概率论中心极限定理.pptx

概率论4-4：中心极限定理误差的产生由大量微小的相互独立的随机因素叠加而成，若误差记为当n充分大时，其分布是我们所关心的问题。用卷积公式可以计算，但无疑相当复杂，不易实现。见书中例4.4.2，分析上例的趋势，我们应该先将随机和先标准化。再研究其分布是否为标准正态分布。§4.4中心极限定理独立随机变量和设 {Xn} 为独立随机变量序列，记其和为 讨论独立随机变量和的极限分布, 并指出极限分布为正态分布.独立同分布下的中心极限定理定理1 林德贝格—勒维中心极限定理设 {Xn} 为独立同分布随机变量序列，数学期望为?, 方差为 ?20，则当 n 充分大时，有证明？应用之例: 正态随机数的产生； 误差分析例1 每袋味精的净重为随机变量，平均重量为 100克，标准差为10克. 一箱内装200袋味精，求一箱味精的净重大于20500克的概率?解:设箱中第 i 袋味精的净重为 Xi, 则Xi 独立同分布， 且 E(Xi)=100，Var(Xi) =100， 由中心极限定理得，所求概率为：= 0.0002故一箱味精的净重大于20500克的概率为0.0002. (很小)X10 9 8 7 6 0.8 0.1 0.05 0.02 0.03P例2 设 X 为一次射击中命中的环数，其分布列为求100次射击中命中环数在900环到930环之间的概率.解:设 Xi 为第 i 次射击命中的环数，则Xi 独立同分布，且 E(Xi) =9.62，Var(Xi) =0.82，故= 0.99979二项分布的正态近似定理2 棣莫弗—拉普拉斯中心极限定理设sn 为服从二项分布 b(n, p) 的随机变量，则当 n 充分大时，有是林德贝格—勒维中心极限定理的特例.注 意 点 (1)二项分布是离散分布，而正态分布是连续分布，所以用正态分布作为二项分布的近似时，可作如下修正：例 设每颗炮弹命中目标的概率为0.01， 求500发炮弹中命中 5 发的概率.X ~ b(500, 0.01)解: 设 X 表示命中的炮弹数, 则＝0.17635二项分布的近似原则：当p较小时，用泊松分布近似较好；当np5时，用正态分布近似较好。(2) 应用正态逼近:P(X=5) = P(4.5 X 5.5)= 0.1742(3) 应用泊松逼近:P(X=5) = 0.616-0.440=0.176注 意 点 (2) 中心极限定理的应用有三大类： i)已知 n 和 y，求概率； ii)已知 n 和概率，求y ； iii)已知 y 和概率，求 n .一、给定 n 和 y，求概率例3 100个独立工作(工作的概率为0.9)的部件组成一个系统，求系统中至少有85个部件工作的概率.解：用Xi=1表示第i个部件正常工作, 反之记为Xi=0.又记Y=X1+X2+…+X100，则 E(Y)=90，Var(Y)=9.由此得：3,4,7二、给定 n 和概率，求 y例4有200台独立工作(工作的概率为0.7)的机床， 每台机床工作时需15kw电力. 问共需多少电力, 才可 有95%的可能性保证正常生产?解：用Xi=1表示第i台机床正常工作, 反之记为Xi=0.又记Y=X1+X2+…+X200，则 E(Y)=140，Var(Y)=42.设供电量为y, 则从中解得16,18三、给定 y 和概率，求 n例5用调查对象中的收看比例 k/n 作为某电视节 目的收视率 p 的估计。 要有 90％ 的把握，使k/n与p 的差异不大于0.05，问至少要调查多少对象？解：用Yn表示n 个调查对象中收看此节目的人数，则Yn 服从 b(n, p) 分布，k 为Yn的实际取值。根据题意17,20从中解得n = 271又由可解得独立不同分布下的中心极限定理定理3 林德贝格中心极限定理设{Xn }为独立随机变量序列，若任对 ? 0，有林德贝格条件则李雅普诺夫中心极限定理林德贝格条件较难验证.定理4 李雅普诺夫中心极限定理设{Xn }为独立随机变量序列，若存在 ? 0，满足：李雅普诺夫条件则例7 设 X1, X2 , …. , X99相互独立, 且服从不同的 0--1分布试求解:设 X100, X101, ….相互独立, 且与X99同分布, 则可以验证{Xn}满足? =1的李雅普诺夫条件，且由此得作业4-411，19