5.1-5.2大数定律中心极限定理.ppt

* * * * * * * * * * 定理2 (棣莫佛——拉普拉斯定理): 定理 2 表明: 当 n 很大时，二项分布 Yn 标准化后的分布近似于标准正态分布 N(0, 1) 。 设随机变量 Yn 服从参数为 (n, p) 的二项分布(0p1) ，则对任意 x∈(-∞,∞)，均有 例2：某公司有200名员工参加一种资格证书考试。按往年经验，考试通过率为0.8。试计算这200名员工至少有150人考试通过的概率。 解: 令 依题设，知 P{ Xi=1 }=0.8, np=200 ×0.8=160， np(1-p)=32，X1+X2+…+X200 是考试通过人数, 因Xi 满足棣莫佛 — 拉普拉斯定理的条件，故依此定理，近似地有 于是 例3：某市保险公司开办一年人身保险业务。被保人每年需交付保费160元。若一年内发生重大人身事故，其本人或家属获赔付金2万元。己知该市人员一年内发生重大人身事故的概率为0.005，现有5000人参加此项保险。求:保险公司一年内从此项业务所得到的总收益在20万元到40万元之间的概率。 解: 令 由 Xi ～ B(1, p), p=0.005, X1, X2 , ? , X5000 相互独立, 得 P{20万元≤总收益≤40万元} = P{20万元≤(0.016万元?参保人数 -2万元?一年内发生重大人身事故人数) ≤ 40万元} = P{20≤0.016?5000-2(X1+X2+?+X5000)≤40} 所以， 近似服从标 准正态分布 （2）解：在100次抽取中, 数码“0”出现次数为 由中心极限定理, 即 其中E(Xk)=0.1, D(Xk)=0.09 即在100次抽取中，数码“0”出现次数在7和13之间 的概率为0.6826. =0.6826 小结 本讲首先介绍了两个大数定律：切比雪夫大数定律，贝努里大数定律。 切比雪夫大数定律如下: 设随机变量序列 X1, X2, …相互独立，且有相同的期望和方差: E(Xi)=μ, Var(Xi) =σ2，i=1, 2, … 。则对任意的ε0，有 贝努里大数定律是切比雪夫大数定律的特例: 设 nA是 n 重贝努里试验中事件A发生的频数, p 是 A 发生的概率，对任给的ε 0，有 其后介绍了两个中心极限定理: 列维—林德伯格定理（独立同分布的中心极限定理）和棣莫佛 — 拉普拉斯定理。 棣莫佛 — 拉普拉斯定理的内容是：当 n 很大时，二项分布可用正态分布近似。 列维—林德伯格定理的内容是：独立同分布随机变量之和标准化之后的极限分布是标准正态分布； * * * * * * * * * * * * * * * * * * * * * 概率论与数理统计 §5.1 大数定律 §5.2 中心极限定理 广东金融学院应用数学系 概率论与数理统计是研究随机现象统计规律性的学科。 所以，要从随机现象中去寻求统计规律,就应该对随机现象进行大量的观测。 第五章 极限定理 随机现象的统计规律性只有在相同条件下进行大量的重复试验才能呈现出来。 研究随机现象的大量观测， 常采用极限形式，由此导致了极限定理的研究。 极限定理的内容很广泛, 最重要的有两种: “大数定律”和“中心极限定理”。 对随机现象进行大量重复观测，各种结果的出现频率具有稳定性。 §5.1 大数定律 大量地掷硬币 正面出现频率 字母使用频率 生产过程 中废品率 5.1.1 切比雪夫不等式 定理1: 设随机变量X有期望μ和方差σ2，则对任给的ε 0, 有 或 证明：只对X 是连续型情况加以证明。 设X 的概率密度函数为 f(x)，则有 放大被积函数 放大积分域 5.1.2 大数定律 首先引入随机变量序列相互独立的概念。 定义1：设 X1, X2, …是一随机变量序列。如果对任意的 n1， X1, X2, …, Xn相互独立,则称X1, X2, …相互独立。 几个常见的大数定律 定理2 (切比雪夫大数定律): 设随机变量序列 X1, X2, … 相互独立，且有相同的期望和方差: E(Xi)=μ, Var(Xi) =σ2，i=1, 2, … 。 则对任意的ε0，有 证明： 令 n→∞，并注意到概率小于等于1，得(1