大数定理与中心极限定理.ppt

大数定理与中心极限定理 一、切比雪夫不等式 二、大数定理 三、中心极限定理 四、小结 * 概率论与数理统计是研究随机现象统计规律性的学科. 随机现象的规律性只有在相同的条件下进行大量重复试验时才会呈现出来. 也就是说，要从随机现象中去寻求必然的法则，应该研究大量随机现象. 研究大量的随机现象，常常采用极限形式，由此导致对极限定理进行研究. 极限定理的内容很广泛，其中最重要的有两种: 与 大数定律 中心极限定理 下面我们先介绍大数定律 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 …… 定理1 设随机变量 的期望值 方差 则对于任意给定的正数 有 切比雪夫不等式 证 这里只证明 为连续型随机变量的情形. 设 的概率密度为 则有(如图） 一、切比雪夫不等式 完 注: (1)切比雪夫不等式也可以写成 (2)切比雪夫不等式表明： 随机变量 的方差越小， 则事件 发生的概率越大， 即， 随机变量 集中在期望附近 的可能性越大. 由此可见方差刻画了随机变量取值的 离散程度. (3)在方差已知的情况下， 它的期望的偏差不小于 的概率的估计式. 如 取 则有 切比雪夫不等式给出了 与 故对任给的分布， 只要期望和方差存在， 则随机变 量 取值偏离 超过3倍均方差的概率小于 例1 已知正常男性成人血液中, 每一毫升白细胞 数平均是 7300, 均方差是 700. 利用切比雪夫不 等式估计每毫升白细胞数在 5200 ~ 9400 之间的 概率. 解 设每毫升白细胞数为 依题意, 所求概率为 由切比雪夫不等式 即每毫升白细胞数在 5200 ~ 9400 之间的概率不 小于 8/9. 完 例2 在每次试验中, 事件 发生的概率为 0.75, 利用切比雪夫不等式求: 独立试验次数 最小取 何值时, 事件 出现的频率在 0.74 ~ 0.76 之间的 概率至少为 0.90? 解 设 为 次试验中, 事件 出现的次数, 则 所求为满足 的最小 的 可改写为 在切比雪夫不等式中取 则 依题意, 取 使 解得 即 取 18750 时, 可以使得在 次独立重复试验 中, 事件 出现的频率在 之间的概率 至少为 0.90. 二、大数定理 随机变量 相互独立， 是指对任意 都相互独立. 定理2 设随机变量 相互独立， 且具有相同的期望和方差 记 则对任意的 有 (*) 证明 由 根据切比雪夫 等式即得 令 再注意到概率不可能大于1， 即证得结果. 注： 定理表明： 对任意 事件 发生的概率很大， 从概率意义上指出了， 时， 逼近 的确切含义. 在概率论中， 当 很大 收敛于 记为 把 (*) 式表示的收敛性称为随机变量序列 依概率 定理还表明： 随机变量序列 的算术平均序列 依概率收敛于其数学期望 完 推论 设 是 重伯努试验中事件 发生的次数， 是事件 在每次试验中发生的概率， 则对任意的 有 (*) 证明 因为 所以 其中 相互独立， 且都服从以 为参数 分布， 的 因而 注意到 由定理2即证得 (*) 式. 注： 这个推论就是最早的一个大数定理， 称为伯努 利大数定理. 它表明： 当重复试验次数 充分大时， 事件 发生的频率 收敛于事 件 发生的概率 定理以严格的数学形式表 达了频率的稳定性. 实际应用中， 当试验次数很大时， 在 便可以用事件发生 的频率来近似代替事件的概率. 如果事件 的概率很小， 则由伯努利大数定理知事 生， 即“概率很小的事件在个别试验中几乎不会发生”， 这一原理称为小概率原理. 它的实际应用很广泛， 应注意到， 小概率事件与不可能事件是有区别的， 发生的频率也是很小的， 件 或者说事件 很少发 但 多次试验中， 小概率事件也可能发生. 在 完 中心极限定理的引入 在实际问题中， 许多随机现象是由大量相互独立的 随机因素综合影响所形成， 其中每一个因素在总的 影响中所起的作用是微小的， 这类随机变量一般都 服从或近似服从正态分布. 以一门大炮的射程为例， 影响大炮的射程的随机因素包括： 制造导致的误差， 炮弹及炮弹内炸药在质量上的误 瞄准时的误差， 受风速、 误差等. 其中每一种误差造成的影响在总的影响中 大炮炮身结构的 差, 风向的干扰而造成的 所起的作用是微小的， 并且可以看成是相互独立的， 人们关心的是这众多误差因素对大炮射程所造成的 总影响. 因此需要讨论大量独立随机变量的和问题. 中心极限定理是棣莫佛在十八世纪首先提出的， 今其内容已经非常丰富. 这些定理在很一般的条件 下证明了， 无论一个随机变量服从什么分布， 这种随机变量的和的分布都可以用正态分布近似， 而正态分布有许多完美的