概率论和数理理统计 五大数定理.pptVIP

第五拿大教突颯与中心般限理 “大数定律”:用来阐明大量随机现象平均结果稳定性的定理 、切比雪夫不等式 切比雪夫不等式:设随机变量X有数学期望EX及方差DX, 则对于任何正数G,下列不等式成立: DX DX PX-EX≥E)s 或P(x-Ex)≥1 证就X是连续型随机变量的情况证明 设X的概率密度为(x)则p(x-Ex2)=∫f(xMx X-EX≥6,:[x-EX]≥8 Y-EXI 山  ∫x-EXFf(xx一放大被积函数其值也大 EX E 放大积分区 ∫。-Ex于r(xk DX 间其值也大 [注]:当X的分布未知时,利用E(X、D(X)可以得到关于概率 P(X-EX≥k、D(X)的粗略估计。 例1利用切比雪夫不等式估计随机变量与其数学期望的差大于 三倍标准差的概率. 解P(x-Ex|≥3o)5=1-0 山  例2为了确定事件A的概率,进行了100009重复独立试验 利用切比雪夫不等式估计:用事件A在10000次试验中发生 的频率作为事件A的概率近似值时,误差小于001的概率 解设事件A在每次试验中发生的概率为P,在这10000试验 中发生了X次,则EX=mD=1000.X=1000-p) 因此,所求事件的概率为 =P(x-1000 DX PX-EX100)≥1 1002 p+p P ≥0.75  大数定理 独立随机变量X,X2…,X的算术平均值:Xn=∑X X,的数学期望是:EF。1 EX X的方差为:DX DX 若方差一致有上界,则DX_2mff 由此,当n充分大时,随机变量x分散程度是很小的, 也就是说,X的值较紧密地聚集在它的数学期望EX,的附近.  切比雪夫定理:设独立随机变量X1,X2,…,Xn”…分别有数学 期望EX1,EX2,…,EXn…及方差DX1,DX2”…,DXn…,并 且方差是一致有上界的,即存在某一常数K,使得 DX;K,i=1,2,…,n,… 则对于任何正数a,恒有 mnP∑X-∑Ex16=1 lim PlXn-EXn8=1 这就是说,当n→时,X按概率收敛于EX, 或说Ⅹ一EX按概率收敛于零。  证对于随机变量y1yx1,由切比雪夫不等式 p(xn一Ex川e)≥1 DXn所 以 PIL X IE(x)] 21-5.(x 1 nk k 1 令n→∞,并注意到概率不能大于1,得证  定义:若对于任何正数a,imP(xn-a)=1,则称随机变量 Xn当n→∞时按概率收敛于数a,记作XP→a 注:Xna←今Xn-a-0 推论(辛钦大数定律) 设独立随机变量X1,X2…,X服从同一分布,并且有数学 期望及方差a,则X1,X2”…,X的算术平均值当n→∞ 时,按概率收敛于,即对于任何正数e,恒有 m ∑X-以6|=1 n→ 山  伯努利定理: 在独立试验序列中,当试验次数无限增加时,事件A的频 率按概率收敛于事件A的概率 即:设事件A的概率P(A)=P,m表示A在n次独立试验中 发生的次数,事件A的频率为W(4)=,则对于任何正数e, 恒有limP P8= 小概率事件的实际不可能性原理: 概率很小的事件在个别试验中是不可能发生的。  例3从某工厂的产品中任取200件,检查结果发现其中有6件次 品能否相信该工厂的次品率不大于001 解若次品率不大于001,则任取200件,发现6件次品的概率 应不大于P2m0(6)=C200.01°.0.99 利用泊松定理,取=200×0.01=2 0.012 此概率很小,据小概率事件的实际不可能性原理, ∴不能相信该工厂的次品率不大于0.01。  例4设在每次试验中,事件A发生的概率均为p(01),且P 很小(小概率事件),求在n次独立试验中,事件A发生的概率。 解设事件B表示“在n次独立试验中,事件A发生” A2表示“在第i次试验中,事件A发生 B,=∪A而P(A1)=p P(B= A;I=1-PlA,A 1-P(4)p(a)-()=1-(1-py 显然,当n→∞时,P(Bn)→1 [注]小概率事件尽管在个别试验中不可能发生,但在大量试验 中几乎必然发生 山