概率论与数理统计第五章第一节（概率统计）.PPTVIP

定理1′(切比雪夫大数定律) 设 X1,X2, …,Xn是相互独立随机变量序列,它们有相同的期望与方差, 则算术平均 定理表明n个随机变量的算术平均当n无限增大时几乎变成一个常数. 依概率收敛于数学期望μ, 即 这样，上述切比雪夫大数定律又可以 叙述为: 设nA是n重伯努利试验中事件A发生的 次数, p是事件A发生的概率, 则对任给的 ε 0, 有 定理3（伯努利大数定律） 伯努里 或 对于频率稳定性的严格的 数学意义, 伯努利大数定律从 理论上做了进一步阐明. 则 X 1, X 2 , …,X n 独立, 都服从参数为p的 0-1分布. 证 设 并有 由切比雪夫大数定律得 所以 事件 A 发生的频率 nA /n 与事件 A 的概率 p 有较大偏差的概率很小. Bernoulli大数定律表明, 当重复 试验次数 n 充分大时, Bernoulli大数定律提供了通过试验来确定事件概率方法的理论依据. 即用频率估计概率是合理的 讲评 这个定理以严格的数学形式证明了 频率的稳定性. 就是说, 当很大时, 事件发生的频率与概率有较大偏差的 可能性很小. 因此, 在实际应用中, 当试验次数很大时, 可以用事件发生的频率来近似代替事件发生的概率. 下面给出的独立同分布条件下的大数定律, 它不要求随机变量的方差存在. 设随机变量序列X1,X2, …Xn独立 同分布, 具有数学期望 E(Xi)=μ, i=1,2,…,n. 则对任给的ε 0, 定理4（辛钦大数定律） 伯努利大数定律是辛钦大数定律的特例 辛钦资料 辛钦大数定律为寻找随机变量的 期望值, 提供了一条实际可行的途径: 如果视 X i 为重复试验中对随机变量 X 的第 i 次观察值, 则当 n →? 时, 对X 的 n 次观察结果的算术平均依概率收敛于 X 的数学期望 E(X) = ? . 这为在不知具体分布的情形下, 取多次重 复观测的算术平均 作为总体均值 E(X) 的较 为精确的估计提供了理论保证. 讲评 例如: 要估计某地区的平均亩产量, 通常做法是， 收割某些有代表性的地块, 例如n 块， 计算其平均亩产量, 则当n 较大时, 可用它作为整个地区平均亩产量的一个估计值. 例5.1.3 设随机变量X1,X2 ,…,Xn 相互 独立,且都服从参数为3的泊松分布.证明: 当n→∞ 时,随机变量 依概率收敛于12. 证 由随机变量的独立性关系, 利用3.3节 定理3得到 满足独立同分布 的条件, 且有相同的数学期望 讲评 本题考查大数定律: 一组相互独立、同分布、同期望的随机变量 ,其算术平均依概率收敛于其数学期望的算术平均值: (i=1,2,…,n). 收敛于 依概率 根据辛钦大数定律(5.1.5)式有, (1) 为什么能以某事件发生的频率作为该事件的概率的近似值？ 提出问题： (2) 为什么能以随机变量的算术平均或样本均值作为总体期望(或说均值)的估计？ 5.1.4 内容小结 伯努利大数定律以严格的数学形式揭示 了频率与概率之间最根本的性质之一. 切比雪夫大数定律和辛钦大数定律以严格的数学形式揭示了样本平均与总体平均之间的关系. 解决问题 5.1.5 习题布置 习题5.1 1、2. 参考文献与联系方式 [1] 郑一,王玉敏,冯宝成. 概率论与数理统计. 大连理 工大学出版社，2015年8月. [2] 郑一,戚云松,王玉敏. 概率论与数理统计学习指 导书. 大连理工大学出版社，2015年8月. [3] 郑一,戚云松,陈倩华,陈健. 概率论与数理统计教 案 作业与试卷. 大连理工大学出版社，2015年8 月. [4] 王玉敏,郑一,林强. 概率论与数理统计教学实验 教材. 中国科学技术出版社， 2007年7月.