概率论与数理统计#40;05#41;.pptxVIP

第五章 大数定律中心极限定理 主讲：周仲礼 概率论与数理统计是研究随机现象统计 规律性的学科.随机现象的规律性只有在相 同的条件下进行大量重复试验时才会呈现出 来.也就是说，要从随机现象中去寻求必然 的法则，应该研究大量随机现象. 研究大量的随机现象，常常釆用极限 形式，由此导致对极限定理进行研究.极 限定理的内容很广泛，其中最重要的有两 种： 大数定律与中心极限定理 下面我们先介绍大数定律 大数定律的客观背景 大量的随机现象中平均结果的稳定性 大量抛掷硬币 正面出现频率 生产过程中的字母使用频率 废品率 几个常见的大数定律 定理1 (切比雪夫大数定律) 设X1，又2,…是相互独立的随 机变量序列，它们都有有限的方差, 并且方差有共同的上界，即弥，(X,) 切比雪夫.n jl 切比雪夫 Ky i=l, 2, ____ 则对任意的aO, limP(l TOO *(Xj)} = l i=l 切比雪夫大数定律表明，独立随机变 量序列｛X〃｝,如果方差有共同的上界，贝U 1 n 1 n 与其数学期望-V£（x.）®差很小的 n f=i n i=i 概率接近于L 1 n 即当〃充分大时，-ZXj差不多不再是 随机的了，取值接近于其数学期望的概率接 近于1. 切比雪夫大数定律给出了 平均值稳定性的科学描述 证明切比雪夫大数定律主要的数学 工具是切比雪夫不等式. 设随机变量X有期望E0)和方差成 则对于任给£0, 2 P{IX-(X)}21-\ 1AMA 八八 Q — 一 〜£ C 作为切比雪夫大数定律的特殊情况， 有下面的定理. 定理2 (独立同分布下的大数定律) 设X]2,…是独立同分布的随机变量 序列，且(X沪 卩,£(^)= o-2, 则对任给Q0, 1 G UUI11 -GUI 11 limP{l —£X,•一〃} = 1 〃钉 I!囲 引入 Xj = 则 n 贝努里 稚各布第一•伯努利 下面给出的贝努里大数定律， 是定理2的一种特例. 设是〃重贝努里试验中事件4发 生的次数，〃是事件4发生的概率， 1,如第，次试验A发生 0, 否则 n s〃=£Xi i=l L£Xj是事件4发生的频率 ■ HS 于是有下面的定理: 贝努里—_ 定理3 （贝努里大数定律） 设是〃重贝努里试验中事件4发生的 次数，p是事件4发生的概率，则对任给的 8 0, q hmF{l 圣 _plv 硏=1 MT8 H 或 S lim P{\^-p\s} = Q “Too Yl 任给8o, lim P{\--p I2e} = 0 00 fl 贝努里大数定律表明，当重复试验次数 〃充分大时，事件4发生的频率£/〃与事件4 的概率。有较大偏差的概率很小. 贝努里大数定律提供了通过试验来确 定事件概率的方法. I li 下面给出的独立同分布下的大数定 律，不要求随机变量的方差存在. 定理3 （辛钦大数定律） 设随机变量序列XpX”…独立同 分布，具有有限的数学期£（為）=外 i=l,2,...，则对任给£0 , 1 n dccin ( knP[\-YXi-Ju\s) = l i n i=i 例如要估计某地区的平均亩产量，要 收割某些有代表性的地块，例如〃块.计 算其平均亩产量，则当〃较大时，可用它 作为整个地区平均亩产量的一个估计. I 1庆 这一讲我们介绍了大数定律 平均结果的稳定性 它是随机现象统计规律的具体表现. 大数定律在理论和实际中都有广泛的应用. 大数定律以严格的数学形式表达了随 机现象最根本的性质之一： 第五季第二节 彳心极限定理 中心极限定理的客观背景 在实际问题中，常常需要考虑许多随机 因素所产生总影响. 如瞄准时的误差， 空气阻力所产生的误差， 炮弹或炮身结构所引起的误差等等. 对我们来说重要的是这些随机因素的总影响. 自从高斯指出测量误差服从正 态分布之后，人们发现，正态分布 在自然界中极为常见. 观察表明，如果一个量是由大量相互独 立的随机因素的影响所造成，而每一个别因 素在总影响中所起的作用不大.则这种量一 般都服从或近似服从正态分布. 现在我们就来研究独立随机变量之和所 特有的规律性问题. 当〃无限增大时，这个和的极限分布是 什么呢? 在什么条件下极限分布会是正态的呢? 由于无穷个随机变量之和可能趋于00, __ 故我们不研究〃个随机变量之和本身而考虑 它的标准化的随机变量 打乎饮） 7 _ k=l k=l 乙n _ I v -Mvy k=i 1 ■ vz 的分布函数的极限. . n ZXk-EXk)