大数定律以及中心极限定理.pptVIP

南昌大学基础数学 南昌大学基础数学 第五章 大数定律 和 中心极限定理 5.1 契比雪夫不等式 5.2 大数定律 契比雪夫大数定律 贝努里大数定律 5.3 中心极限定理 独立同分布的中心极限定理 棣莫夫-拉普拉斯定理 小结 * * 定理: 设随机变量X具有期望E(X)及方 差D(X),则?? 0,有: 或 例1 已知E(X)=100, D(X)=30,试估计X 落在(70,130)内的概率 解: P{70X130} =P{|X?100|30} 由契比雪夫不等式,得: ?0.967 契比雪夫不等式给出了在随机变 量X的分布未知情况下,事件{|X?E(X)| ?}或{|X?E(X)|≥?}的概率的一种估计方法 例2 已知某种股票每股价格X的平均值 为1元,标准差为0.1元,求a ,使股价超过 1+a元或低于1?a元的概率小于10% 解: 由契比雪夫不等式,得: 令 ?a2≥0.1 ?a≥0.32 我们曾经说, 频率是概率的反映,随 着观察次数的增大, 频率将会逐渐稳定 到概率. 这里是指试验的次数无限增大 时, 在某种收敛意义下逼近某一定数,这 就是所谓大数定律 设随机变量X1, X2, ... , Xn, ...相互独 立,且分别具有期望E(Xk)和方差D(Xk) (k =1,2,...),若方差有界,则?? 0,有: 由契比雪夫不等式,得: n?? 1 表明: 算术平均值依概率收敛于数学期望 设n次独立重复的贝努里试验中事件A发生nA次, 在每次试验中事件A发生的概率为p,则?? 0,有: ∵令 由契比雪夫大数定律得出结论 ?E(Xi)=p, D(Xi)=p(1?p) 又 表明: 频率依概率收敛于概率p 以严格的数学形式表达了频率的稳定性 例1 设随机变量Xk (k=1,2,...)相互独立, 具有同一分布: E(Xk)=0, D(Xk)=?2, 且 E(Xk4) (k=1,2,...)存在,试证明: ?? 0, [证]: 令Yk=Xk2 (k=1,2,...) 由已知, Yk (k=1,2,...)相互独立 E(Yk)=E(Xk2) =D(Xk)+E2(Xk) =?2 D(Yk)=E(Yk2) ?E2(Yk) =E(Xk4)??4 由契比雪夫大数定律: ?? 0,有 在一定条件下,大量独立随机变量 的和的分布以正态分布为极限分布的 这一类定理称为中心极限定理 的分布函数Fn(x)收敛到标准正态分布 函数. 设随机变量X1,X2,…,Xn,…相互独立, 服从同一分布,且具有期望和方差: E(Xk)=? , D(Xk)=?20 (k=1,2,…), 则随机变量 即?x?R ,满足: 注意到: 例如, P{aXb} 例3 某大型商场每天接待顾客10000人, 设每位顾客的消费额(元)服从[200, 2000] 上的均匀分布,且顾客的消费额是相互独 立的, 试求该商场的销售额(元)在平均销 售额上、下浮动不超过30000元的概率 解: 设第k位顾客的消费额为Xk (k=1,2,…,10000) 商场日销售额为X ,则 所求为: P{|X?E(X)|≤30000} 由已知, =10000?1100=11?106 由独立同分布中心极限定理,有: P{?30000≤X?11×106≤30000} ?2?(0.58) ?1 ?0.44 设随机变量X~B(n, p) (n=1,2,…), 则?x?R,有: (二项分布以正态分布为极限分布) * *