第四章 大数定律与中心极限定理.docxVIP

PAGE 1 PAGE 1 第四章 大数定律与中心极限定理 第四章大数定律与中心极限定理  第四  教学目的：  大数定律与中心极限定理  1．使学员理解随机变量序列依概率收敛、按分布收敛的含义，知道两种收敛的关系，理解连续性定理的意义。  2．使学员牢固把握马尔科夫大数定律、辛钦大数定律及其证明、理解契贝晓夫、贝努力里大数定律的意义。  3．使学员能娴熟应用DeMoivre-Laplace中心极限定理作近似计算及解决生产、生活中的实际问题。  4．使学员把握、独立同分布场合下的Lindeberg-Leve中心极限定理的证明及应用，知道德莫佛—拉斯定理是其特例。  本课程一开头引入事件与概率的概念时，我们就知道就一次试验而言，一个随机事件可以出现也可不出现，但作大量的重复试验则呈现出明显的规律性——统计规律性。即，任一事件出现的频率是稳定于某一固定数的，这固定数就是该事件在一次试验下发生的概率，这里说的“频率稳定于概率”实质上是频率依某种收敛意义趋于概率，“大数定律”就是解释这一问题的。  另外在前一章介绍正态分布时，我们一再强调正态分布在概率统计中的重要地位和作用，为什么实际上有很多随机现象会遵循正态分布？这仅仅是一些人的经验猜测还是确有理论依据，“中心极限定理”正是争论这一问题的。  §4.2*  随机变量序列的两种收敛性  假设1(),2(),,n(),是定义在同一概率空间（，F,P）上的一列随机变量，明显，其中每个r.v，k()可以看成是定义在概率空间上的一个有限可测函数，因此，我们  *  §4.2使用的是原教材的编号，是便利学员看书复习。1  第四章大数定律与中心极限定理  可以象在实变函数论中对可测函数列定义收敛性一样，给出随机变量列{k()}的收敛性概念。  以下我们争论时，总假定r.v列{n}和r.v.都是定义在同一概率空间（，F,P）上的，对于某样本点0，明显{n(0)}可视为一平凡实数列，(0)则可看作一实数，此时若有limn(0)(0)，则称随机变量列{n}在点0收敛到。若对任意，均有  n  limn()()，则称{n}在上点点收敛到。但在本章的争论中，我们没有必  n  要对{n}要求这么高，一般是考虑下面给出的收敛形式。  定义4.2设有一列随机变量,1,2,，如对任意的＞0，有  limP{:n()()}0（4.6）  n  则称{n}依概率收敛到，并记作  4.6limn  P  n  P  ,4.6或n  （4.6）式也等价于limP{n}0  n  从定义可见，依概率收敛就是实函中的依测度收敛。  时，其相我们知道，随机变量的统计规律由它的分布函数完全刻划，当n  应的分布函数Fn(x)与F(x)之间的关系怎样呢？  例4．2设n(n1)及都听从退化分布：  P  1  P{n}1,n1,2,  n  P{0}1  对任给＞0，当n＞  1  时，有P{n}P{n}0  2  第四章大数定律与中心极限定理  ,(n)所以n  P  1  0n而n的d.f为Fn(x)  1x1  n  x  的d.f为F(x)  01  x0x0  易验证当x0时，有Fn(x)→F(x)（n→）但x0时，Fn(0)1不趋于F(0)0  上例表明，一个随机变量依概论收敛到某随机变量，相应的分布函数不是在每一点都收敛，但假如认真观看这个例，发觉不收敛的点正是F(x)的不连续点，类似的例子可以举出许多，使人想到要求Fn(x)在每一点都收敛到F(x)是太苛刻了，可以去掉F(x)的不连续点来考虑。  定义4.3设{Fn(x)}为一分布函数序列，如存在一个函数F(x)，使在F(x)的每一连续点x，都有limFn(x)F(x)  n  则称分布函数列{Fn(x)}弱收敛于F(x)，并  F(x)n（4.7）记作Fn(x)  定义4.3设r.v.n(n1)和的分布函数分别为Fn(x)，F(x)，若  WLFn(x)F(x)n，则称n按分布收敛于，并记作n（n）  W  ，则n定理4.4若n  证对于xR,任取xx，因有  PL  (x)(nx,x)(nx,x)