第六章大数定律与中心极限定理范文.pptVIP

优选 第六章大数定律与中心极限定理 第一节大数定律 第二节中心极限定理 优选 * 第一节 大数定律 背景 1.为何能以某事件发生的频率作为该事件的概率的估计？ 2.为何能以样本均值作为总体期望的估计？ 3.为何正态分布在概率论中占有极其重要的地位？ 4.大样本统计推断的理论基础是什么？ 优选 * 1.切比雪夫不等式 设随机变量X的数学期望E(X)=?,方差D(X)=?2,则对任意的正数?，不等式 或 成立. 优选 * 利用切比雪夫不等式可以估计一些随机事件的概率。 例1 设电站供电网有10000盏灯，夜晚每一盏灯开灯的概率是0.7，假定开、关时间彼此独立，估计夜晚同时开着的灯数在6800与7200之间的概率 解 设X表示在夜晚同时开着的灯的数目，它服从参数为n=10000,p=0.7的二项分布，则有 而用切比雪夫不等式估计 E(X)=np=7000,D(x)=np(1-p)=2100 P(6800X7200)=P(|X-7000|200)0.95 使用切比雪夫不等式只能得到事件的大致概率，能否得到其较精确的概率呢？这就要用到中心极限定理 优选 * 2.大数定律 定义1 设Y1，Y2，?，Yn，?, 是一随机变量序列，a为一常数. 若对任意给定正数?0,有 则称随机变量序列Y1,Y2 ,?, Yn, ?, 依概率收敛于a． 定义2 设X1，X2，?，Xn， ? 是一随机变量序列 .若存在常数列{an}使对任意给定的正数?，恒有 , 则称随机变量序列{Yn} 服从大数定律． 优选 * 注意： 优选 * 切比雪夫大数定理 若X1，X2，?，Xn，?，为独立同分布随机变量序列, E(Xk)=? D(Xk)=? 2 (k=1, 2, … )，则对任意的正数? 0,有 或 优选 * 注意 优选 * 证明:（利用切比雪夫不等式） 根据已知条件 由切比雪夫不等式，有 又 所以 优选 * 伯努利大数定理 设nA为是n次独立重复试验中事件A发生的次数, p是事件A在每次试验中发生的概率,则对任意的 正数? 0,有 或 优选 * 证：设 由切比雪夫大数定理,有 所以 即 那么 相互独立，且服从参数为p的0—1分布，E(Xk)=p，D(Xk)=p(1-p). 优选 * 辛钦大数定理 若X1，X2，?，Xn，?，为独立同分布随机变量序列, E(Xk)=? (k=1, 2, … )，则对任意的正数? 0,有 或 优选 * 第二节中心极限定理 设 {Xn} 为独立随机变量序列，记其和为 问这个和的极限分布是什么？ 优选 * 1.独立同分布中心极限定理 若X1，X2，?，Xn，?，为独立同分布随机变量序列, E(Xk)=? D(Xk)=? 2 (k=1, 2,… )，则随机变量标准化量 的分布函数Fn(x)对于任意x满足 优选 * 优选 * 例2 每袋味精的净重为随机变量，平均重量为 100克，标准差为10克. 一箱内装200袋味精，求一箱味精的净重大于20500克的概率? 解：设箱中第 i 袋味精的净重为 Xi, 则Xi 独立同分布，且 E(Xi)=100，Var(Xi) =100， 由中心极限定理得，所求概率为： 故一箱味精的净重大于20500克的概率为0.0002. 优选 * 2.李雅普诺夫中心极限定理 若X1，X2，?，Xn，?，为独立随机变量序列, ，若存在正数?，使当 时， 则随机变量标准化量Zn的分布函数Fn(x)对于任意x满足 优选 * 说明：中心极限定理表明无论各随机变量Xk(k=1,2,?)服从什么分布，只要满足定理的条件，那么他们的和当n很大时，就近似服从正态分布，这就是为什么正态随机变量在概率论中占有非常重要地位的一个基本原因 优选 * 3.棣莫弗——拉普拉斯中心极限定理 定理表明：二项分布的极限分布是正态分布， 即 设随机变量 服从参数为n,p的二项分布，则对任意x，有 优选 * 小结 中 心 极 限 定 理 注 优选 * 例3 解： 所以 优选 * 优选 * 例4(供电问题)某车间有200台车床,在生产期间由于需要检修、调换刀具、变换位置及调换工件等常需停车. 设