北邮概率统计课件5.1大数定律.pptxVIP

第五章知识结构图 概率论的理论结果 大数定律 中心极限定理 切比雪 贝努利 辛钦 (大数) 夫大数 大数 定理 定理 定理 独立同 李雅普 棣莫 分布的 诺夫中 弗 --拉 中心极 心极限 普拉斯 限定理 定理 中心极 限定理 2013 北邮概率统计课件 概率统计 第五章 大数定律及中心极限定理 大数定律和中心极限定理是概率论中的比较深入与 重要的理论结果。本章主要讨论如下两个问题： 1. 在一定条件下,一列随机变量的算术平均值（按某 种意义）收敛于所希望的平均值的定理称为“大数 定律”。 大数定律为概率论所存在的基础 —“概率是频率的 稳定值”提供了理论依据，它以严格的数学形式表 达了随机现象最根本的性质之一：平均结果的稳 定性。它是随机现象统计规律的具体表现，也成 为数理统计的理论基础。 2013 北邮概率统计课件 概率统计 2. 在一定条件下，大量的相互独立的随机变量之和 的概率分布近似于正态分布的定理称为“中心极限 定理”。 中心极限定理它以严格的数学形式证明了随机现 象另一个最根本的性质之一：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。它是随机现象 统计规律的具体表现，也成为数理统计的理论基 础。而正态分布又是应用最广的分布。 2013 北邮概率统计课件 概率统计 第一节 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 废品率 字母使用频率 …… 2013 北邮概率统计课件 概率统计 一. 切比雪夫大数定律 定理1（切比雪夫大数定律） 设 X , X , … 是相互独立的随机变 1 2 量序列，它们都有有限的方差，并且方 差有共同的上界，即 D( Xi ) ≤ K， i=1, 2, …，则对任意的ε 0， 切比雪夫 1 n 1 n   lim P {| X  E(X )|  }  1 i i n n n i1 i1 注： 切比雪夫大数定律表明：独立随机变量序列 { Xn }，如果方差有共同的上界，则： 2013 北邮概率统计课件 概率统计 1 n 1 n  的偏差  Xi 与其数学期望 算术平均值 E(Xi ) n i1 n i1 是很小的，其概率接近于1。即当 n 充分大时， 1 n  X 差不多不再是随机的了，取值接近于其数学 i n i1 切比雪夫大数定律给出了平均 期望的概率接近于1。 值稳定性的科学描述 亦称为独立 同分布的大 数定律 定理2（切比雪夫大数定律的特殊情况） 设 X , X , … 是相互独立的随机变量序列，它 1 2 们具有相同的数学期望与方差：     2 E(X ) , D(X ) k k k  1, 2,, 作前 n 个随机变量的算术平均值： 2013 北邮概率统计课件 概率统计 1 n  X  X   0 则对任意的 k 有： n n k1   1 n    lim P X      lim P  X       1 n k n n n   k1 证明: 1 n 1 n 1    E( X )  E(Xk )   n   k n n n k1 k1 n 1 n 1 1 1   D( X )  D(Xk )    2   2 n k 2 2 n n n n k1 k1 D(X ) (P(X  E(X )   )  由切比雪夫不等式可得:  2  2   1 n  n 2 P  X       1 k  n   k1 2013 北邮概率统计课件 概率统计 令：n   , 并注意到概率 1,  所以得：   1 n  lim P  X       1 k n n   k1 注: 定理2 是定理1中当数学期望和方差给定具体 ▲ 值时的特殊情况。它表明当 n 很大时，随机 X , X ,X 变量 n的算术平均值在概率意义 1 2 E(Xk )   下接近于数学期望  其作用：在数理统计中如不知道 ，则可用 其算术平均值来近似代替，则定理2就提供了 理论依据。 Y ,Y ,Y , a ▲ 称序列 依概率收敛于常数 1 2 n 2013 北邮概率统计课件 概率统计 指的是 : 对任意正数  有 lim P( Y a ) 1     n n P Y  a 记为： n 1 n  由此， 定理2的结论可叙述为：序列 X  X n k n  k1 依概率收敛于常数 ▲ 依概率收敛的序列具有如下性质: