Ch5 大数定律及中心极限定理.pptVIP

例4 某市保险公司开办一年人身保险业务,被保险人 每年需交付保险费 160 元,若一年内发生重大人身事 故,其本人或家属可获 2 万元赔金.已知该市人员一年 发生重大人身事故的概率为0.005，现有5000人参加 此项保险,问保险公司一年内从此项业务所得到的总 收益在 20 万到 40 万元之间的概率是多少? 解 一年内公司的总收益为： 所求概率为 O x -8 -7 -6 -5 -4 -3 -2 -1 1 2 3 4 5 6 7 8 记 则 近似 共15层小钉 小球碰第 层钉后向右落下 小球碰第 层钉后向左落下 高尔顿( Francis Galton,1822-1911) 英国人类学家和气象学家 * 第五章 大数定律与中心极限定理 一、 Chebyshev不等式 若随机变量X 的数学期望和方差分别为 那么对任意的正数ε＞0 , 必有 Chebyshev f(x) m-e m+e m x 可见σ2 越小，事件 的概率越接近1 X的值密集在其数学期望附近的概率越大 由此可见方差刻画了随机变量取值的离散程度 此结论也说明了方差是描述随机变量取值与其 数学期望分散程度的一个量。 此不等式不但是大数定律 的理论基础， 而且对落在有限区间上的概率估算也有 重要意义。 若随机变量X 的数学期望和方差分别为 那么对任意的正数ε＞0 , 必有 例1 一颗骰子连续掷4次，点数总和记为X，试估计 解： 以Xi表示第 i 次的点数(i=1,2,3,4)，则Xi 的分布律为 Xi 1 2 3 4 5 6 P 1/6 1/6 1/6 1/6 1/6 1/6 例1 一颗骰子连续掷4次，点数总和记为X，试估计 解： 以Xi表示第 i 次的点数(i=1,2,3,4)，有 由于 故 且Xi 相互独立 例1 一颗骰子连续掷4次，点数总和记为X，试估计 解： 以Xi表示第 i 次的点数(i=1,2,3,4)，则有 由Chebyshev不等式得 例2 一电网有1万盏路灯， 晚上每盏灯开的概率为0.7. 求同时开的灯数在6800至7200之间的概率。 解 设X 为同时开的灯数,则 由此可得 由Chebyshev不等式可得 二、大数定理 概率论与数理统计是研究随机现象统计规律性的学 科， 而随机现象的规律性在相同的条件下进行大量 重复试验时会呈现某种稳定性. 例如， 在概率的统 计定义中， 曾提到一件事发生的频率具有即事件发 生的频率趋于事件发生的概率， 其中所指的是： 试验的次数无限增大时， 事件发生的频率在某种收 敛意义下逼近某一定数(事件发生的概率)， 最早的大数定理. 当 这就是 一般的大数定理讨论 个随机变量的平均值的稳定 二、大数定理 一般的大数定理讨论 n 个随机变量的平均值的稳定 性. 大数定理对上述情况从理论的高度进行了论证本 节先介绍基本的大数定理， 然后， 再介绍另一类基本 的中心极限定理. 大量的随机现象中平均结果的稳定性 大数定律的客观背景 大量抛掷硬币 正面出现频率 字母使用频率 生产过程中的 废品率 …… 还有大量测量值的算术平均值也具有稳定性。 二、 大数定律 在实践中， 不仅事件发生的频率具有稳定性， 稳定性就是本节所要讨论的大数定律的客观背景。 这种 由于大数定律的作用， 大量随机因素的总体作用必然 导致某种不依赖于个别随机事件的结果。 存在，则对任意的 ε 0，有 设随机变量序列 独立同分布， 定理5.1 独立同分布序列的Chebyshev大数定律 与其数学期望 偏差很小的概率接近于1. Chebyshev大数定律表明，独立随机变量序列{Xn}， 当 即当n充分大时， 差不多不再是随机的了. 且 p是事件A 发生的概率，则对任给的ε 0， 或 设nA 是n 重Bernoulli试验中事件A 发生的 次数， 定理5.2 Bernoulli大数定律 事件A发生的频率nA/n与事件A的概率p 有较大偏 Bernoulli大数定律表明， 当重复试验次数n充分大时， 差的概率很小. Bernoulli大数定律提供了通过试验来确定事件概率 此定理以严格的数学形式描述了概率的稳定性. 的方法. 二、 De Moivre-Laplace中心极限定理 一 、独立同分布序列的中心极限定理 中心极限定理 中心极限定理的客观背景: 的综合影响. 例如：炮弹射击的落点与目标的偏差，就受着许多随机因素的影响. 在实际问题中，常常需要考虑许多随机因素所产生 在任一给定时刻,一个城市的耗电量是大量单独的耗电者需用电量的总和. 在一个蓄水池中的储水量可以看作是极大数量的单独供水池的供水量的总和