正态分布与大数定律.PPT

* 第十二讲：大数定律 * 第十二讲：大数定律 * 第十二讲：大数定律 四、中心极限定理 1.背景：大数定理告诉我们，随机变量个数很大时，独立随机变量之和收敛于其均值的和。中心极限定理会告诉我们，变量个数很大时，独立变量之和的标准变量的分布依概率收敛于标准正态分布，也就是说，和的概率分布服从正态分布。这也从另一个角度说明了正态分布的普遍性。 第十二讲：中心极限定理 2.中心极限定理变量的设定与基础定理 * * 第十二讲：两个极限定律 重点 正态运算切比雪夫不等式与中心极限定理应用 难点 同上 本次课讲授第五章的4.2-4.5。 下次课讲授4.5-5.4， 下次上课时交作业：P43—P44 第十二讲 正态分布 例题 若固定μ=0 第十二讲 正态分布 一、正态分布的数字特征与二维正态密度 第十二讲：正态分布 第十二讲：正态分布 4.二维正态分布的边缘密度 3.二维正态分布的密度 第十二讲：正态分布 第十二讲：正态分布 5.二维正态分布的独立性与相关系数 如果随机变量X与 Y 独立, 并且都服从正态分布,则 第十二讲：正态分布 反之, 若设 r = 0, 则得 第十二讲：正态分布 例题12-1-1（2007，4分） 第十二讲：正态分布与大数定律 例题12-1-2（2011，数三，4分） 第十二讲：正态分布 定理1 二、正态变量的线性函数的分布 第十二讲：正态分布与大数定律 第十二讲：正态分布与大数定律 定理2 第十二讲：正态分布与大数定律 定理3 以上结论，用归纳方法，容易推广到有限个独立变量的情形。 第十三讲：正态分布与大数定律 概括结论：n个独立正态随机变量的线性组合仍然是正态变量，且均值与方差按照各自的运算法则进行计算即可。 例题12-2-1(1999,3分) 第十二讲：正态分布大数定律与中心极限定理 第十二讲：正态分布大数定律与中心极限定理 例题12-2-2（1998，6分） 第十二讲：正态分布大数定律与中心极限定理 * 三、切比雪夫极限定理 1.背景：若已知一个随机变量分布的均值与方差，那么随机变量值的是以什么形式集中在均值附近？例如某年级1000名学生线性代数课程成绩的均值为85分，我们关心的是，有多少学生的成绩集中在均值附近？ 2.切比雪夫不等式： 第十二讲：正态分布与大数定律 * 第十二讲：正态分布与大数定律 * 第十二讲：正态分布与大数定律 * 第十二讲：正态分布大数定律与中心极限定理 例题12-3-1(2001，数三） * 第十二讲：正态分布大数定律与中心极限定理 例题12-3-2(2001，数一） * 3.依概率收敛定义 第十二讲：正态分布与大数定律 4.定理（切比雪夫大数定理） * 第十二讲：大数定律 * 第十二讲：大数定律 * 第十二讲：大数定律 * 第十二讲：大数定律 *