则随机变量其概率密度.ppt

* 当 k = 10 ，α = 0.05时，可查得 例如 3. F 分布 定理3 设随机变量X与Y独立， 则随机变量 其概率密度: 服从自由度为 的F分布，并记作 为第二自由度。 其中 为第一自由度； 第十二讲：极限定律与数理统计基本概念 * α 第十二讲：极限定律与数理统计基本概念 * 当 =10， =15，α= 0.05时， 例如 查表 第十二讲：极限定律与数理统计基本概念 * 第十二讲：极限定律与数理统计基本概念 * α 第十二讲：极限定律与数理统计基本概念 例12-5-1（2003，4分） 第十二讲：极限定律与数理统计基本概念 * 第十二讲：极限定律与数理统计基本概念 例12-5-2（2013，4分） * 本次课讲授第五章的4.4-5.2。 下次课讲授5.3-6.2， 下次上课时交作业：P45—P46 重点：常用分布与正态统计量 难点：同上 第十二讲：极限定律与数理统计基本概念 第十二讲：正态分布与大数定律 例题1(2001，数三） * 第十二讲：正态分布大数定律与中心极限定理 补充：依概率收敛定义 * 设独立随机变量 并且方差是一致有上界的，即存在某 则对于任何正数 ?，恒有 一、切比雪夫大数定律： 分别有数学期望 及方差 D(X1), 一常数K，使得 证 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 * 推论： 存在: 设独立随机变量 服从同一分布,期望及方差 则对于任何正数 ?，有 第十二讲：正态分布与大数定律 * 在独立试验序列中,设事件 A 的概率P(A) = p， 定理3(伯努利定理） 按概率收敛于事件 A 的概率p.即对于任何正数 则事件 A在 n 次独立试验中发生的频率fn(A),当试验次数 ?, 有 证 设随机变量 Xi 表示事件A 在第 i 次试验中发生的次数(i=1,2, …,n, …), 则这些随机变量相互独立，服从相同的0-1分布， 且有数学期望与方差： 由切比雪夫定理的推论即得 而 就是事件A在n次试验中发生的次数m，由此可知 第十二讲：极限定律与数理统计基本概念 * 二、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。此时，独立随机变量之和的标准变量的概率分布应是什么状态？中心极限定理告诉我们，变量个数很大时，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，和的分布服从正态分布。 设随机变量之和为: 且数学期望和方差都存在： 设随机变量 相互独立, 则 则和的标准变量为： 2.中心极限定理变量的设定 第十二讲：极限定律与数理统计基本概念 第十二讲：极限定律与数理统计基本概念 * 在中心极限定理中，我们重点关注列维-林德伯格定理和拉普拉斯中心定理 4.列维定理 服从相同的分布， 并且有数学期望和方差： 则当 时， (z 为任意实数) 设独立随机变量 它们和的标准变量的极限是标准正态分布，即： 第十二讲：极限定律与数理统计基本概念 * 棣莫弗—拉普拉斯定理　 设在独立实验序列中, 事件A 在 第十二讲：极限定律与数理统计基本概念 * 其中z 是任何实数， 第十二讲：极限定律与数理统计基本概念 * 第十二讲：极限定律与数理统计基本概念 * 例题12-2-1 第十二讲：极限定律与数理统计基本概念 * 第十二讲：极限定律与数理统计基本概念 * 例题12-2-2【数学四，3分】 第十二讲：极限定律与数理统计基本概念 * 3.样本值（观测值） 对总体X中抽取n个体，得到的 n 个数据 称为样本 的一个样本观测值. 三、总体与样本 1.总体：所研究对象的全体。 总体的指标是一个随机变量，总体就是指某个随机变量X 可能取值的全体.记作X.相应地，个体是组成总体的每个单元（或元素）. 样本容量 样本中所包含的个体的数量n . 若从总体X中抽取 n 个个体 则称为X 的一 个样本. 2.样本：总体中的部分个体. 第十二讲：极限定律与数理统计基本概念 * 简单随机样本 简单随机抽样得到的样本 （1） （2） 具有下述特点: 简单随机抽样 （1）抽样的随机性 总体中的每一个个体都有同等的机会被抽到 . （2）抽样的独立 性 各次抽样的结果互不影响. 4.简单样本： 例如 从一批含有n个灯泡的产品中，不放回地取20个测定其寿命. 就是一简单随机样本 第十二讲：极限定律与数理统计基本概念 * 随机抽样可以近似看作是简单随机抽样. [注] 当总体容量 N很大，而样本容量 n 很小时 非简单 教材涉及的抽样与样