§5.2 中心极限定理.pptVIP

§5.2 中心极限定理 人们已经知道，在自然界和生产实践中遇到的大量随机 变量都服从或近似服从正态分布，正因如此，正态分布占有 特别重要的地位。那么，如何判断一个随机变量服从正态分 布显得尤为重要。如经过长期的观测，人们已经知道，很多 工程测量中产生的误差X都是服从正态分布的随机变量。分 析起来，造成误差的原因有仪器偏差X1、大气折射偏差X2, 温度变化偏差X3、估读误差造成的偏差X4等等，这些偏差Xi 对总误差 的影响都很微小，没有一个起到特别突出 的影响，虽然每个Xi的分布并不知道，但 却服从正态 分布。类似的例子不胜枚举。 设 为一随机变量序列，其标准化随机变量 . （5-6） 在什么条件下， , 这是十八世纪以来概率论研究 的中心课题，因而，从二十世纪二十年代开始，习惯上把研究 随机变量和的分布收敛到正态分布的这类定理称为中心极限定 理（Central Limit Theorems）。这里仅介绍独立同分布场合 下的中心极限定理。 定理5.2 (林德伯格—莱维（Lindeberg-Lévy）中心极限定 理) 设 是一相互独立同分布随机变量序列， 则对任意的实数，总有 . (5-7) 本定理的证明在20世纪20年代由林德伯格和莱维给出，因 证明较复杂，在此从略。 由定理5.2可知，当n充分大时， ， (5-8) 从而， 或 另外，对于任意的实数 和较大的n，由（5-8）可知 . (5-10) 定理5.2在概率论中占有特别重要的地位，由于它对 的 分布形式没有要求，因而得到广泛使用。对于应用者来讲，只 要能把问题抽象为独立同分布的随机变量之和，且这些随机变 量的均值和方差均存在，便可用（5-9）式近似计算概率。 推论1 (棣莫佛—拉普拉斯（De Moivre - Laplace）定理) 设 为相互独立的随机变量序列，且 ，0＜p＜1 , ，则对任意实数 ，有 . （5-11） 证明 只需将 ， , ,代入( 5-7 ) 式便得（5-11）式. ? 这是历史上最早的中心极限定理，棣莫佛在1716年证明了 的情形，后来拉普拉斯将结果推广到一般情形。对较大 的n，由（5-11）或（5-8）可知