第五 大数定律与中心极限定理 .pptVIP

????????????????????? ????????????????????? 本章作业 P.147:4;5; 6;7;8. 2005 He Xianzhi 合肥工业大学精品课程 概率论与数理统计 大数定律是反映随机变量算术平均值与频率稳定 性的一组定律，它们奠定了以频率稳定值作为事件概 率的理论基础。 中心极限定理是描述大量随机变量和服从或近似 服从正态分布的一类定理，它们奠定了正态分布在概 率论中的重要地位。 概 述 契比雪夫定理 设随机变量X1，X2，…，Xn， …相互独立，且有相同的期望μ与方差σ2，则对 任意正数ε有 【证】由期望与方差性质可得 §1、大数定律 由契比雪夫不等式得： 取极限并由夹挤定理得： ■ 定义1 设有随机变量无穷序列 和常数 ， 如果对任意正数ε，有 则称序列 依概率收敛?常数 ，记为 契比雪夫定理（1） 定理表明：在一定条件下，n个随机变量的算术 平均依概率收敛于常数，即当n充分大时它几乎为常 数。 贝努里定理 设nA是事件A在n次独立重复试验中 发生的频数，p是事件A在每次试验中发生的概率，则 对任意正数ε有 【证】引入随机变量 则 相互独立，且均服从同一个（0-1）分布： 贝努里定理（2） 由契比雪夫定理得 ■ 定理表明：事件发生的频率依概率收敛于事件的 概率。 在契比雪夫定理中，去除“方差存在”的条件，增 加“随机变量服从相同分布”可得如下定理。 辛钦定理（3） 辛钦定理 设随机变量X1，X2，…，Xn，…相互 独立，服从同一分布且均有期望μ，则对任意正数ε 有 ■ §2、中心极限定理 列维-林德伯格中心极限定理 设随机变量X1，X2， …，Xn，…相互独立、同分布，且均具有期望与方差： 则随机变量 的分布函数满足 随机变量和的标准化 即 ■ 由列维-林德伯格定理可知 1、独立同分布且存在期望与方差的随机变量和近 似服从正态分布： 2、计算独立同分布且存在期望与方差的随机变量 和的概率的近似公式： 列维-林德伯格定理（1） 【例1】 【例1】 据以往经验，某中电子元件的寿命服从均值 为100小时的指数分布，现随机地取16只，设其寿命是相 互独立的，求这16只元件寿命总和大于1920小时的概率。 〖解〗设第k个元件的寿命 则 相互独立、服从同一个指数分布,且 由独立同分布的列维-林德贝格中心极限定理得 “16只元件寿命总和大于1920小时”的概率为: ■ 续 此例中用的公式具体为 【例2】] 【例2】 计算器在进行加法时，每个加数舍入最靠近 它的整数.设所有舍入误差是独立的且服从(-0.5，0.5)上的 均匀分布,问最多可有几个数相加使得误差总和的绝对值 小于10的概率不小于0.99? 〖解〗设最多有n个数相加,且第k个数取整的误差为 则 相互独立、服从同一个均匀分布, 且 由列维-林德贝格中心极限定理得“n个数相加误差总 和绝对值小于10”的概率为: 即 查表得： 故可取 ■ 续 德莫佛-拉普拉斯定理（2） 德莫佛-拉普拉斯中心极限定理 设随机变量ηn （n=1,2,…)服从二项分布B(n,p)(0p1),则对任意 ,有 【证】因为ηn 可分解为n个相互独立、服从同一个 (0-1)分布的随机变量X1，X2，…，Xn之和,即 标准化得 由列维-林德伯格定理即可得证. ■ 由德莫佛-拉普拉斯定理可知 1、正态分布是二项分布的极限分布; 2、有关二项分布概率的近似计算公式： 特别的，当n较大且np≥5时 计算概率公式 【例3】 【例3】某单位设置一部电话总机,架设200部电话分机. 设每个分机是否使用外线通话是相互独立的，且每时刻有 5%的概率使用外线.问总机需要多少条外线才能以不低于 90%的概率保证各分机要使用外线时可供使用. 〖解〗设200部电话分机同时使用外线的门数为X， 则X~B(200,0.05),.又设需外线N条.由德莫佛-拉普拉斯中 心极限定理可得: 查表得: 故可取N=14. 注:本题也可利用二