: 可见，准确度较高． (2)由积分极限定理近似计算: 典型例题： 例1设随机变量X的分布未知，但已知 由切比谢夫不等式知 例2已知随机变量序列 相互独立，且 证明：对任意 有 证 * * 5.1 切比谢夫不等式 5.2 大数定律 5.3 中心极限定理 切比谢夫不等式 小结 思考题 一、切比谢夫不等式 定理1 证 设随机变量 的方差存在， 则对任意的 有 如果 是连续型随机变量， ，则 密度换成分布列，积分号换成求和号即可． 当 是离散型随机变量，只需将上述证明中的概率 切比谢夫不等式可写成如下形式 切比谢夫不等式给出了随机变量落在以期望 为 中心的对称区间（ ）之外（以内） 的概率的上（下）界． 例1 证 由切比谢夫不等式知， 若 ，试证 ． 对于任意的 均有 即 因此 即 例2 200个新生婴儿中，估计男孩多于80个且少于120 个的概率（假定生男孩和女孩的概率均为0.5）． 解 用切比谢夫不等式估计： 设 表示男孩个数，则 切比谢夫大数定律 小结 思考题 辛钦大数定律 伯努里大数定律 “概率是频率的稳定值”。前面已经 提到，当随机试验的次数无限增大时，频率 总在其概率附近摆动，逼近某一定值。大数 定理就是从理论上说明这一结果。 大量的随机现象中平均结果的稳定性 大数定律的客观背景 大量抛掷硬币 正面出现频率 字母使用频率 生产过程中的 废品率 定义1 有限个随机变量都是相互独立的，则称这个随机变量 如果一个随机变量序列 中任意 序列是相互独立的．若所有 有相同的分布函数， 则称 是独立同分布的随机变量序列． 定义2 若存在常数 ，使对于任何 ，有 记为 则称随机变量序列 依概率收敛于 ． 定理1 (切比谢夫大数定律) 设 是相互独立的随机变量序列， 各有方差 并且对于所有的 ， 其中 是与 无关的常数， 都有 则任给 ， 证 因 相互独立，所以 所以 由切比谢夫不等式，对于任意的 ，有 于是 切比谢夫大数定律说明： 随机变量的平均数这个随机变量的离散程度是很 依概率收敛于其自身的数学期望． 在定理的条件下，当 充分大时， 个独立 小的，经过算术平均过后的随机变量 将比较密集地聚集在它的数学期望 的附近．当 时，随机变量序列 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 切比雪夫大数定律给出了 平均值稳定性的科学描述 定理2（辛钦大数定律） 设 是独立同分布的随机变量序列， 且数学期望 存在， 则对任意的 ，有 随机变量 在 次独立重复试验中 个观察值的 辛钦大数定律表明，当试验次数 足够大时， 算术平均值 依概率收敛于其数学期望值 . 定理3 (伯努里大数定律) 而在每次试验中事件A出现的概率为 ， 设在 次伯努里试验中事件A出现的次数为 ， 则对任意 ，有 证 设 为第 次试验中事件A发生的次数， 则 独立同分布于参数为 的0—1分布， 且有 ． 由定理2知，对于任意的 ，有 即 伯努里大数定律指出：一个事件的频率依概率 收敛于它的概率；当试验次数 很大时，一个事件 发生的频率可作为其概率的近似值． 林德伯格—列维中心极限定理 小结 思考题 德莫佛—拉普拉斯中心极限定理 正态分布在随机变量的各种分布中占有特别 重要的地位．在一定条件下，即使原来并不服从 正态分布的一些独立的随机变量，当随机变量的 个数无限增加时，其和的分布也是趋于正态分布 的.概率论里，把研究在什么条件下独立随机变量 和的分布以正态分布为极限这一类定理称为中心 极限定理． 例如对某物的长度进行测量,在测量时有许 多随机因素影响测量的结果.如温度和湿度等因 素对测量仪器的影响,使测量产生误差X1;测量 者观察时视线所产生的误差X1;测量者心理和生 理上的变化产生的测量误差X3;…显然这些误差 是微小的、随机的,而且相互没有影响.测量的 总误差是上述各个因素产生的误差之和,即∑Xi. 观察表明，如果一个量是由大量相互