概率论与数理统计 教学课件 ppt 作者 韩世迁 主编第六章 第七章.pptx

概率论与数理统计 第六章 大数定律与 中心极限定理 第六章 大数定律与中心极限定理1大数定律2中心极限定理第一节 大数定律切比雪夫不等式1伯努利大数定律2切比雪夫大数定律3辛钦大数定律4一、切比雪夫(Chebysev)不等式对于随机变量X，设 ， ，则对 ，有切比雪夫不等式也可以写成如下的形式：二、伯努利(Bernoulli)大数定律设 独立同分布，且 ， 存在，设 ，则对 ，有二、伯努利(Bernoulli)大数定律证明：易知 ， ,由切比雪夫不等式，当 ，对 ，有三、切比雪夫大数定律设 是相互独立的随机变量序列，其期望与方差都存在，且存在常数C，使 ，则对 ，有三、切比雪夫大数定律证明：四、辛钦（Khinchin）大数定律(独立同分布随机变量序列的大数定律)设随机变量 独立同分布，且数学期望为 则对于任意正数 ，有第二节 中心极限定理棣莫弗—拉普拉斯中心极限定理1列维-林德伯格定理2一、棣莫弗—拉普拉斯（De Moivre-Laplace）中心极限定理(独立同分布的中心极限定理)设 是一个独立同分布的随机变量序列，且 ,则对 ， 有一、棣莫弗—拉普拉斯（De Moivre-Laplace）中心极限定理(独立同分布的中心极限定理)例1 一个复杂的系统，由100个相互独立起作用的部件所组成。在整个运行期间，每个部件损坏的概率为0.1，为了使整个系统起作用，至少需85个部件工作，求整个系统工作的概率。解：设整个系统中正常工作的部件数目为A，n=100，p=0.9，则一、棣莫弗—拉普拉斯（De Moivre-Laplace）中心极限定理(独立同分布的中心极限定理)由棣莫弗—拉普拉斯中心极限定理，有X近似地服从 因此，整个系统工作的概率近似为0.952。二、列维-林德伯格(Levy-Lindberg)定理（独立同分布随机变量序列的中心极限定理）设 是一个独立同分布的随机变量序列，且 则对 ，有二、列维-林德伯格(Levy-Lindberg)定理（独立同分布随机变量序列的中心极限定理）例2 据以往经验，某种电器元件的寿命服从均值为100小时的指数分布，现随机地取16只，设它们的寿命是相互独立的。求这16只元件的寿命的总和大于1920小时的概率。二、列维-林德伯格(Levy-Lindberg)定理（独立同分布随机变量序列的中心极限定理）解：设第i只元件的寿命为因此，这16只元件的寿命的总和大于1920小时的概率近似为0.2119。第七章 数理统计的基本概念1随机样本2统计量3统计中的常用的三大分布4抽样分布定理第一节 随机样本总 体1样 本2简单随机样本3一、总体定义1 试验的全部可能的观察值称为总体（Population），每一个可能的观察值称为个体(Individual)，总体中所包含的个体的个数称为总体的容量，容量为有限的称为有限总体，容量为无限的称为无限总体。二、样本定义2 从总体中抽取一部分个体成为样本（Sample）。样本含有的基本单元的个数称为样本容量(Sample size),抽取一个样本的过程为抽样（Sampling）。三、简单随机样本定义3 若抽样满足(1)同分布性，即样本 的各分量与总体X有相同分布；(2)独立性，即样本 的各分量相互独立。这样得到的 称为来自总体X的一个简单随机样本（Random sample），简称样本。第二节 统计量统计量概念1常用的统计量2一、统计量概念定义4 设 是来自总体X的一个样本， 是 的函数，若 中不含未知参数，则称 是一个统计量(Statistic)。二、常用的统计量设 是来自总体X的一个样本， 是这一样本的观察值。定义：样本平均值（Sample mean）样本方差(Sample variance) 二、常用的统计量样本标准差(Sample standard deviation) 样本k阶原点矩(Sample origin moment) 样本k阶中心矩(Sample central moment) 第三节 统计中的常用的三大分布分位数概念1 分布2 分布3 分布4一、分位数概念定义5 设随机变量X的分布函数为F(x)，对给定的实数a，（0a1），若实数Fa满足 ，则称Fa为随机变量