46大数定理与中心极限定理.ppt

大 数 定 律 在大量的随机现象中，随机事件的频率具有稳定性. 大量的随机现象的平均结果具有稳定性. 概率论中用来阐明大量随机现象平均结果的 稳定性的一系列定理，称为大数定律（law of large number) 4.6.1 切比雪夫（Chebyshev)不等式 切比雪夫不等式 则 或 定理4.3 设随机变量X具有数学期望E(X)=μ和方差D(X)=σ2,则对任意正数ε，有 证毕 切比雪夫（Chebyshev)不等式的应用 在随机变量X的分布未知的情况下，只利用X的期望 和方差，即可对X的概率分布进行估值。 例 已知正常男性成人血液中，每毫升白细胞数的平均 值是7300，均方差是700，利用切比雪夫不等式估计每 毫升血液含白细胞数在5200~9400之间的概率。 解 设X表示每毫升血液中含白细胞个数，则 则 而 所以 设随机变量X的方差为2.5， 利用切比雪夫不等式估计概率 练习 设随机变量X的方差为2.5，利用切比雪夫不等式估计概率 解 4.6.2 大数定律 定义4.8 若存在常数 ,对任意正数 有 则称随机变量序列 依概率收敛于 记为 性质 设 若 在点 连续，则 定理4.4（切比雪夫定理的特殊情况） 设随机变量 相互独立，且具有相同 的数学期望和方差： 作前n个随机变量的算术平均 则对任意正 数 有 即序列 依概率收敛于 伯努利大数定理（频率的稳定性） 定理的应用：可通过多次重复一个试验，确定 事件A在每次试验中出现的概率 样本平均数稳定性定理 观测量X在相同的条件下重复观测n次，当n充分大时， “观测值的算术平均值接近于期望”是一大概率事件。 即 ——辛钦大数定理 4.6.3 中心极限定理（Central limit theoem) 客观背景：客观实际中，许多随机变量是由大量 相互独立的偶然因素的综合影响所形成，每一个微小 因素，在总的影响中所起的作用是很小的，但总起来， 却对总和有显著影响，这种随机变量往往近似地服从 正态分布。 概率论中有关论证独立随机变量的和的极限分布 是正态分布的一系列定理称为中心极限定理。 设 相互独立，且 则当 定理4.7（李雅普诺夫定理） 时，随机变量 的分布函数为 定理4.8 独立同分布的中心极限定理 例1 一部件包括10部分，每部分的长度是一个随机变 量，相互独立，且具有同一分布。其数学期望是2mm，均方差是0.05mm，规定总长度为20±0.1mm时产品合格，试求产品合格的概率。 解 设部件的总长度为X，每部分的长度为 Xi（i=1,2,…,10)，则 由定理4.5可知：X近似地服从正态分布 即 续解 则产品合格的概率为 定理4.9 棣莫弗—拉普拉斯中心极限定理 (De Moivre-Laplace) 二项分布的极限分布是正态分布 例2 现有一大批种子，其中良种占1/6，今在其中任选6000粒，试问在这些种子中良种所占的比例与1/6之差小于1%的概率是多少？ 所求概率为 续例 种子中良种占1/6，我们有99%的把握断定在6000 粒种子中良种所占的比例与1/6之差是多少？这时相应的 良种数落在哪个范围？ 查表得 此时有 解 设100根木材中长度不短于3米的根数为X，则 例3 有一大批建筑房屋用的木柱，其中80%的长度不 小于3米，现从这批木材中任取100根，试求其中至少 有30根短于3米的概率。 所求概率为