四大数定律与中心极限定理.pptVIP

下面的图形表明:正态分布是二项分布的逼近. 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： 注 意 点 (1) 此中心极限定理的应用有三大类： 注 意 点 (2) ii) 已知 n 和概率，求y ； iii) 已知 y 和概率，求 n . i) 已知 n 和 y，求概率； 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 由此得： 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. 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 设供电量为y, 则从 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. 中解得 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 根据题意 Yn表示n 个调查对象中收看此节目的人数，则 从中解得 Yn 服从 b(n, p) 分布，k 为Yn的实际取值。 又由 可解得 n = 271 例 6 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. 解: 设 X 表示命中的炮弹数, 则 X ~ b(500, 0.01) ＝0.17635 (2) 应用正态逼近: P(X=5) = P(4.5 X 5.5) = 0.1742 某保险公司的老年人寿保险有1万人参加,每人每年交200元. 若老人在该年内死亡,公司付给家属1万元. 设老年人死亡率为0.017,试求保险公司在一年内的这项保险中亏本的概率. 解 设 X 为一年中投保老人的死亡数, 由德莫佛－拉普拉斯定理知, 例7 保险公司亏本的概率 对于一个学生而言, 来参加家长会的家长人数是一个随机变量. 设一个学生无家长、1名家长、 2名家长来参加会议的概率分别为0.05，0.8，0.15. 若学校共有400名学生, 设各学生参加会议的家长数相互独立, 且服从同一分布. (1) 求参加会议的家长数 X 超过450的概率; (2) 求有1名家长来参加会议的学生数不多于340的概率. 解 例8 根据列维-林德伯格中心极限定理， 由德莫佛－拉普拉斯定理知, * §4.2大数定律 “概率是频率的稳定值”。前面已经提到，当随机试验的次数无限增大时，频率总在其概率附近摆动，逼近某一定值。大数定律就是从理论上说明这一结果。 1问题的引入 实例1掷一枚银币，出现正面的概率是1/2；掷的次数很多时，出现正面的频率接近1/2。 这种现象称为频率的稳定性。 启示: 从实践中人们发现大量测量值的算术平均值有稳定性. 大量随机现象中的平均结果与每一个个别随机现象无关，几乎不再随机。 实例2 测量一个长度a，一次测量，结果未必等于a ； 测量多次，结果的算术平均值也未必等于a；但测量次 数很大时，算术平均值接近于a。 这种现象称为平均结果的稳定性。 2 依概率收敛的定义 3 大数定律的定义 3 基本定理 定理1（切比雪夫大数定律） 即 　 切比雪夫大数定律表明，两两不相关随机变量序列{Xn}，如果方差有共同的上界，则 与其数学期望 偏差很小的 概率接近于1. 了，取值接近于其数学期望的概率接近于1. 即当n充分大时， 差不多不再是随机的 切比雪夫大数定律给出了平均值稳定性的科学描述. 证明 因为X1,X2,…,Xn,…两两不相关，所以 由切比雪夫不等式可得 定理2（切比雪夫大数定律的特殊情况） 证明 引入随机变量 定理3（伯努利大数定律） 显然 根据切比雪夫大数定律的特殊情况有 关于伯努利大数定律的说明: 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（马尔可夫大数定律） 若随机变量序列{Xn}满足： (马尔可夫条件) 注：切比雪夫大数定律是马尔可夫大数定律的特例. 关于辛钦大数定律的说明: (1) 与定理2相比, 要求同分布但不要求方差存在; (2) 伯努利大数定律是辛钦大数定律的特殊