第五章 大数定律和中心极限定理1915最全版.pptVIP

解得n＜98.0199, 即每辆车最多可以装98箱. 根据分布函数Φ(x)的单调递增性, 有 讲评 上述几个例题均是从不同角度考察 独立同分布中心极限定理的应用问题, 如在 例3中将各箱重量视为独立同分布的随机变量, 利用独立同分布中心极限定理作随机变量和的正态分布近似计算. 记 设X1,X2, …,Xn,…是独立同分布的随机变量序列, 且 E(Xi)= , D(Xi)= , i=1,2,… 定理2（李雅普诺夫（Liapunov）定理） 2. 李雅普诺夫（Liapunov）定理 使得当 时, 若存在正数 的分布函数 对于任意x, 满足 则随机变量之和 的标准化变量 证明略. 近似地 服从正态分布 这就是说, 无论各个随机变量 服从什么分布, 只要满足定理的条件, 那么它 讲评 定理2表明, 在定理条件下, 随机变量 当n很大时, 近似地服从正态分布 由此, 当n很大时, 就近似地服从正态分布. 们的和 当n很大时, 这就是为什么正态随机变量在概率论中占有重要地位的一个基本原因. 在很多问题中, 所考虑的随机变量可以表示成很多个独立的随机变量之和, 例如, 在任一指定时刻, 一个城市的耗电量是大量用户耗电量的总和; 一个物理实验的测量误差是由许多观察不到的、微小误差所合成的, 这些总的影响往往近似地服从正态分布. 下面介绍另一个中心极限定理, 它是定理1的特殊情况. 定理3（棣莫佛－拉普拉斯定理） 独立同分布中心极限定理的特例 设随机变量ηn 服从参数为n, p(0p1)的二项分布, 则对任意的 x, 有 正态分布是二 项分布的极限分布 3. 棣莫佛－拉普拉斯定理 可分解成为n个相互独立且都服从 同一0-1分布的随机变量之和, 证: 即有 由于 由定理1得 其中Xk的分布律为 此定理的常用形式是, 若 ηn～B(n, p), 则 讲评 (1) 这个定理表明, 正态分布是二项分布的极限分布, 当n充分大时, 我们可以利用(2.7)式来计算二项分布的概率. (2) 注意，二项分布也以泊松分布为极限分布. 但当n较大, p较小时, 泊松定理比中心极限定理更精确一些. * MKKLL JHKJK * MKKLL JHKJK * MKKLL JHKJK * MKKLL JHKJK * MKKLL JHKJK * MKKLL JHKJK * MKKLL JHKJK * MKKLL JHKJK * MKKLL JHKJK * MKKLL JHKJK * MKKLL JHKJK 第五章 大数定律和中心极限定理 第二节 中心极限定理 第二节 中心极限定理 第五章 大数定律和中心极限定理 内容摘要：中心极限定理是概率论中最著名的结果之一, 它不仅提供了计算独立随 机变量之和的近似概率的方法, 而且有助于 解释为什么很多自然现象的统计规律服从正态分布这一值得注意的重大事实. (1) 为什么正态分布在概率论中占有极其重要的地位？ (3) 大样本统计推断的理论基础是什么？ 二、预备知识 (2) 随机变量之和的分布是什么？ 一、提出问题 随机事件的概率，随机变量的均值、方差. 　　 在实际问题中, 常常需要考虑许多随机 因素所产生的总影响. 　　　　　　　 这些随机因素是相互独 立的,而其中每一个个别因素所起的作用都是 微小的. 这种量一般都服从或近似服从正态分布. 三、分析问题 例如, 炮弹射击的落弹着点与目标的偏 差, 就受着许多随机因素的影响. 如瞄准时 的误差，空气阻力所产生的误差，炮弹或炮 身结构所引起的误差等. 例如，开展物理试验实验所出现的测量 误差，等等. 对我们来说重要的是这些随机因素的总影响. 现在我们就来研究独立随机变量之和所 特有的规律性问题，解决“总影响”的概率分 布问题. 　　一般情况下, 很难求出 X1 + X2 + … + Xn