概率电子教案6(07).ppt

第五章 大数定律及中心极限定理 §5.1 大数定律 §5.2 中心极限定理  定理1 （切比雪夫定理的特殊情况）设随机变量序列 X1,X2,…,Xn,...相互独立，且具有相同的数学期望和方差： 定理2 （贝努力大数定律）设nA是n 次独立重复试验中A发生的次数. p是事件A在每次试验中发生的概率, 则对任意?0,有 贝努力大数定律就是频率稳定性的理论依据． 因而在实际应用中，当试验次数很大时，往往 用事件发生的频率来代替事件的概率． 证 由§4.2例知, ?n可以看成n个相互独立的服从同一(0-1)分 布的随机变量X1,...,Xn之和，即 例1 某车间有200台车床独立工作，设每台车床的开工率为0.6， 开工时耗电1千瓦，问供电所至少要供多少电才能以不小于 99.9%的概率保证该车间不会因供电不足而影响生产？ 例2 在人寿保险公司里,有3000个同一年龄的人参加保险.设在 一年内这些人的死亡率为0.1%, 参加保险的人在一年的头一天 交付保险费10元，死亡时，家属可从保险公司领取2000元． 求 （1）保险公司一年中获利不小于10000元的概率； （2）保险公司亏本的概率是多少？ §5.1 大数定律 性质：设 则称随机变量序列Y1, Y2 …,Yn ,...依概率收敛于a ， 记为: 若对任意正数?，有 定义1 设Y1, Y2 …,Yn ,...为一随机变量序列，a是常数， , g(x,y)在点(a,b)连续, 则 E(Xk)=?，D(Xk)=?2 (k=1,2,...) , 则 此定理表明, 当n很大时, n个随机变量X1,X2,…,Xn的算术平均 接近于数学期望E(Xk)= ?. 即 对任意的?0,有 证 由切比雪夫不等式 即 证: 其中Xk相互独立,且都服从以参数为p的(0-1)分布 因而 E(Xk)=p，D(Xk)=p(1-p), (k=1,2,...),由定理1, 因为 有 即 此定理表明, 事件A发生的频率 依概率收敛于事件的概率 p . 这个定理以严格的数学形式表达了频率的稳定性. 定理3（辛钦定理）设随机变量序列X1,X2,…,Xn,...相互独立且同分布，数学期望：E(Xk)=?，则对任意正数?，有 (证明略) 在客观实际中有许多随机变量,它们是由大量的相互独立的随机因素的综合影响所形成的,而其中每一个因素在总的影响中起到的作用都是微小的.这种随机变量往往近似的服从正态分布.这种现象就是中心极限定理的客观背景. 本节只介绍三个常用的中心极限定理. §5.2 中心极限定理 独立同分布的中心极限定理 定理1 设随机变量X1,X2,…,Xn,… 相互独立，服从同 一分布, 且具有相的数学期望和方差：E(Xk)=?， D(Xk)=?2?0 (k=1,2,...) ,则随机变量之和 的标 准化变量: 的分布函数Fn(x)满足:对任意实数x，有 (证明略) 定理表明,当n充分大时,Yn近似服从标准正态分布. 此定理表明，当n充分大时，Zn的分布近似于标准正态分布. 的分布函数Fn(x) 对任意x，有 定理2 (李雅普诺夫定理)设随机变量X1,X2,…,Xn,…相互独立, 且具有数学期望和方差： E(Xk)=?k，D(Xk)=?2k?0 (k=1,2,...) , 记 ,若存在? 0,使得 则随机变量 (证明略) 定理3 (德莫佛-拉普拉斯定理)设随机变量?n(n=1,2,…)服从参数为n，p(0 p 1)的二项分布，则对任意x，恒有 此定理表明，正态分布是二项分布的极限分布，所以当n充分大时，我们可以用标准正态分布近似二项分布. 由定理1知， 至少供电142千瓦,才能保证以不小于99.9%的概率正常工作. 由定理3,有 解 记X为200台车床中工作着的车床台数，则X~b(200, 0.6)． 按题意，要求最小的 k ，使P{X? k} ?0.999 即 解 设一年中死亡人数为X，X=0,1,…,3000, 死亡率=0.001, 则 而由拉普拉斯定理，有 (1) P{保险公司获利不小于10000元} =P{30000-2000X?10000} =P{0?X?10}, 即一年中保险公司获利10000元以上的概率为96%． X~b(3000, 0.001).而保险公司每年获利=3000?10-2000X (元) 由此可见保险公司亏本的概率