基本极限定理.docx

PAGE PAGE 1 PAGE PAGE 2 第五章 基本极限定理 【授课对象】理工类本科二年级 【授课时数】2 学时 【授课方法】课堂讲授与提问相结合 【基本要求】1、理解切比雪夫不等式； 2、了解切比雪夫大数定理及 Bernoulli 大数定理； 3、知道独立同分布的中心极限定理，了解德莫佛—拉普拉斯中心极限定理。 【本章重点】切比雪夫不等式，切比雪夫大数定理及 Bernoulli 大数定理。 【本章难点】对切比雪夫大数定理及独立同分布的中心极限定理的理解。 【授课内容及学时分配】 §5.1 切比雪夫不等式及大数定律 前言 在第一章我们提到过事件发生的频率具有稳定性，即随着试验次数的增加，事件发生的频率逐渐稳定于某个常数，这一事实显示了可以用一个数来表征事件发生的可能性大小，这使人们认识到概率是客观存在的，进而由频率的三条性质的启发和抽象给出了概率的定义， 而频率的稳定性是概率定义的客观基础。在实践中人们还认识到大量测量值的算术平均值也具有稳定性，而这种稳定性就是本节所要讨论的大数定律的客观背景，而这些理论正是概率论的理论基础。 下面介绍三个定理，它们分别反映了算术平均值及频率的稳定性。一、大数定律(包括强大数定律和弱大数定律，本书主要讲弱大数定律) 事 件 的 频 率 稳 定 于 概 率 ， 能 否 有 lim ? n n ? ? n ? p ， 答 案 是 否 定 的 。 而 是 用 ?nnP{ ? p ? ?} ? 0 ( n ? ? ) [以概率收敛]来刻划（弱）。或者用 P{ ? ? n n n ? n?? ??? p} ? 1 [a.e.收敛] 来刻划（强）。 ?定义： 设 ?? ? 是随机变量序列， 如果存在常数列 a , a , a ， 对 ? ? ? 0 ， 恒有 ? n 1 2 n 1n? lim P ? n ? ? 1 n ? ? ni n i ?1 ? ? a ? ? ? ? n ? 0 ，则称?? n ?服从弱大数定律。 二、切比雪夫大数定律 切比雪夫不等式 设随机变量? 具有有限的期望与方差，则对? ? ? 0 ，有 P ( ? ? E (? ) ? ? ) ? D (? ) ? 2 或 P ( ? ? E (? ) ? ? ) ? 1 ? D (? ) ? 2 证明：我们就连续性随机变量的情况来证明。设? ~ p ( x ) ，则有 P ( ? ? E (? ) ? ? ) ? ? x ? E ( ? ) ? ?  p ( x )dx ? ? x ? E ( ? ) ? ? ( x ? E (? )) 2 ? 2  p ( x )dx ? 1 ? ?? ( x ? E (? )) 2 ? 2 ? ?  p ( x )dx ? D (? ) ? 2 该不等式表明：当 D (? ) 很小时，P ( ? ? E (? ) ? ? ) 也很小，即? 的取值偏离 E (? ) 的可能性很小。这再次说明方差是描述? 取值分散程度的一个量。 切比雪夫不等式常用来求在随机变量分布未知，只知其期望和方差的情况下，事件 { ? ? E ? ? ? } 概率的下限估计；同时，在理论上切比雪夫不等式常作为其它定理证明的工具。 定理 1（切比雪夫大数定律） 设{? } 是相互独立的随机变量序列，每一随机变量都有有限的方差，且一致有界，即 n 存 在 常 数 C ， 使 D (? ) ? C i i ? 1,2, ? ， 则 对 任 意 的 ? ? 0 ， 有 l i P {m n ? ? 1 ?n ? n i i ?1 ? 1 ?n n i ?1 E ( ? i ) ? ? } ? 0 [ 即 1 n ?n ? i i ? 1 ? p?? E ( 1 ?n n i ? 1 ? ) ( n ? ? ) ] i 1n证明：由切比雪夫不等式知： ? ? ? 0 , 1 n 0 ? P{  ?n ?  ? 1 ?n E (?  ) ? ?} ?  1 D ( 1 ?n ? ?n D? i) ? i ?1 ? nC i  ? C ? 0(n ? ?) i i ?1 n i i ?1 ? 2 n i i ?1 n 2 ? 2 n 2 ? 2 n? 2 该定理表明：当 n 很大时，随机变量 ? 1 , , ? ?n ? 的算术平均值 1 ?n n i ? 1 ? 接近于其数学期望 i E ( 1 n ?n i ? 1 ? ) ，这种接近是在概率意义下的接近。通俗的说，在定理的条件下，n 个相互独立的 i 随机变量算术平均值，在n 无限增加时将几乎