第6章 大年夜数定理和中间极限制理[资料].pptVIP

第6章 大数定理和中心极限定理 6.1 大数定理 6.2 中心极限定理;6.1 大数定理 学校有10000个学生，平均身高为a；若随意观察1个学生的身高X1，则X1与a可能相差较大。 若随意观察10个学生的身高X1, X2 ,…, X10 ，则10个数据的均值(X1+X2+…+X10 )/10与a较接近； 若随意观察100个学生的身高X1, X2 ,…, X100 ，则100个数据的均值(X1+X2+…+X100 )/100与a更接近； 若随意观察n(n＜10000)个学生的身高X1, X2 ,…, Xn ，则n个数据的均值(X1+X2+…+Xn )/n，随着n的增大而与a接近。;定义,,,,,,,,,,设X1，,,,,,X2，…,,,,,，Xn,,,,,,…是随机变量序列， 如果存在一个常数序列{an}，对,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,，有 则称随机变量序列{Xn}服从大数定律。;定理1 (辛钦大数定理) 设X1, X2 ,…, Xn …是独立同分布的随机变量，记它们的公共均值为a，又设它们的方差存在，并记为?2，随机变量的频率为 ，则对任意给定的 ?＞0，有 定理1的意义：随着n的增大， 依概率意义越来越接近a；而 不接近a的可能性越来越小。 (该定理的证明需要用契比雪夫不等式。）;6.1.1 马尔科夫不等式 若X是只取非负值的随机变量，则对任意常数? 0，有 证明 ;6.1.2 契比雪夫不等式 若D(X)存在，则对任意常数? 0，有 证明;定理1的证明： ;6.1.3 伯努利大数定理 (频率收敛于概率) 设pn是n重伯努利试验中事件A出现的频率( )，在每次试验中P(A)=p是常数，设Xn~B(n，p)，其中n=1,2, …， ( 0＜p＜1)则对任意正数?＞0，有 伯努利大数定理的意义：随着n的增大，依概率意义讲，频率pn越来越接近概率p，而pn不接近p的可能性越来越小。 但不能说： 。因为可能有 pn ? p 情形(虽然这些例外情形出现的概率趋于0)。; 证明：;6.2 中心极限定理 设X1, X2 ,…, Xn …是一系列随机变量，通常把论证和函数X1+X2+…+Xn的分布收敛于正态分布的这类定理叫做“中心极限定理”。 定理2 (莱维－林德伯格(Levy-Lindberg)定理)、 (独立同分布的中心极限定理) 设X1, X2 , …, Xn…是独立同分布的随机变量，它们有相同的均值E(Xi)=a，和相同的方差为D(Xi)=?2 (0?+?), 则对任意实数x，有 ;(证明略) 说明：和函数Yn=X1+X2+…+Xn E(Yn)=E(X1)+E(X2)+…+E(Xn) = na D(Yn)=D(X1)+D(X2)+…+D(Xn) = n?2 将Yn“标准化”： “标准化”后的和函数的分布函数Fn(x): ; 和函数X1+X2+…+Xn在“标准化”后的分布函数Fn(x)，随着n的增大，Fn(x)逐渐趋向于标准正态分布函数。 值得注意的是，每个Xi的概率分布可以是未知的，不 一定是正态分布。 定理2的意义：若有无数多种因素X1, X2 ,…, Xn …对事物产生影响，每个因素的影响都很小，所有这些因素的综合影响可认为是Y=X1+X2+…+Xn+…, 则这些因素综合影响的结果呈现出正态分布。 所以在自然界中很多问题都可用正态分布研究。;定理2的等价形式 1},,,,,{Xn},,,,,独立同分布， 2),,,,,DXn∞,,,,,。 则当n较大时， ;例6-1,,,,,,,,,,某保险公司对一种电视机进行保险，现有3000个用户，各购得此种电视机一台，在保险期内，这种电视机的损坏率为0.001，参加保险的客户每户交付保险费10元，电视机损坏时可向保险公司领取2000元，求保险公司在投保期内: (１)亏本的概率；(２)获利不少于10000元的概率。 解,,,,,,,,,,;砍邪槐纫坛樱澎荒杆爸包弊锻仓闷荐给惩呼职微悬亲笨肘沫芜等抖绊处本第6章,,,,,大数定理和中心极限定理第6章,,,,,大数定理和中心极限定理;(１)亏本的概率：;(２)获利不少于10000元的概率：;定理3(棣莫弗-拉普拉斯(De Moivre－Laplace)定理)