4-2中心极限定理演示文档.pptVIP

.iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu 一、问题的引入 二、基本定理 三、典型例题 四、内容小结 第四章 第二节 中心极限定理 实例: 考察射击命中点与靶心距离的偏差. 这种偏差X是大量微小的偶然因素Xi 造成的微小误差的总和: 这些因素包括: 瞄准误差、测量误差、子弹制造过程方面 (如外形、重量等) 的误差以及射击时武器的振动、气象因素(如风速、风向、能见度、温度等) 的作用, 所有这些不同因素所引起的微小误差相互独立. 问题: 在什么条件下， 以正态分布为其极限分布？ 二、基本定理 定理4.6（林德贝格-列维中心极限定理） 定理4.6表明: 注 3o 中心极限定理的意义 无论Xi ( i=1,2,··· ) 具有怎样的分布，只要满足定理4.6的条件，则当n充分大时，其和 近似地服从正态分布. 证 根据第三章第二节例题可知 德莫佛 拉普拉斯 定理4.7(德莫佛－拉普拉斯定理) 根据定理4.6得 注 1o 定理4.7表明: 正态分布是二项分布的极限分布, 当n充分大时, 可以利用该定理来计算二项分布的概率. 2o 由泊松定理也知 问题： 泊松分布和正态分布都可作为二项分布的近似分布，那么哪一种近似更好呢？ ① 当n很大，p很小，?= np不大时， 可用泊松分布； ② 当n很大时， 可用正态分布. ( p 可较大) 下面的图形表明:正态分布是二项分布的逼近. 李雅普诺夫定理 Thm 4.8 (如实例中射击偏差服从正态分布) 李雅普诺夫定理是独立但不同分布情形下的中心极限定理，该定理表明： 若所讨论的随机变量由大量独立的，且“均匀”的小的随机变量相加而成，则当n很大时，这个随机变量的分布近似地服从正态分布. 中心极限定理的意义 在后面的课程中，我们还将经常用到中心极限定理. 中心极限定理是概率论中最著名的结果之一，它不仅提供了计算独立随机变量之和的近似概率的简单方法，而且有助于解释为什么很多自然群体的经验频率呈现出钟形曲线这一值得注意的事实. 三、典型例题 解 例1 由定理4.6, 随机变量Z近似服从正态分布N(0,1), 某保险公司的老年人寿保险有1万人参加,每人每年交200元. 若老人在该年内死亡,公司付给家属1万元. 设老年人死亡率为0.017,试求保险公司在一年内的这项保险中亏本的概率. 解 设 X 为一年中投保老人的死亡数, 由德莫佛－拉普拉斯定理知, 例2 保险公司亏本的概率 四、内容小结 两个中心极限定理 林德贝格-列维中心极限定理 德莫佛－拉普拉斯定理 中心极限定理表明, 在相当一般的条件下, 当独立随机变量的个数增加时, 其和的分布趋于正态分布. 李雅普诺夫资料 Aleksandr Mikhailovich Lyapunov Born: 6 June 1857 in Yaroslavl, RussiaDied: 3 Nov 1918 in Odessa, Russia 德莫佛资料 Abraham de Moivre Born: 26 May 1667 in Vitry (near Paris), FranceDied: 27 Nov 1754 in London, England 拉普拉斯资料 Pierre-Simon Laplace Born: 23 March 1749 in Beaumont-en-Auge, Normandy, FranceDied: 5 March 1827 in Paris, France 例3 试分别用切比谢夫不等式和中心极限定理确定当掷一枚均匀硬币时，需投多少次，才能保证使正面出现的频率在0.4与0.6之间的概率不少于90%. 解法1(切比谢夫不等式) 设需投掷n次， 由切比谢夫不等式，得 解得 解法2(德莫佛－拉普拉斯定理) 注 两种结果相比较，按切比谢夫不等式估计要多做182次试验！ .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .iuu .i