概率统计PPT课件《中心极限定理》第5.2节.pptVIP

* 第五章 中心极限定理 中心极限定理的客观背景 在实际问题中，常常需要考虑许多随机因素所产生总影响. 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. 空气阻力所产生的误差， 对我们来说重要的是这些随机因素的总影响. 如瞄准时的误差， 炮弹或炮身结构所引起的误差等等. 观察表明，如果一个量是由大量相互独立的随机因素的影响所造成，而每一个别因素在总影响中所起的作用不大. 则这种量一般都服从或近似服从正态分布. 自从高斯指出测量误差服从正态分布之后，人们发现，正态分布在自然界中极为常见. 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. 当n无限增大时，这个和的极限分布是什么呢？ 可以证明，满足一定的条件，上述极限分布是正态分布. 中心极限定理 这就是下面要介 绍的 在概率论中，习惯于把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. 我们只讨论两种简单情形. 下面给出的独立同分布随机变量序列的中心极限定理，也称列维（Levy）定理. 它表明，当n充分大时，n个具有期望和方差 的独立同分布的r.v之和近似服从正态分布. 定理1列维定理（独立同分布下的中心极限定理） 设X1,X2, …是独立同分布的随机 变量序列，且E(Xi)= ，D(Xi)= ， i=1,2,…，则 近似 例1 设有30个电子元件 它们的使用情况如下： 损坏， 立即使用； 损坏， 立即使用…设元件的使用寿命 服从参数为 的指数分布，令T为30个元件使用的总计时间，问T超过350小时的概率是多少？ 解： 又 由列维中心极限定理， 所求概率为 近似 X~B(n,p), 若设 则 X= X1+X2+…+Xn i=1,2，…，n 因为 P(Xi =1)= p, P(Xi =0)= 1-p 则X表示n重贝努里试验中的“成功” 次数. E(Xi)= = p 近似 定理2(棣莫佛－拉普拉斯定理） 设在独立试验序列中，事件A 在各次试验中发生的概率为p（0p1），随机变量 表示事件A在n 次试验中发生的次数，当 时 ，则有 近似 例2 某保险公司多年的统计资料表明，在索赔户中被盗索赔户占20%，以X 表示在随意抽查的100个索赔户中因被盗向保险公司索赔的户数。（1）写出X 的概率分布；（2）利用拉普拉斯定理求被盗索赔户不小于14户且不多于30户的概率近似值。 解（1）X~B（100，0.2） （2）X ~ N(20,16) 近似