ch5大数定律与中心极限定理.ppt

一、中心极限定理 定理1（独立同分布情形下的中心极限定理） 注 3、在一般情况下，我们很难求出 的分布函数。但当n很大时，可用正态分布来近似求解。 定理2（德莫佛－拉普拉斯中心极限定理） 设随机变量 服从参数n,p(0p1) (n=1,2,‥‥) 的二项分布，则对任意x，有 证 由第4章知，NA可分解成n个相互独立的 服从0-1分布的随机变量 定理表明：二项分布的极限分布是正态分布， 即 证毕。 定理3（李雅普诺夫中心极限定理） 定理的理解 : 二、例题 例1 于是 解: 例2 设有一批电话机，其次品率为1/6， 现从这批电话机中任意抽取300台， 试计算次品数在40~60间的概率. 解：设NA为任意抽取300台电话机中的次品数，则 NA~B(300,1/6) 又E(NA)=300*1/6=50; D(NA)=300*1/6*5/6=125/3， 由中心极限定理知， 故所求 例3 解 四、小结 中 心 极 限 定 理 注 这一节我们介绍了中心极限定理 在后面的课程中，我们还将经常用到中心极限定理. 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简单方法，而且有助于解释为什么很多自然群体的经验频率呈现出钟形曲线这一值得注意的事实. 习题 第五章 大数定律与中心极限定理 第一节 大数定律 第二节 中心极限定理 习题 第一节 大数定律 切比雪夫不等式 或 由切比雪夫不等式可以看出，若 越小，则事件{|X-E(X)| }的概率越大，即随机变量X 集中在期望附近的可能性越大. 证 我们只就连续型随机变量的情况来证明. 当方差已知时，切比雪夫不等式给出了随机变量X与它的期望的偏差不小于 的概率的估计式 . 如取 可见，对任给的分布，只要期望和方差 存在， 则 X 取值偏离 E( X ) 超过 3 的概率小于0.111 . 例1 已知正常男性成人血液中 ，每一毫升白细胞数平均是7300，均方差是700 . 利用切比雪夫不等式估计每毫升白细胞数在5200~9400之间的概率 . 解：设每毫升白细胞数为X 依题意，E(X)=7300,D(X)=7002 所求为 P(5200 X 9400) P(5200 X 9400) = P(-2100 X-E(X) 2100) = P{ |X-E(X)| 2100} 由切比雪夫不等式 P{ |X-E(X)| 2100} 即估计每毫升白细胞数在5200~9400之间的概率不小于8/9 . 练习 在每次试验中，事件A发生的概率为 0.75, 利用切比雪夫不等式求：n需要多么大时，才能使得在n次独立重复试验中, 事件A出现的频率在0.74~0.76之间的概率至少为0.90? 解：设X为n 次试验中，事件A出现的次数， E(X)=0.75n, 的最小的n . 则 X~B(n, 0.75) 所求为满足 D(X)=0.75×0.25n=0.1875n =P(-0.01nX-0.75n 0.01n) = P{ |X-E(X)| 0.01n} P(0.74n X0.76n ) 可改写为 在切比雪夫不等式中取 n，则 = P{ |X-E(X)| 0.01n} 解得 依题意，取 即n 取18750时，可以使得在n次独立重复试验中, 事件A出现的频率在0.74~0.76之间的概率至少为0.90 . 大量随机试验中 大数定律的客观背景 例如： 大量抛掷硬币 正面出现频率 字母使用频率 生产过程中的 废品率 定义（依概率收敛） 性质 注意 : 大数定律 定义： 设X1,X2,…是一随机变量序列,其数学期望E(Xn)存在,n=1,2,…,若 则称随机变量序列{Xn}服从大数定律. 注：大数定律是研究随机变量序列算术平均的 收敛性问题. 切比雪夫大数定律：设X1, X2, …是相互独立的随机变量序列，如果存在常数C，使得D(Xk) ≤C (k=1,2,…)，则对于任意正数ε有 也就是： 切比雪夫 故 证明： 切比雪夫不等式 问题 : 伯努利 设NA是n重贝努里试验中事件A发生的次数，p是事件A发生的概率， 是事件A发生的频率. 设 NA 是n次独立重复试验中事件A发生的次数，p是事件A在每次试验中发生的概率，则对于任意正数ε 0 ，有 贝努利大数定律： 或 也就是： 伯努利 贝努里大数定律