概率论第五章 大数定律与中心极限定理.pptVIP

* 第五章 大数定律与中心极限定理 在大量随机现象中,我们不仅看到随机事件频率的稳定性,而且还看到一般的平均结果的稳定性.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统称为大数定律.大数定律是一种表现必然性与偶然性之间的辩证联系的规律.由于大数定律的作用,大量的随机因素的总和作用必然导致某种不依赖于个别随机事件的结果. §5.1 大数定律 定理一 （契比晓夫定理的特殊情况）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，记为 则对于任意正数 恒有 即 （1.1） 证明 由于 在上式中令 并注意到概率不能大于1， 由契比晓夫不等式可得 即得 （1.1）式中， 是一个随机事件， 等式表明，当 时，这个事件的概率趋 于 1，即对于任意正数 当 n 充分大时， 不等式 几乎都是成立的。通常我 们称序列 依概率收敛于 。 一般地，设 为一个随机 变量序列， a 是一个常数，若对于任意正数 都有 则称随机变量序列 依概率收敛 于 a 。记为 定理 1 表明，当 n 很大时，随机变量 的算术平均 接近于 数学期望 这种接近是 概率意义下的接近。 通俗的说，在定理 1 的 条件下，n 个随机变量的算术平均，当 n 无 限增加时将几乎变成一个常数了。 定理二 （伯努利大数定理）设在 n 次独立试验中事件 A 发生的次数为 ，在每次试验中事件 A 发生的概率为 p，则对于任意给定的正数ε＞0 ，恒有 （1.2） （1.2） 或 证明 显然有 由于 只依赖 于第 i 次试验，而各次实验是独立的，于 是 相互独立，且服从相同的 （0—1）分布，即 A 在第 i 次试验中不发生， A 在第 i 次试验中发生。 引入随机变量 由定理 一，得 即 又因为 故有 贝努里定理是契比晓夫定理的特例，它从 理论上证明了频率的稳定性。只要试验次数 n 足够大，事件 A 出现的频率 与事件 A 的概 率 p 有较大偏差的可能性很小。因此在实践中， 当试验次数较大时，便可以用事件发生的频率 来代替事件发生的概率。 定理三（辛钦大数定理） 设随机变量X1,X2…Xn…互相独立,服从同一分布且具有数学期望E(Xk)= μ,(k=1,2…)。则对任意ε0,有 在客观实际中有许多随机变量，它们是由大量相互独立的随机因素的综合效应所形成的，而其中的每一个单个因素在总的效应中所起的作用都是微小的。这类随机变量往往近似地服从正态分布。例如，射击命中点与靶心距离的偏差.这种偏差是大量微小的偶然因素造成的微小误差的总和, 这些因素包括: 瞄准误差、测量误差、子弹制造过程方面 (如外形、重量等) 的误差以及射击时武器的振动、气象因素(如风速、风向、能见度、温度等) 的作用, §5.2 中心极限定理 所有这些不同因素所引起的微小误差是相互独立的, 并且它们中每一个对总和产生的影响不大. 在概率论中，论证随机变量和的极限分布是正态分布的一系列定理统称为中心极限定理。下面介绍常用的三个中心极限定理。 定理四 （独立同分布的中心极限定理） 设随机变量 相互独立，服从同一分布，并且具有数学期望和方差； 则随机变量之和的标准化变量 对任意 x ，满足 的分布函数 定理四表明:当n→∞时，独立同分布随机变量序列Yn的分布函数收敛于标准正态分布的分布函数。 定理五（李雅普诺夫定理）设随机变量 相互独立，且具有数学期望和方差： 记 若存