概率论与数理统计：第5章 随机变量序列的极限.pptVIP

由德莫佛-拉普拉斯中心极限定理推得，如果随机变量 ，那么，当n较大时， 对这个近似公式作两点说明： (1) 对 ， 我们仍用上面的算式来近似，因为当n较大时， 的值很小，可以忽略不计(见习题5.8)。 ?(2) 当 时，不妨认为 ；当 时，不妨认为 。 例5.3 ? 在次品率为0.1的一批产品中，任意抽取300件产品，利用中心极限定理计算抽取的产品中次品数在20和40之间的概率。 解 ?设300件产品中次品的件数为 ，则 于是，由 ?得所求概率为 例5.4 ???对一本20万字的长篇小说进行排版。假定每个字被错排的概率为 。试求这本小说出版后发现有6个以上错字的概率，假定各个字是否被错排是相互独立的。 ? 解 ???设错字总数为 ，则 于是，由 ?得所求概率为 ? 如果用泊松分布来近似， ，查附表三得到? 例5.5 ??某厂知道自己产品的不合格率p较高，因此打算在每盒(100只)中多装几只产品。假定p＝0.2，试问每盒至少应多装几只产品才能保证顾客不吃亏的概率至少有99%. ? 解 ?设每盒中应多装k只产品。于是，每盒100+k只产品中的不合格品个数 。现在要求满足不等式 的最小的k。用正态分布来近似，得到 ??????? 于是，k必须满足 于是，k必须满足 ? 因此解得 这表明至少应该每盒多装39只产品。 ? 中心极限定理在数理统计的区间估计与假设检验问题中还有重要的应用。 第五章 随机变量序列的极限 概率论的基本任务是研究随机现象的统计规律性。在一个具体问题中，这种统计规律性往往通过大量的重复观测来体现，对大量的重复观测作数学处理的常用方法是研究极限。 极限理论的内容是很丰富的，本章讨论两类有关极限的定理，它们分别以退化分布(即常数的分布)与正态分布作为极限分布。当然，限于本课程的性质，本章介绍一些最基本的但应用价值最大的结果。本章限于讨论一维随机变量。 §5.1 大数定律 一、概率收敛定义 ? 首先我们需要对随机变量序列引进新的收敛性定义。 ? 定义5.1 设 是一个随机变量序列。如果存在一个常数c，使得，对任意一个 ，总有 那么称随机变量序列 依概率收敛于c。 记作 ? 依概率收敛性的直观意义是：当n足够大时，随机变量 几乎总是取接近于c的值。利用求对立事件的概率计算公式，依概率收敛性也可以等价地表示成 ?依概率收敛性具有下列性质，这个性质在数理统计中是有用的。 ? 定理5.1 ???如果 ，且函数 在 处连续，那么 。 ? 现在我们来考察频率的稳定性。 ? 在n重贝努利试验中，设事件A发生了 次。易知， 是离散型随机变量，且 ，其中 ；频率 。由于 因此，由切比雪夫不等式推得，对任意一个 ，当 时， 就证明了 ，从而频率的稳定性有了严格的数学描述。 ? 设随机变量 事件A在第 次试验时发生? 事件A在第 次试验时发生? 于是，n重贝努利试验中事件A发生的频数 频率 这里，