数学数理统计5.pptx

数学数理统计5会计学有和方差设为一随机变量, 其数学期望都存在，则对于任意第2页/共61页准备工作1) 切比雪夫不等式2) A.L.Cauchy－Schwarz不等式. --设事件设则第3页/共61页贝努里（Bernoulli） 大数定律在每次试验中出现的概率为 p, 且在n次重复独立试验中出现的频率为 证 引入 r.v. 序列{Xk}--相互独立，记第4页/共61页由 Chebyshev 不等式--第5页/共61页故--是频率与 p 有较大偏差第6页/共61页贝努里(Bernoulli)大数定律的意义在概率的统计定义中, 事件 A 发生的频率 “ 稳定于”事件 A 在一次试验中发生的概率是指：小概率事件, 因而在 n 足够大时, 可以用频率近似代替 p . 这种稳定称为依概率稳定.--有则则称　　服从大数定律．　第7页/共61页 大数定律设 r.v. 序列是常数序列，或--有则第8页/共61页Chebyshev 大数定律两两不相关的随机变量,又设　或--第9页/共61页两两不相关,且方差有界，则可得到　　--相互独立的条件可以去掉，代之以第10页/共61页在定理一中,去掉方差存在的条件而加上相同分布的条件，则有：辛钦大数定律 设为一列相互独立同分布的随机变量，且具有相同的数学期望 注（Markov） 大数定律--存在常数使得对于任意的 有则称则称 依概率收敛于 依概率收敛于 第11页/共61页二　随机变量的收敛性　定义1设为一列随机变量，如果 记为 定义2设为一列随机变量,X是随机变量　如果对于任意的 有，记为 --第12页/共61页定义３:设 　是一列分布函数,如果对F(x)每个连续点x，都有　则称分布函数列弱收敛于分布函数F(x) ，　记为　定义：如果　　则称　依分布收敛于X，记为　--第13页/共61页可以证明：（１）若　　　　　　则，（２）设C为常数，则F(x)是X=C的分布函数，即　充分性：--则称r－阶收敛于X,记作　　第14页/共61页３：r－阶收敛　定义：设对随机变量Xn及X，r0为常数，如果　且，特别：１－阶收敛为平均收敛，２－阶为均方收敛　--第15页/共61页４：以概率１收敛　定义：若存在一随机变量X,使　我们称随机序列 以概率为１收敛于X,或说几乎处处收敛于X，并记为　四种收敛关系：以概率１收敛或r-阶收敛 依概率收敛　依分布收敛　　--第16页/共61页三、 中心极限定理中心极限定理讨论：随机变量序列对应的分布函数序列收敛于标准正态分布函数的定理　--为标准正态分布的分布函数。 其中第17页/共61页定理1（独立同分布的中心极限定理）设为一列相互独立相同分布的随机变量，且具有数学期望和方差， 则对于任意实数 有--近似服从近似第18页/共61页若一随机变量可以表示成数量很多的相互独立相同分布的随机变量的和，则该随机变量可近似服从正态分布，标准化后就服从标准正态分布。--对任意 有，第19页/共61页--素Xk的总和 ，而这个总和服从或近似服从第20页/共61页中心极限定理的意义前面讲过有许多随机现象服从正态分布是由于许多彼此没有什么相依关系、对随机现象谁也不能起突出影响，而均匀地起到微小作用的随机因素共同作用(即这些因素的叠加)的结果.若联系于此随机现象的随机变量为X ，则它可被看成为许多相互独立的起微小作用的因正态分布.--— 钉子层数03第21页/共61页对此现象还可举个有趣的例子——高尔顿钉板试验—— 加以说明.--第22页/共61页　表示某一个小球在第k次碰了钉子后向左或向右落下这一随机现象联系的随机变量，满足中心极限定理条件，独立投入１００个小球，--则对于任意实数　为标准正态分布的分布函数。其中当很大时，我们便可以利用定理 2 来近似计算二第23页/共61页定理 2 （德莫佛—拉普拉斯）设有这个定理表明，二项分布的极限分布是正态分布项分布的概率。--对任意 有，第24页/共61页--第25页/共61页例 某单位有200台电话分机，每台分机有5%的时间要使用外线通话。假定每台分机是否使用外线是相互独立的，问该单位总机要安装多少条外线，才能以90%以上的概率保证分机用外线时不等待？解：设有X部分机同时使用外线，则有设有N 条外线。由题意有--第26页/共61页由德莫佛-拉普拉斯定理有查表得故N应满足条件 即--描述统计学数理统计的分类推断统计学第27页/共61页第2章 数理统计的基本概念 —— 对随机现象进行观测、试验， 以取得有代表性的观测值 —— 对已取得的观测值进行整理、 分析,作出推断、决策,从而 找出所研