大数定律和中心极限定律精品课件本章内容.pptVIP

第1节 大数定律 二、基本定理 定理5（泊松大数定理） 三、典型例题 四、小结（8分钟） 伯努利资料 契比雪夫资料 辛钦资料 作业 P128 EX1、2、6 预习 第二节：中心极限定理 Jacob Bernoulli Born: 27 Dec 1654 in Basel, SwitzerlandDied: 16 Aug 1705 in Basel, Switzerland 第五章 大数定律与中心极限定理 Pafnuty Chebyshev Born: 16 May 1821 in Okatovo, RussiaDied: 8 Dec 1894 in St Petersburg, Russia 第五章 大数定律与中心极限定理 Aleksandr Yakovlevich Khinchin Born: 19 July 1894 in Kondrovo, Kaluzhskaya guberniya, RussiaDied: 18 Nov 1959 in Moscow, USSR 第五章 大数定律与中心极限定理 电视台需作节目A 收视率的调查.每天在播电视的同时, 随机地向当地居民打电话询问是否在看电视. 若在看电视, 再问是否在看节目A. 设回答看电视的居民户数为 n. 若要保证以 95%的概率使调查误差在10%之内, n 应取多大？ 问 题 第五章 大数定律与中心极限定理 每晚节目A 播出一小时, 调查需同时进行, 设每小时每人能调查20户, 每户居民每晚看电视的概率为70%, 电视台需安排多少人作调查.又，若使调查误差在 1 %之内, n 应取多大？ * 本章内容： 第五章 大数定律和中心极限定理 车贝晓夫不等式 大数定律 独立同分布的 中心极限定理 和德莫佛-拉普拉斯中心极限定理 本 章 内 容 随机现象的统计规律只有在相同条件下进行大量重复试验或观测才呈现出来。为了研究大量的随机现象，就必须采用极限方法，大数定律和中心极限定理就是使用极限方法研究大量随机现象统计规律的。 一、问题的引入 二、基本定理 三、典型例题 四、小结 第五章 大数定律与中心极限定理 返回主目录 为何能以样本均值作为总体 期望的估计？ 为何正态分布在概率论中占 有极其重要的地位？ 大样本统计推断的理论基础 是什么？ 1. 为何能以某事件发生的频率作为该事件的 概率的估计？ 一、问题的引入 概率论与数理统计是研究随机现象统计规律性的学科. 随机现象的规律性只有在相同的条件下进行大量重复试验时才会呈现出来. 也就是说，要从随机现象中去寻求必然的法则，应该研究大量随机现象. 第五章 大数定律与中心极限定理 返回主目录 研究大量的随机现象，常常采用极限形式，由此导致对极限定理进行研究. 极限定理的内容很广泛，其中最重要的有两种: 与 大数定律 中心极限定理 第五章 大数定律与中心极限定理 返回主目录 契比雪夫不等式 证明 取连续型随机变量的情况来证明. 契比雪夫不等式 第五章 大数定律与中心极限定理 得 第五章 大数定律与中心极限定理 不等式的应用 在随机变量X的分布未知的情况下，只利用X的期望 和方差，即可对X的概率分布进行估值。 例1 已知正常男性成人血液中，每毫升白细胞数的平均 值是7300，均方差是700，利用契比雪夫不等式估计每 毫升血液含白细胞数在5200~9400之间的概率。 解 设X表示每毫升血液中含白细胞个数，则 第五章 大数定律与中心极限定理 而 所以 第五章 大数定律与中心极限定理 则 例2 设有一大批种子，其中良种占1/6. 试 估计在任选的 6000 粒种子中, 良种所占比 例与1/6 比较上下小于1%的概率. 解 设 X 表示 6000 粒种子中的良种数 , X ~ B (6000,1/6 ) 第五章 大数定律与中心极限定理 比较几个近似计算的结果 中心极限定理 二项分布(精确结果) Poisson 分布 Chebyshev 不等式 9590 . 0 01 . 0 6 1 6000 ? ÷ ? ? ? è ? - X P 定理1（契比雪夫大数定理） 或 第五章 大数定律与中心极限定理 第五章 大数定律与中心极限定理 证明 由契比雪夫不等式可得 , n C ￡ 第五章 大数定律与中心极限定理 关于定理1的说明: （这个接近是概率意义下的接近） 即在定理条件下, n个随机变量的算术平均, 当n无限增加时, 几乎变成一个常数. 第五章 大数定律与中心极限定理 第五章 大数定