概率统计ch大数定律中心极限定理.pptVIP

这些随机因素的总影响可表示成独立随机 变量之和 当n无限增大时，这个和的极限分布是什么？ 观察表明，如果一个量是由大量相互独立的随机因素的影响所造成，而每一个别因素在总影响中所起的作用不大. 则这种量(随机变量的和）一般都服从或近似服从正态分布. 例:20个0-1分布的和的分布 X1 ~f(x) X1 +X2~g(x) X1 +X2+X3~ h(x) 几个(0,1)上均匀分布的和的分布 0 1 2 3 x f g h 总之，在客观实际中有许多随机变量，它们是由大量相互独立的随机因素的综合影响所形成的，而其中每一个因素在总的影响中所起的作用都是微小的，这种随机变量往往近似地服从正态分布。这种随机变量可以表示成相互独立的随机变量的和，中心极限定理将研究这种和当 时的统计规律。 为方便起见，研究n个随机变量之和的标准化的随机变量 的分布函数的极限. 的分布函数的极限. 可以证明，满足一定的条件，上述极限分布是标准正态分布. 考虑 中心极限定理 这就是下面要介 绍的 (二)独立同分布的中心极限定理（林德贝尔格—勒维（lindeberg—levy）极限定理） [教材p147定理四] 若X1,X2,…是一列独立同分布的随机变量，且EXi=μ,Var(Xi)=σ2 （σ20）,i=1,2,…, 则对任给的实数y,有 例 根据以往经验，某种电器元件的寿命服从均值为100小时的指数分布. 现随机地取16只，设它们的寿命是相互独立的. 求这16只元件的寿命的总和大于1920小时的概率. 由题给条件知，诸Xi独立， 16只元件的寿命的总和为 解: 设第i只元件的寿命为Xi , i=1,2, …,16 E(Xi)=100, Var(Xi)=10000 依题意，所求为P(Y1920) 由于E(Y)=1600, Var(Y)=160000 由中心极限定理, 近似服从N（0，1） P(Y1920)=1-P(Y?1920) =1-?(0.8) ?1- =1-0.7881=0.2119 (三)德莫佛—拉普拉斯（de Moirre-Laplace）极限定理 [教材P150定理六] 设μn是n重贝努里试验中事件A 出现的次数，又A在每次试验中出现的概率为 p(0p1)，则对于任给的实数y 例 某厂有400台同类机器，各台机器发生故障的概率都是0.02，各台机器工作相互独立 ，试分别用二项分布、泊松分布，中心极限定理计算机器出故障的台数不少于2的概率。 （四）大数定律与中心极限定理的联系 大数定律研究随机变量序列依概率收敛， 中心极限定理研究随机变量序列依分布收敛。 但它们都是研究大量的独立随机变量之和的行 为。当独立同分布，且有大于零的有限方差 时，大数定律和中心极限定理同时成立。 * * 5.1 大数定律 5.2 中心极限定理 第五章 大数定律与中心极限定理 5.1 大数定律 事件发生的频率具有稳定性，即随着试 验次数的增加，事件发生的频率逐渐稳 定于某个常数。 一、大数定律引入的客观背景 字母使用频率 生产过程中的 废品率 …… 大量测量值的算术平均值也具有稳定性 二、频率的稳定性的实质 或 有 频率依概率收敛于概率 设 是n重贝努里试验中事件A发生的次数， p是每次试验中事件A发生的概率，则对任 给的ε 0， 定理1（贝努里大数定律） 或 贝努里 三、贝努里大数定律 证明贝努里大数定律主要的数学工具是切比雪夫不等式. 设随机变量X有期望E(X)和方差 ， 则对于任给 0, 贝努里大数定律表明：当重复试验次数n充分大时，事件A发生的频率μn /n与事件A的概率p有较大偏差的概率很小. 贝努里大数定律提供了通过试验来确定 事 件概率的方法. 蒲丰投针问题中解法的 理论依据就是大数定律 当投针次数n很大时，用针与线相交的频率m/n近似针与线相交的概率p，从而求得π的近似值. 针长L 线距a 思考 ：用蒙特卡洛方法如何计算定积分？（随机投点法） 设0?f(x)?1,求定积分 如何计算[a,b]上的定积分呢？ 四、 常用的几个大数定律 1.大数定律的一般形式 定义 设有一随机变量序列{Xn},如果对任 给的ε 0， 则称随机变量序列{Xn}服从大数定律 定理2（切比雪夫大数定律） 设 X1,X2, …是一列两两不相关的随机变量序列，它们都有有限的方差，并且方差有共同的上界，即 Var(Xi) ≤c，i=1,2, …，则对任意的ε0， 切比雪夫 2.切比雪夫大数定律 （1）切比雪夫大数定律表明，两两不相关的随机变量序列{Xn}，如果方差存在且有共同