第五章-大数定律和中心极限定理-精选版.ppt

表示在某时刻工作着的车床数， 解 对每台车床的观察作为一次试验， 每次试验观察该台车床在某时刻是否工作， 工作的概率为0.6 , 共进行200次试验. 用X 依题意， X~B(200,0.6). 现在的问题是： P{X≤N}≥0.999 的最小的正整数N. 求满足 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 分布的确切形式 , 　　　　　　　 但当 n 很大时, 可以求出 这个和的近似分布. 　　当n无限增大时, 这个和的极限分布是什 么呢？一般情况下它服从正态分布． 在什么条件下极限分布会是正态分布的呢？ 　　我们把在一定条件下, 随机变量和的分布收敛于正态分布这一类定理都叫做中心极限定理. 本节只介绍三个常用的中心极限定理. 四、建立理论 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,…,n， 　　　　　　　　 的标准化变量 则随机变量之和 1. 独立同分布中心极限定理 定理1（独立同分布中心极限定理） 　　 讲评 n 个独立同分布的随机变量, 不论 原来服从什么分布, 当 n 充分大时, 其和的标 准化随机变量可认为是近似地服从标准正态 分布. 的分布函数　　 ，对于任意x满足 证明略. (2.1) 这一结果是数理统计中大样本统计推断的基础. (2.2) 或者变形，得到随机变量和的近似分布： (2.3) 将(2.2)式左端改写成 , 这样, 上述结果可写成: 设 X1,X2, …,Xn ,… 是独立同分布的随机变量序列,E(Xi)= ,D(Xi)= ,i=1,2,…,n， 则随机变量的算术平均 ,当n充分大时,近似成立 定理1′（独立同分布中心极限定理） 或者 (2.4) (2.5) 方差为 的独 立同分布的随机变量 这就是说, 均值为 X1,X2, …,Xn的算术平均 当n充分大时近似地服从正态分布 这一结果是数理统计中大样本统计推断的基础. ~ 五、方法应用 例1 用机器把口服液装瓶. 由于机器会有误差, 所以每瓶的口服液净重为随机变量, 期望值为 100g , 标准差为 10g . 一箱内装 200 瓶, 求一箱口服液净重大于 20500g 的概率. 解 设一箱口服液净重为 X g, 箱中第 i 瓶净重为 X i ( i = 1,2，…, 200 ), 显然诸 X i 独立同分布, 且 E(X i) = 100, D(X i) = 102 (i = 1, 2,…, 200). = 0.0002 . 由独立同分布中心极限定理知 记 则所求概率为 P{X 20500 }. 讲评 “净重大于20500g的概率”是随机变 量和的概率问题, 利用和标准化后用独立同分 布中心极限定理求