概率论与数理统计第五章第二节（概率统计）.PPTVIP

下面介绍另一个中心极限定理, 它是定理1 的特殊情况. 定理2（棣莫佛－拉普拉斯定理） 独立同分布中心极限定理的特例 设随机变量ηn 服从参数为n, p(0p1)的二项分布, 则对任意的 x, 有 正态分布是二 项分布的极限分布 2. 棣莫佛－拉普拉斯定理 （5.2.7） 棣莫佛－拉普拉斯资料 可分解成为n个相互独立且都服 从同一0-1分布的随机变量之和, 证 即有 由于 由定理1得 其中Xk的分布律为 此定理的常用形式是： ηn～B(n, p), （5.2.8） 若 则 讲评 (1) 这个定理表明, 正态分布是二项 分布的极限分布, 当n充分大时, 我们可以利用(5.2.7)式来计算二项分布的概率. (2) 注意，二项分布也以泊松分布为极限分布. 但当n较大p较小时, 泊松定理比中心极限定理更精确一些. 例5.2.3 用中心极限定理再计算例2.2.3 问题(1)：在次品率为0.04的 100件产品中，求这批产品中不少于4件次品的概率. 用X表示100件产品中的次品数,则 解 利用二项分布概率公式计算得到 P{4≤X≤100}≈0.570?5. 用泊松定理计算  P{4≤X≤100}≈0.566?9. 由棣莫弗-拉普拉斯中心极限定理得 例5.2.4 某药厂试制了一种新药, 声称对贫血患者的治疗有效率达到80%. 医药监管部门准备对100个贫血患者进行此药的疗效试验, 若这100人中至少有75人用药有效, 就批准此药生产. 如果该药的有效率确实达到80%, 此药被批准生产的概率是多少? 解 用Sn表示这n=100个患者中用药后有效的人数.如果该药的有效率确实是p=80%, 则Sn～B(n, p). 由定理2,得到该新药被批准的概率为 5.2.5 内容小结 (1)为何正态分布在概率论中占有极其重要的地位？由中心极限定理即可明确这一点. (3) 大样本统计推断的理论基础：随机变 量和服从正态分布, 算术均值服从正态分布. (2) 随机变量之和的分布是什么？是服从 正态分布. 5.2.6 习题布置 习题5.2 2、4、6 、7. 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. 联系方式：zhengone@qtech.edu.cn 棣莫弗（A.dé movie,1667—1754）, 法国著名数学家，最早发现（1721或更早）正态分布是 二项分布的极限形式者，并且最早（1730）对于成功的概率为0.5的情形证明了上述事实. 拉普拉斯（P. S. M. de Laplace, 1749—1827)，著名法国数学家、天文学家和物理学家， 在概率论、天体力学和势函数理论方面有重要贡献. 他在概率论方面的主要著作是《概率分析理论》，给出了古典型概率的定义，最早阐明了正态分布理论，并对一般情形证明了棣莫弗-拉普拉斯定理（1812）；建立了误差理论，奠定了最小二乘法的理论基础. * * 下页 返回 上页 下页 返回 5.2 中心极限定理 5.2 中心极限定理 第五章 大数定律和中心极限定理 内容摘要：中心极限定理是概率论中最著名的结果之一, 它不仅提供了计算独立随机变量之和的近似概率的方法, 而且有助于解释为什么很多自然现象的统计规律服从正态分布这一值得注意的重大事实. (1) 为什么正态分布在概率论中占有 极其重要的地位？ (3) 大样本统计推断的理论基础是什么？ 5.2.2 预备知识 (2) 随机变量之和的分布是什么？ 5.2.1 提出问题 随机事件