概率水利 全册课件.ppt

定理2（棣莫弗-拉普拉斯中心极限定理） 二、棣莫弗-拉普拉斯中心极限定理 设随机变量 服从参数为 的二项分布， 即 ，则随机变量 的标准化变量 的分布函数 对任意实数 ，有 定理2表明： 若随机变量 ，则其标准化变量， 在 充分大时，近似服从标准正态分布，即： 故 例3 设电站供电网有10000盏电灯，夜晚每盏灯开灯的概率都是0.7，假定开、关相互独立，用中心极限定理估计夜晚同时开着的灯数在6800到7200之间的概率． 设 表示夜晚同时开着的灯数，则 解： 10000充分大， 例4 一学校有10000名学生，每人以80％的概率去图书馆上自习，问图书馆至少应设置多少个座位才能以95％以上的概率保证去上自习的学生都有座位． 解： 10000充分大， 设 表示上自习的学生数，而设置座位数为 ,则 ， 所以图书馆至少应设置8066个座位. 数理统计的内容包括：如何收集、整理数据资料；如何对所得的数据资料进行分析、研究，从而对所研究的对象的性质、特点作出推断． 　　后者就是我们所说的统计推断问题。本书只讲述统计推断的基本内容。 前面五章我们讲述了概率论的基本内容 ， 随后的三章将讲述数理统计． 数理统计是具有广泛应用的一个数学分支，它以 概率论为理论基础，根据试验或观察得到的数据， 来研究随机现象，对研究对象的客观规律性作出 种种合理的估计和判断． 第六章 样本及抽样分布 第一节 总体与样本 第二节 统计量 第三节 数理统计中的几种常见分布 第四节 正态总体的抽样分布 第一节 总体与样本 　　从理论上讲，只要对随机变量进行大量的观测(或实验)，被研究的随机变量的概率特征一定能显现出来。 　如：进行大量射击，则射手的水平高低、平均中靶环数、射中每个环数概率都可大概知晓。 　　可是实际进行的观测（或实验）次数只能是有限的，有的甚至是少量的． 因此，我们关心的问题就是怎样有效地利用收集到的有限的资料，尽可能地对被研究的随机变量的概率特征作出精确而可靠的结论． 例如，我们考察某厂生产的一大批灯泡的质量。在正常生产情况下，灯泡的质量主要表现为它们的平均寿命是稳定的. 　　然而，由于生产中各种随机因素的影响，各个灯泡的寿命是不完全相同的．要检验灯泡的平均寿命就需要测试每一个的寿命。 　　实际上，由于受到人力、物力等的限制，不可能对每一个灯泡的寿命进行测试，特别地，测定灯泡寿命的试验具有破坏性，因此对全部灯泡一一进行测试也不可能。 　　 一般只是从所有灯泡中抽取一些进行测试，再根据这一部分数据来推断整体的情况。 如：上面的例子中，该厂生产的所有灯泡的寿命就是总体，而每一个灯泡的寿命就是个体． 一、总体与个体 总体：被研究的对象的全体， 个体：组成总体的各个元素． 以X表示灯泡的寿命，每个灯泡的寿命对应的X一个取值,则所有灯泡的寿命即为X取值的全体。 二、抽样与样本 上例中，从所有的灯泡中抽取一个测试其寿命，就相当于对灯泡的寿命这个随机变量X进行一次试验（或观测），得到的一个具体的灯泡寿命的数据。 从总体中抽取一个个体，就是对代表总体的随机变量X进行一次试验（或观测），得到的一个试验数据（或观测值）． 从总体中抽取一部分个体，就是对随机变量进行 若干次试验（观测），得到的若干个试验数据 （或观测值）． 二、方差的性质 表1 几种常见分布的均值与方差 数学期望 方差 分布率或 密度函数 分布 0－1分布 p p(1-p) 二项分布b(n,p) np np(1-p) 泊松分布 均匀分布U(a,b) 指数分布 正态分布 三、 原点矩与中心矩 定义 设X和Y是随机变量，若 存在，称它为X的k阶原点矩，简称 k阶矩 存在，称它为X的k阶中心矩 可见，均值 E（X）是X一阶原点矩，方差D（X） 是X的二阶中心矩。 第三节 协方差与相关系数 协方差 相关系数 一、协方差 协方差具有下述性质 ： 二、相关系数 相关系数有如下性质： 第五章 大数定律和中心极限定理 第一节 大数定律 一、切比雪夫不等式 ----切比雪夫不等式 定理1 设随机变量 的期望 ，方差 存在，则对于任意 例1 已知正常男性成人血液中，每一毫升的白细胞数平均是7300，标准差是700，利用切比雪夫不等式估计每毫升血液中的白细胞数在5200～9400之间的概率。 利用切比雪夫不等式估计 解： 设每毫升血液中的白细胞数为 ，则 故每毫升血液中的白