北邮概率统计课件5.2中心极限定理.pptxVIP

第二节 中心极限定理 问题的引出 在概率论中，我们已经知道正态分布居 于头等重要的地位，许多随机变量都遵循 正态分布。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。并且大量实验观察也表明 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。 高斯 2013 北邮概率统计课件 概率统计 这仅仅是经验之谈呢，还是确有理论依据呢？对于 这样一个重要问题，在长达两个世纪内一直成为概 率论研究的中心问题。数学家们经过卓越工作建立 了一系列定理，解决了这一问题，并指出: (1). 具有有限方差的一列独立同分布的随机变量的 和经过标准化后是以标准正态分布为极限的， 这就是独立同分布的中心极限定理 或 称为 林德贝尔格---勒维中心极限定理。当同分布 为二项分布时就得出该定理的特例，即为： 棣莫弗---拉普拉斯定理，它也是二项分布的 正态近似。 2013 北邮概率统计课件 概率统计 (2). 对“由大量微小的独立的随机因素”（不要求同分 布）引起并累积成的变量，当随机因素个数趋于 无穷时以正态分布为极限。这就是李雅普诺夫中 心极限定理。 比如：一台机床已经调试良好，操作正常。但由 于机床的微小震动、工具的微小变形、原材料质 量上的微小差异、工作操作上的微小偏差等等数 不清的随机因素，它们每一个因素在总的影响中 所起的作用都是微小的。而综合起来在产品质量 上就形成一定的误差，这误差近似服从正态分布。 2013 北邮概率统计课件 概率统计 研究的问题： 研究独立随机变量之和所特有的规律性问题。当 n 无限增大时，这个和的极限分布是什么？在什 么条件下极限分布会是正态的呢？ 在概率论中，习惯于把和的分布收敛于正态分 布这一类定理都叫做中心极限定理。故： 在一定条件下，大量的随机变量之和的概率分布 以正态分布为极限的定理称为中心极限定理。 2013 北邮概率统计课件 概率统计 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 的总影响： 例如：炮弹射击的落点与目标的偏差，就受着 许多随机因素的影响： 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. 而所要研究的是：这些随机因素的总影响。 2013 北邮概率统计课件 概率统计 一. 独立同分布中心极限定理 （林德贝尔格---勒维(Levy－Lindberg)定理） 定理1. 设随机变量 X , X L X L 相互独立且服从同 1 2 n E(Xk )   一分布，其数学期望与方差: n  X D(X ) , (k 1,2 ) 则随机变量之和   2  L k k k1 的标准化变量： n n n n     X  E( X ) X  n Xk  n k k k Yn  k 1  k 1   k 1    k 1 n  n n  2  D( X ) k k1 2013 北邮概率统计课件 概率统计 x Fn (x) 的分布函数 对于任意 满足:   n  t2 Xk  n     1 x       x e dt lim F (x) lim P  k 1 2 n n  2 n  n        证： (略) 它要用到特征函数和傅利叶变换等等。 注: ▲ 定理1 表明，当 n 充分大时，n 个具有期望和 方差的独立同分布的随机变量之和近似服从正 态分布。 虽然在一般情况下，很难求出 X + X + …+ X 的分布的确切形式，但当 n 很大时，可以求 1 2 n 出其近似分布。 2013 北邮概率统计课件 概率统计 定理1 表达了正态分布在概率论中的特殊地位: ▲ X , X L X L 分大后，其样本平均值  的分布却是近似 服从正态分布的： 尽管 分布是任意的，但只要 n 充 1 2 n 1 n X k n k1 n 1 n 1 n    Xk  n n X   Xk  E(X ) k n n  k 1 Q  Y  k 1    k 1 n 1 1 n D(X ) n n 1 n 1  2 即 X 服从正态分布 N[E(X ),( D(X )) ] k n n k1  2 X ~ N( , ) 这一结果是数理统计中 大样本统计推断的基础 或 n 2013 北邮概率统计课件 概率统计 二. 李雅普诺夫定理 ( Liapunov 中心极限定理) 定理2. 设随机变量 X , X L X L 相互独立，它们 1 2 n 具有数学期望和方差为：     2 k   L 0 ,