上海大学2011级概率论及数理统计第5章.ppt

第五章 大数定律与中心极限定理 一、切比雪夫（Chebyshev）不等式 定理1（切比雪夫（Chebyshev）不等式）：设随机变量 具有数学期望 和方差 ，则对于 任意正数 ，都有不等式 用切比雪夫不等式可以估计事件的概率 （也即 ） 例1：已知正常成年人的白血球平均数为7300,均方差700, 估计正常成年人白血球数在5200~9400之间的概率. 例2：已知 用切比雪夫不等式估计 定义1：设 是一个随机变量序列， 是一个 常数。如果对于任意正数 ，有 则称序列 依概率收敛于 ； 记为 二、大数定律 定理2：设随机变量 相互独立，且具有相 同的数学期望和方差 ， 则 依概率收敛于 ,即 推论：（伯努利（Bernoulli）大数定理）设 是 次独立 重复试验中事件A发生的次数， 是事件A在每次 试验中发生的概率，则对于任意正数 ，有 或 这个大数定理告诉我们算术平均与概率平均之间的关系 这个推论告诉我们随机事件的频率与概率之间的关系 定理3：（独立同分布的中心极限定理） 设 是独立同分布的随机变量序列,且 则随机变量 的分布函数 对于任意 ，都有 三、中心极限定理 注: 这个定理告诉我们当 充分大时，不论 服从什么分布 , 总是近似地服从标准正态分布， 即 , 或者 也可以说随机变量的和 ,当 很大时,总是近似服从 这也就说明了为什么现实世界中，很多随机事件可近似看作为 服从正态分布。 特别的,若 定理4（棣莫弗-拉普拉斯定理）设随机变量 服从参数为 的二项分布，则对于任 意 ,有 中心极限定理的本质就是: 当 是独立同分布的随机变量序列， , 则随机变量之和近似服从正态分布 这个定理就是说:二项分布当n很大时,近似正态分布 举例 例1：对于一个学生而言，来参加家长会的家长人数 是一个随机变量，设一个学生无家长、1个家长、 2个家长来参加会议的概率分别为0.05、0.8、0.15。 若学校共有400名学生，设各学生参加会议的家长 数相互独立，且服从同一分布；（1）求参加会议的 家长数超过450的概率；（2）求有1名家长来参加 会议的学生数不多于340的概率。 例2：某高速公路收费口对通行车辆进行收费，假定对每一 辆小车收费10元，对大车收费15元。假定经过此道口 小车和大车的概率分别为0.6、0.4，如果对所有车辆的 收费是相互独立的，