吴赣昌-概率统计(5版)-第4章第4节.pptVIP

实际应用中， 当试验次数很大时， 便可以用事件发生 的频率来近似代替事件的概率. 如果事件 的概率很小， 则由伯努利大数定理知事 生， 即“概率很小的事件在个别试验中几乎不会发生”， 这一原理称为小概率原理. 它的实际应用很广泛， 应注意到， 小概率事件与不可能事件是有区别的， 发生的频率也是很小的， 件 或者说事件 很少发 但 多次试验中， 小概率事件也可能发生. 在 完 中心极限定理的引入 在实际问题中， 许多随机现象是由大量相互独立的 随机因素综合影响所形成， 其中每一个因素在总的 影响中所起的作用是微小的， 这类随机变量一般都 服从或近似服从正态分布. 以一门大炮的射程为例， 影响大炮的射程的随机因素包括： 制造导致的误差， 炮弹及炮弹内炸药在质量上的误 瞄准时的误差， 受风速、 误差等. 其中每一种误差造成的影响在总的影响中 大炮炮身结构的 差, 风向的干扰而造成的 所起的作用是微小的， 并且可以看成是相互独立的， 中心极限定理的引入 所起的作用是微小的， 并且可以看成是相互独立的， 中心极限定理的引入 所起的作用是微小的， 并且可以看成是相互独立的， 人们关心的是这众多误差因素对大炮射程所造成的 总影响. 因此需要讨论大量独立随机变量的和问题. 中心极限定理是棣莫佛在十八世纪首先提出的， 今其内容已经非常丰富. 这些定理在很一般的条件 下证明了， 无论一个随机变量服从什么分布， 这种随机变量的和的分布都可以用正态分布近似， 而正态分布有许多完美的结果. 完 至 大量 定理3 ( 林德伯格—勒维) 设随机变量 相互独立， 服人同一分布， 且 则 注： 定理表明: 当 充分大时， 个具有期望和方 差的独立同分布的随机变量之的近似服从正态分布. 虽然在一般情况下， 我们很难求出 注： 定理表明: 当 充分大时， 个具有期望和方 差的独立同分布的随机变量之的近似服从正态分布. 虽然在一般情况下， 我们很难求出 注： 定理表明: 当 充分大时， 个具有期望和方 差的独立同分布的随机变量之的近似服从正态分布. 虽然在一般情况下， 我们很难求出 的分布的确切形式， 但当 很大时， 分布. 由定理结论， 近似 近似 可求出其近似 有 近似 近似 故定理又可表述为： 均值为 方差为 的独立 近似 近似 近似 近似 故定理又可表述为： 均值为 方差为 的独立 近似 近似 近似 近似 故定理又可表述为： 方差为 均值为 的独立 同分布的随机变量 的算术平均值 当 充分大时近似地服从均为 分布. 这一结果是数理统计中大样本值统计推断的理 论基础. 方差为 的正态 完 例3 一盒同型号螺丝钉共有 100 个, 已知该型号 的螺丝钉的重量是一个随机变量, 期望值是100g, 标准差是10g, 求一盒螺丝钉的重量超过 10.2kg 的概率. 解 设 为第 个螺丝钉的重量, 且它们之间独立同分布, 于是一盒螺丝钉的重量 为 且由 知 例3 解 例3 解 由中心极限定理有 完 例4 计算机在进行数学计算时, 遵从四舍五入原 则. 为简单计. 现在对小数点后面第一位进行舍 入运算, 则误差 可以认为服从 上的 均匀分布. 若在一项计算中进行了 100 次数字计 算, 求平均误差落在区间 上的 概率. 解 用 表示第 次运算中产生的误差. 相互独立, 都服从 上的 均匀分布, 且 例4 解 用 表示第 次运算中产生的误差. 相互独立, 都服从 上的 均匀分布, 且 从而 近似 故平均误差 落在 上 的概率为 例4 解 从而 近似 故平均误差 落在 上 的概率为 例4 解 从而 近似 故平均误差 落在 上 的概率为 完 定理4 (棣莫佛—拉普拉斯定理) 设随机变量 服从参数为 的二项分布， 则对任意 有 证明 因为 所以 根据定理3即得 证明 因为 所以 根据定理3即得 证明 因为 所以 根据定理3即得 注： 棣莫佛—拉普拉斯定理是林德伯格—勒维定理 的一个重要特例， 它是历史上最早的中心极限定理. 完 例5 某车间有 200 台车床, 在生产期间由于需要 检修、调换刀具、变换位置及调换工作等常需停 车. 设开工率为0.6, 并设每台车床的工作是独立 的, 且在开工时需电力 1 千瓦, 问应供应多少瓦 电力就能以 99.9% 的概率保证该车间不会因供电 不足而影响生产? 解 对每台车床的观察作为一次试验, 每次试验观 察台车床在某时刻是否工作, 工作的概率为 0.6, 共进行 200 次试验. 用 表示在某时刻工作着的 车床数, 依题意, 有 例5 解 依题意, 有 例5 解 依题意, 有 现在的问题是: 求满足 的最小 的 由定理 3, 近似服从 这里 于是 由 查正态分布函数表得 例5 解 由 查正态分布函数表得 例5 解 由 查正态分布函数表得 故