大数定理和中心极限定理.ppt

第六节 大数定理与中 心极限定理 一、切比雪夫不等式 二、大数定律 三、中心极限定理 四、小结 一、切比雪夫不等式 证明 取连续型随机变量的情况来证明. 切比雪夫不等式 契比雪夫 得 二、大数定律 定理一（契比雪夫定理的特殊情况） 契比雪夫 定理一（契比雪夫定理的特殊情况） 表达式的意义 二、基本定理 证明 由契比雪夫不等式可得 并注意到概率不能大于1, 则 关于定理一的说明: （这个接近是概率意义下的接近） 即在定理条件下, n个随机变量的算术平均, 当n无限增加时, 几乎变成一个常数. 定理一的另一种叙述: 依概率收敛序列的性质: 证明 引入随机变量 伯努利 定理二（伯努利大数定理） 显然 根据定理一有 关于伯努利定理的说明: 故而当 n 很大时, 事件发生的频率与概率有较大偏差的可能性很小. 在实际应用中, 当试验次数很大时, 便可以用事件发生的频率来代替事件的概率. 关于辛钦定理的说明: (1) 与定理一相比, 不要求方差存在; (2) 伯努利定理是辛钦定理的特殊情况. 辛钦资料 定理三（辛钦定理） 三、中心极限定理 定理四（独立同分布的中心极限定理） 定理四表明: 李雅普诺夫 定理五(李雅普诺夫定理) 则随机变量之和的标准化变量 定理五表明: (如实例中射击偏差服从正态分布) 下面介绍的定理六是定理四的特殊情况. 证明 根据第四章第二节例题可知 德莫佛 拉普拉斯 定理六(德莫佛－拉普拉斯定理) 根据定理四得 定理六表明: 正态分布是二项分布的极限分布, 当n充分大时, 可以利用该定理来计算二项分布的概率. 解 独立性依题意可知, 检验是否具有数学期望？ 例1 说明每一个随机变量都有数学期望, 检验是否具有有限方差？ 说明离散型随机变量有有限方差, 故满足契比雪夫定理的条件. 解 由辛钦定理知 例2 解 由定理四, 随机变量 Z 近似服从正态分布 N (0,1) , 例3 其中 某保险公司的老年人寿保险有1万人参加,每人每年交200元. 若老人在该年内死亡,公司付给家属1万元. 设老年人死亡率为0.017,试求保险公司在一年内的这项保险中亏本的概率. 解 设 X 为一年中投保老人的死亡数, 由德莫佛－拉普拉斯定理知, 例4 保险公司亏本的概率 四、小结 三个大数定理 契比雪夫定理的特殊情况 伯努利大数定理 辛钦定理 　　频率的稳定性是概率定义的客观基础, 而伯努利大数定理以严密的数学形式论证了频率的稳定性.