《高等数学》14.4大数定律.PPT

* * 第14章 大数定律与中心极限定理 大数定律 中心极限定理 * * §14.4 大数定律 切比雪夫不等式 大数定律 小结 练习 * * 14.4.1 切比雪夫不等式 证明 仅取连续型随机变量的情况来证明. 切比雪夫不等式 * * 得 * * 意义 利用切比雪夫不等式, 可以在 X 分布未知的情况 下估算事件{ | X ? E(X)| ? }的概率(下限). (2) 从定理中看出, 如果 D(X) 越小, 那么 X 取值于开 区间( E(X) ? ?, E(X) + ? )中的概率就越大. 这就说明 方差是一个反映随机变量的概率分布对其分布中心 (E(X)) 的集中程度的数量指标. 例如 设 E(X) = ?, D(X) = ? 2, 并取 ? = 3?, 则有 * * 例1 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、关是相互独立的， 试用切比雪夫不等式估计夜晚同时开着的灯数在 6800~7200盏之间的概率. 解 令 X 表示在夜晚同时开着的灯数，则 由切比雪夫不等式可得 * * 说明 实际上, 所求概率的精确值为0.99999. 可见, 切比雪夫不等式虽可用于估计概率, 但精度不够高, 它的重要意义是在理论上的应用, 如大数定律的证明. * * 14.4.2 大数定律 引例　频率的稳定性 　　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. 如，抛硬币实验： 启示: 从实践中人们发现大量测量值的算术平均值有稳定性. 实验者 德 摩根 蒲 丰 2048 1061 0.5181 4040 2048 0.5069 12000 6019 0.5016 24000 12012 0.5005 * * 定义 大数定律的概念 * * 说明 （这个接近是概率意义下的接近） 依概率收敛序列的性质 * * 1. 切比雪夫大数定律 * * 切比雪夫大数定律的特殊情况 * * 证明 由切比雪夫不等式可得 并注意到概率不能大于1, 则 * * 另一种表述 1000个[0, 4]均匀分布随机数前 n 项算术平均值的变化趋势 * * 说明 与切比雪夫大数定律的特殊情况相比, 不要求方差存在. 2. 辛钦大数定律 * * 证明 引入随机变量 3. 伯努利大数定律 * * 显然 根据辛钦大数定律有 * * 说明 故而当 n 很大时, 事件发生的频率与概率有较大偏差的可能性很小. 在实际应用中, 当试验次数很大时, 便可以用事件发生的频率来代替事件的概率. * * 　　频率的稳定性是概率定义的客观基础, 而伯努利大数定律以严密的数学形式论证了频率的稳定性. 三个大数定律 切比雪夫大数定律 伯努利大数定律 辛钦大数定律 小结 切比雪夫不等式: * * 1. 设随机变量 X 和 Y 的数学期望都是 2, 方差分别为 1 和 4, 且相互独立, 则根据切比雪夫不等式, P{ | X ? Y | ? 6 } ? ( ) （P131 一、 2） （P132 二、3） * * （P131 一、3） （P132 二、2） * *