大数定律与中心极限定理问题引入例1频率的稳定性随着.doc

PAGE PAGE 4 第五章 大数定律与中心极限定理 一、问题引入 例1 频率的稳定性 随着试验次数的增加, 事件发生的频率逐渐稳定于某个常数. 二、基本定理 定理1 （契比雪夫不等式） 和 每次试验中，事件发生的概率为0.5，利用切比雪夫不等式估计，在1000次独立试验中，事件发生的次数在450到550之间的概率。 解：设事件发生的次数，则，， ） 例2、 随机掷6颗骰子，利用切比雪夫不等式估计其点数总和大于9小于33的概率。 解：设第颗骰子的点数，点数之和，则 由于 ， 所以 注：若直接求的分布十分困难 定理2 （契比雪夫大数定律） 注：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。 定义 性质： 定理 期望和方差： 定理3 （伯努力大数定律） 在重独立试验序列中，设事件发生的概率，则对于有 ，其中是事件发生的频率。 注：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. 定理4 （辛钦大数定律） 注：(1) 与定理2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 三、中心极限定理 在客观实际中有许多随机变量，它们是由大量的相互独立的随机因素的综合影响所形成的，而其中每一个因素在总的影响中所起的作用都是微小的，这种随机变量是近似地服从正态分布，这种现象就是中心极限定理的客观背景。 中心极限定理的内容包含极限，因而称它为极限定理是很自然的，又由于它在统计中的重要性，称它为中心极限定理这是Poyla在1920年取得名字。 定理5 （林德伯格-列维定理） 和方差：则对于任意实数都有 ，令 则都有 注：。 定理6 （棣莫弗-拉普拉斯中心极限定理） 设独立试验序列中，事件发生的概率，随机变量表示“事件在次独立试验中发生的次数”，则对于任何实数都有下式成立 注：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 例3、将一枚均匀硬币连续抛100次，用中心极限定理计算正面出现次数超过60次的概率。 解:设正面出现次数为，则 故 由中心极限定理知 所以 例4、学校有4900个学生，每晚上自习的占0.1，问需要准备多少个座位，才能以0.99的概率保证每个学习的学生都有座位？（） 解：设自习的学生数，则 另设座位数 则 由中心极限定理有 由题意 故 所以，取整得