第七章 随机变量数字特征.ppt

7.5 中心极限定理 在一定条件下,许多随机变量的极限分布是正态分布: “若一个随机变量X可以看着许多微小而独立的随机因素作用的总后果,每一种因素的影响都很小,都有不起压倒一切的主导作用,则X一般都可以认为近似地服从正态分布.” 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X2;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. 7.5 中心极限定理 一般地,在研究许多随机因素产生的总影响时,很多可以归结为研究相互独立的随机变量之和的分布问题,而通常这种和的项数都很大.因此,需要构造一个项数越来越多的随机变量和的序列: 我们关心的是当n→∞时,随机变量和∑Xi的极限分布是什么? 7.5 中心极限定理 设随机变量X1,X2,…,Xn是n个相互独立且每个都服从(0-1)分布(P{Xi=0}=1-p,P{Xi=1}=p),现在来求 Yn= X1+X2+…+Xn 这里每个Xi只能取0，1， 的分布 Yn只能取0，1，…，n 即Yn服从B（n,p） 7.5 中心极限定理 设X1,X2,…,Xn同分布，且Xi~B(1,p)，则 推论： 如果X与Y独立，且X~B(m,p), Y~B(n,p),则 X+Y~ B(m+n,p) 即二项分布具有可加性. 7.5 中心极限定理 一、棣莫弗-拉普拉斯中心极限定理 (De Moivre-Laplace中心极限定理):设X1，X2，…是一个独立同分布的随机变量序列,且Xi~B(1,p)(i=1,2,…), Yn= X1+X2+…+Xn,则对任意一个x，-∞x- +∞总有 注： 由此定理可知：当n很大时，可以认为Yn近似服从正态分布N（np,np(1-p)） 例 设一车间里400台同型号的机器，工作时每台机器需要用电为Q瓦.由于工艺关系，每台机器并不连续开动，开动的时间只占工作总时间的3/4.假定各机器工作是相互独立，问应该供应多少瓦电力才能以99%的的概率保证该车间的机器正常工作？ 解 令X为400台机器中同时工作的机器数 则 X~B（400，3/4）， 设应供应x瓦电力 例 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 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 的概率是多少？ 解：将船舶每遭受一次海浪的冲击看做一次试验，并假设各次试验是独立的，在90000次波浪冲击中纵摇角大于 的次数为x，则x是一个随机变量，且x~b（90000,1/3） 分布率为 所求概率为 直接计算比较麻烦，利用拉普拉斯 如果在棣莫弗——拉普拉斯中心极限定理中去掉xi服从B（1，p）分布的限制只保留xi（i=1,2，……） 独立同分布的中心极限定理设 是一个独立同分布的随机变量序列，且 则对任意一个x， 总有 7.5 中心极限定理 二、独立同分布的中心极限定理 设随机变量X1,X2,…,Xn,…相互独立，服从同一分布,且具有数学期望和方差 E(Xk)=μ，D(Xk)=σ2≠0,(k=1,2,…) 则随机变量 的分布函数Fn(x),对于任意x满足 例:为了测定一台机床的质量,把它分解成75个部件来称量.假定每个部件的称量误差(单位:kg)服从区间(-1,1)上的均匀分布,且每个部件的称量误差相互独立,试求机床重量的总误差的绝对值不超过10kg的概率. 解 设第i个部件的称量误差为Xi(i=1,2,…,75),由题意知Xi相互独立且都服从区间（-1，1）上的均匀分布，并有 E(Xi)=0, D(Xi)=1/3,(i=1,2,..,75). 由独立同分布的中心极限定理，可以近似地认为 于是，所求概率为 一加法器同时收到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,噪声电压总和V=V1+V2+…+V20,求P{V105}的近似值. 解:易知E(Vk)=5,D(Vk)=100/12,由独立同分布的中心极限定理知 近似服从标准正态分布N(0,1),于是 作业： 1，2，3，5，8，9，12，13，19 * 7.3 协方差与相关系数 一、协方差 ① 协方差有计算公式 Cov(X,Y)=