第五章-大数定律与中心极限定理.pptVIP

Probability Theory and Mathematical Statistics 第五章 大数定律与中心极限定理 本章主要内容 §1 极限定理的背景 §2 大数定律 §3 中心极限定理 在第一章中我们曾指出：长期实践发现，虽然个别随机事件在一次试验中可以发生，也可以不发生，具有偶然性，但大量重复试验中却能呈现出其统计规性．随着试验次数的增加，某一事件发生的频率渐渐接近于某个常数，即在这个常数的附近摆动，这就是所谓的“频率稳定性”．但对这一点，至今为止我们尚未给予理论上的说明．另外，在第二章我们给出了二项分布的泊松逼近，那么更一般的近似计算方案又是怎样呢? 要讨论随机现象的统计规律性，首先应明确在数学上怎样描述“一定条件下大量的重复试验”．前面，我们曾建立了贝努利试验概率模型，它可以作为在一定条件下重复试验的数学模型．在n次贝努利试验中，各次试验是相互独立的，并且在每次试验中，所关心的主要问题“事件A发生的概率p(A) = p”保持不变，同时认为每次试验的样本空间相同(即试验条件不变，或试验可重复)．这些特征可以看作是从数学角度把“在一定条件下”、“重复试验”等术语的涵义加以明确化． 大数定律断言了频率等“平均值”的稳定性，从理论上明确了概率的客观意义．本节的中心极限定理，则要给出频数的渐近分布的更精确的论述． §5.3 中心极限定理 §5.3 中心极限定理 §5.3 中心极限定理 定理的结论阐明了本节开始时所提到的“如果随机变量由大量相互独立的随机因素综合影响而确定，且每种个别因素在总的影响中所起的作用又都很微小，那么这种随机变量通常服从正态分布或近似服从正态分布”的理论根据． §5.3 中心极限定理 §5.3 中心极限定理 §5.3 中心极限定理 §5.3 中心极限定理 §5.3 中心极限定理 下面介绍另一个中心极限定理，它是定理3.1的特例． §5.3 中心极限定理 §5.3 中心极限定理 [例3-3] 某车间有200台机床独立工作，因检修、换料等原因，使得每台机床的开工率为0.6．开工时每台机床的耗电量均为1千瓦．问至少要供给该车间多少千瓦电，才能以99.9%的概率保证该车间不会因供电不足而影响生产？ §5.3 中心极限定理 * §5.1 极限定理的背景 §5.1 极限定理的背景 §5.1 极限定理的背景 §5.1 极限定理的背景 §5.1 极限定理的背景 §5.1 极限定理的背景 §5.1 极限定理的背景 §5.1 极限定理的背景 §5.1 极限定理的背景 返回 §5.1 极限定理的背景 作为预备知识，我们先明确随机变量序列收敛的相关概念，同时给出一个重要的不等式，它是以下理论证明所用的主要工具之一． §5.2 大数定律 §5.2 大数定律 §5.2 大数定律 §5.2 大数定律 §5.2 大数定律 §5.2 大数定律 §5.2 大数定律 §5.2 大数定律 §5.2 大数定律 §5.2 大数定律 §5.2 大数定律 显然，贝努利大数定律是辛钦大数定律的特殊情况．辛钦大数定律在应用中是很重要的，它为寻找随机变量的数学期望值提供了一条实际可行的途径．例如，要估计某地区的平均亩产量，可收割某些有代表性的地块，比如n块，计算其平均亩产量，则当n 较大时，可用它作为整个地区平均亩产量的一个估计． 大数定律的现实意义 观察随机现象时是连同一切个别的特性来观察的，这些个别的特性往往蒙蔽了事物的规律性．在大量观察中个别因素的影响将相互抵消而使得总体稳定．除了上述的“频率”这类平均值具有稳定性之外，还有众多的随机现象也具有“平均值”的统计稳定性． §5.2 大数定律 譬如，学生食堂有几千名学生就餐，尽管每个同学午餐的饭量略有不同，且个人的饭量也有随机的波动，但正常情况下，总的平均饭量是相对稳定的．因而炊事员不必每天按人登记饭量也不致使做出的饭菜出现太大的余缺．再比如，对于一栋楼内使用的灯，很难预料在一天内需要更换多少被烧毁的灯泡，但对于全校所需更换的灯泡数却能较为准确地估计，对于一个城市来说，就可更加稳定地预料． 返回 §5.2 大数定律 前面几章，我们一直强调正态分布的重要地位．实际上，客观实际中有许多随机变量服从或近似服从正态分布．实践证明，有许多随机变量，他们是由大量的相互独立的随机变量(随机因素)综合影响所形成，但个别因素在总