概率论与数理统计 5.pptxVIP

第五章 大数定律及中心极限定理 极限定理是概率论的基本理论，在理论研究和应用中起着重要的作用，其中最重要的为“大数定律”与“中心极限定理”。大数定律描述了随机变量序列的前一些项的算术平均值按某种前置条件下收敛于这些项所希望的平均值；中心极限定理则是确定在什么条件下，大量随机变量之和的概率分布近似于正态分布。本章仅就这些定理的一些最基本的内容进行简要介绍。 序言 01 大数定律 弱大数定理（辛钦大数定理） 设X1, X2, …, Xn是相互独立、服从同一分布的随机变量序列，且具有数学期望 。 作前n个变量的算术平均值 ，则对于任意 ，有 （5-1） 证我们只在随机变量的方差 存在这一条件下证明上述结果。因为 又由独立性得 由切比雪夫不等式得 在上式中令为 即得 弱大数定理（辛钦大数定理） 设X1, X2, …, Xn相互独立、服从同一分布，且具有数学期望 。则序列 依概率收敛于 。 证 因为 设随机变量 则 由式（5-1）得 上式也可表示成 02 中心极限定理 在第二章中曾经提过，现实生活中有大量的实例符合正态分布。正态分布是一种十分常见的分布．那为什么正态分布会具有如此特别的重要性呢？大量的实际操作经验表明，许许多多微小的、彼此没有什么相依关系的偶然因素共同作用的结果必然导致正态分布。 序言 例如，影响某大学学生成绩分布的因素有很多，如学生的情绪波动、学生的健康、考卷印刷清晰程度、考试当天天气情况等，其中每一个因素在总的影响中所起的作用都是微小的，然而学生成绩的分布往往呈现近似地正态分布。为了说明这种现实结果，概率论中，把研究在什么条件下大量独立随机变量和的分布以正态分布为极限的这一类定理称为中心极限定理。 序言 定理1（列维—林德伯格中心极限定理） 设X1, X2, …, Xn相互独立、服从同一分布，且具有数学期望 ，则随机变量之和 的标准化变量 的分布函数Fn(x)对于任意x满足 （5-2） 此定理还可称为独立同分布的中心极限定理. 这就是说，均值为、方差为2 0的独立同分布的随机变量X1, X2, …, Xn之和的标准化变量，当n充分大时，有 可以表示为，当n充分大时， 将定理1应用到n重伯努利试验， 定理2（棣莫弗—拉普拉斯定理） 设随机变量 服从服从参数为n, p (0p1)的二项分布，则对于任意x，有 （5-2） 定理2说明，当n充分大时，可以用式（5-3）来近似计算二项分布的概率．实际上，定理2可以写成如下更实用的形式：当n充分大时，对于任意ab，有 解 设每名男生投篮命中次数为Xi，则100名男生总共投篮命中次数为 且 则 解 （1）设在任一时刻，访问店内商品的顾客数为X，易知 这里选用棣莫弗—拉普拉斯定理来解题： 解 （2） 解 （1）以Xk(k=1, 2, …，400)记第k个学生来参加会议的家长人数．Xk的分布律如表所示。 Xk 0 1 2 pk 0.05 0.8 0.15 易知 由定理1可知，随机变量 于是 （2）以Y记有一名家长参加会议的学生人数，则 由定理2可知： 总结