《5_1大数定律》-公开课件.pptVIP

第五章 大数定律与中心极限定理 作业： 123页  1，2  《概率统计》 下页 结束 返回 一、大数定律 二、中心极限定理 下页 本章概述 下页 阐明大量重复试验的平均结果具有稳定性的 一系列定律都称为大数定律. 论证随机变量（试验结果）之和渐进服从某 一 分布的定理称为中心极限定理. 大数定律和中心极限定理就是使用极限方法研 究大量随机现象统计规律性的. §5.1 大数定律 一 、切比雪夫不等式 对于任何具有有限方差的随机变量 X ，都有 则 证明：(以连续型随机变量为例) 设X的概率密度为f(x)， 下页 (ε是任一正数). ① 切比雪夫不等式等价形式 例1．估计 事件发生的概率． 解: ⒈ 证明大数定律；⒉ 估计事件的概率. 下页 一 、切比雪夫不等式 ② 切比雪夫不等式的作用 例2．若在每次试验中，A发生的概率为0.5，进行1000次独 立试验，估计 A 发生 400～600 次之间的概率. 解：因 X ～B(1000 , 0.5)，E(X)=500，D(X)=250, 所以 P{ 400 X 600 } = P{ | X-500 | 100 }. P{ | X-500 | 100 } 下页 解 : 令 X表示在夜晚同时开着的灯数目, 则X 服从二项分布 , 其中 n=10000 , p=0.7 . 易知 E(X)=np=7000, D(X)=npq =2100 ，由切比雪夫不等式 可得 下页 例3. 设电站供电网有10000盏电灯，夜晚每盏灯开灯的概率 均为0.7, 假定灯的开、关是相互立的, 使用切贝雪夫不等式估计 夜晚同时开着的灯数在6800到7200盏之间的概率. 或，对于任意ε0，当n充分大时，不等式 定理1 (切比雪夫大数定律) 如果X1,X2,…,Xn,…是相互独 立的随机变量序列，每一个Xi都有数学期望E(Xi)和有限的方差 D(Xi),且方差有公共的上界，即 则对于任意ε0，有 依概率1成立. 下页 二 、大数定律 意即，随机变量的算术平均值将比较紧密地聚集在它的数学期望附近. 证: 又因 由切比雪夫不等式可得 所以， 切比雪夫大数定律表明, 相互独立的随机变量的算术平均值, 与其数学期望的差, 在n充分大时以概率1是一个无穷小量. 这意味着在n充分大时， 地聚集在它的数学期望附近. 下页 因为X1,X2,…,Xn相互独立，所以 随机变量的算术平均值将比较紧密 说明： ① 在不变的条件下, 重复测量n次所得到的n个观察值, x1,x2, …, xn, 可看作服从同一分布的n个相互独立的随机变量 X1,X2,…,Xn的试验值. ② n充分大时， x1,x2, …, xn的算术平均值与真值的误差 依概率1任意小. 下页 推论 设随机变量X1,X2,…,Xn,…独立同分布，且有 E(Xk) =m，D(Xk) =s 2， k =1,2,… 则当n→∞时，对任意ε0，有 证明: 直接可由推论得出(略). 这就是以频率定义概率的合理性依据. 定理2 (贝努里大数定律)设n重贝努里试验中事件A发生nA 次, 每次试验事件A发生的概率p，则对任意ε0 , 有 定义 (依概率收敛)设 是一个互相独立的 随机变量序列， a是一个常数，若对于任意正数 ?，有 则称序列 依概率(或依概率1)收敛于a . 下页 结束