西安交通大学 《概率统计与随机过程》课件四章.pptVIP

* * 当然这个估计是很粗糙的。 * * * * * * * * * * * Tianjin University 大量的随机现象中平均结果的稳定性 大数定律的客观背景 大量抛掷硬币 正面出现频率 字母使用频率 生产过程中的 废品率 1.大数定律 主要： (1) 频率稳定性 (2) 大量测量结果算术平均值的稳定性。 第4章大数定律及中心极限定理 定理 设随机变量X的数学期望E(X)=? ,方差D(X)=?2, 则对任意的正数?，有 切比雪夫不等式 证明（X为连续型） 设X的概率密度为f(x)，则 或 (1) 这个不等式给出了在随机变量X的分布未知的情况下事件 |x-μ|ε的概率的一种估计方法。例如 (2) 切比雪夫不等式也从另一角度体现了方差D(X)的意义。从切比雪夫不等式可以看出，随机变量X的方差越小，则X的取值越集中在其中心E(X)的附近。方差越小，X取值越集中在区间(E(X)-ε, E(X)+ε)之内。 切比雪夫不等式意义 * * 定理（切比雪夫大数定理）设随机变量序列 X1,X2,…,Xn,...相互独立，它们分别存在数学期望与方差 若存在常数 则对任意的? 0,有 ，使得 证明 由于 相互独立. 于是 由切比雪夫不等式可得 即 推论 推论使我们关于算术平均值的法则有了理论上的依据。如我们要测量某段距离，在相同条件下重复进行n次，得n个测量值，它们可以看成是n个相互独立的随机变量,具有相同的分布、相同的数学期望μ和方差 ，由推论知，只要n充分大，则以接近于1的概率保证 这便是在n较大情况下反映出的客观规律,故称为“大数”定律。 解释：  性质 设 则称随机变量序列Y1, Y2 ,…,Yn , ... 依概率收敛于a ， 记为 若对任意正数?，有 定义 设Y1, Y2 …,Yn ,...为一随机变量序列,a是常数. , g(x, y)在点(a, b)连续, 则 由依概率收敛的定义知, 在切比雪夫大数定律的条件下, 设nA是n 次重复独立试验中A发生的次数, p 是事件A在每次试验中发生的概率,则对任意? 0,有 因而 E(Xk)=p,k=1,2,…, 由切比雪夫大数定理的推论, 证 因为 有 即 伯努利大数定律 或 1. 伯努利大数定理以严格的数学形式表达了频率的稳定性. 【注】 2.伯努利大数定律提供了通过试验来确定事件概率的方法. 在实际应用中，当试验次数很大时，往往 用事件发生的频率来代替事件的概率． 故而当 n 很大时, 事件发生的频率与概率有较大偏差的可能性很小. 根据实际推断原理, 当试验次数很大时, 便可以用事件发生的频率来代替事件的概率. 4.2 中心极限定理 客观背景 在实际问题中，常需考虑许多随机因素所产生总影响. 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. 瞄准时的误差， 如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. 对我们来说重要的是这些随机因素的总影响. 定理1(独立同分布的中心极限定理) 设随机变量X1,X2,…,Xn,… 相互独立,服从同一分布,且 E(Xk)=?，D(Xk)=?2?0 (k=1,2, ...) ,　则 定理表明, 当n充分大时, Yn近似服从标准正态分布. 的分布函数Fn(x)满足:对任意实数x，有 例1 一盒同型号螺丝钉共100个, 已知该型号 的螺丝钉的重量是一个随机变量，期望值是100g， 标准差是10g ，求一盒螺丝钉的重量超过10.2kg 的概率. 且 解 设Xi 为第i个螺丝钉的重量, i=1,2,…,100, 则Xi相 互独立同分布. 于是, 一盒螺丝钉的重量为 由中心极限定理 证 ?n可以看成n个相互独立的服从同一(0-1)分布的随机变量X1,...,Xn之和，即 定理2 (棣莫弗-拉普拉斯定理)设随机变量?n(n=1,2,…)服从参数为n，p(0 p 1)的二项分布，则对任意 x，恒有 此定理表明，正态分布是二项分布的极限分布，所以当n充分大时，我们可以用正态分布近似二项分布. 由定理1知， 例2 某车间有200台车床独立工作,设每台车床的开工率 为0.6,开工时耗电1千瓦，问供电所至少要供多少电才 能以不小于99.9%的概率保证该车间不会因供电不足而影响生产？ 解 记X为200台车床中工作着的车床台数，则X~b(200,