大数定律及中心极限定理课件.pptxVIP

大量的随机现象中平均结果的稳定性一、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第1页/共38页……

二、几个常见的大数定律Th1:切比雪夫(Chebyshev)定理的特殊情况切比雪夫2第2页/共38页

说明3第3页/共38页n个随机变量的算术平均值与它们的数学期望有较小的偏差的可能性比较大。可以考虑用算术平均值作为所研究指标值的近似值。此定理也称为切比雪夫大数定理在所给的条件下，当n充分大时，

证明切比雪夫大数定律主要的数学工具是切比雪夫不等式.注意切比雪夫不等式4第4页/共38页

说明例ε=3σ, P{|X-μ|ε}=P{|X-μ|3σ}≥0.8889ε=4σ, P{|X-μ|ε}=P{|X-μ|4σ}≥0.93756第6页/共38页

例 掷一颗骰子1620次，估计“六点”出现的次数X在250～290之间的概率？解由切比雪夫(Chebyshev)不等式估计7第7页/共38页

切比雪夫(Chebyshev)定理证明8第8页/共38页

9第9页/共38页

定义由此得到定理1的另一种叙述：10第10页/共38页

Th1′11第11页/共38页

定理表明事件发生的频率依概率收敛于事件的概率。由实际推断原理,在实际应用中,当试验次数很大时,可以用事件发生的频率来代替事件的概率。Th2：(伯努利大数定理)说明12第12页/共38页

Th3:(辛钦定理)说明13第13页/共38页伯努利大数定理是辛钦定理的特殊情况。n个随机变量的算术平均值以概率收敛于算术平均值的数学期望。

三 小结14第14页/共38页1、切比雪夫(Chebyshev)定理的特殊情况用算术平均值作为所研究指标值的近似值。伯努利定理事件发生的频率依概率收敛于事件的概率辛钦定理n个随机变量的算术平均值以概率收敛于算术平均值的数学期望。

中心极限定理15第15页/共38页一、中心极限定理的客观背景二、中心极限定理三、小结

一、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.16第16页/共38页

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.重要的是这些随机因素的总影响.本节内容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，这个和的分布是什么？17第17页/共38页

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.观察表明，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.18第18页/共38页

由于无穷个随机变量之和可能趋于∞，故不研究n个随机变量之和本身而考虑它的标准化的随机变量的分布函数的极限.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.19第19页/共38页

1、独立同分布的中心极限定理二、中心极限定理20第20页/共38页

1.在所给的条件下，当n无穷大时，n个具有期望和方差的独立同分布的随机变量之和Yn的分布函数近似服从标准正态分布为极限分布。说明21第21页/共38页2. 独立同分布随机变量序列的中心极限定理，也称列维—林德伯格（Levy－Lindberg）定理.

2.李雅普诺夫定理22第22页/共38页

23第23页/共38页

3.棣莫佛－拉普拉斯定理说明24第24页/共38页

4.例题例1 掷一颗骰子1620次，求“六点”出现的次数X在250～290之间的概率？解CDF.BINOM(290,1620,1/6)-CDF.BINOM(250,1620,1/6)=0.817325第25页/共38页

例2 一加法器同时收到20个噪声电器Vk(k=1,2,…,20),设它们是相互独立的随机变量，且都在区间(0,10)上服从均匀分布。记求P{V105}的近似值26第26页/共38页解E(Vk)=5,D(Vk)=100/12(k=1,2,…,20).近似服从正态分布N(0,1),

1-CDF.NORMAL(105,20*5,SQRT(20*100/12))=0.349327第27页/共38页

例3. 对敌人的防御地段进行100次炮击, 在每次炮击中, 炮弹命中颗数的数学期望为2,均方差为1.5,求在100次炮击中,有180颗到220颗炮弹命中目标的概率.解:设Xk为第k次炮击炮弹命中的颗数(k=1,2,…,100),在100次炮击中炮弹命中的总颗数相互独立地服从同一分布，E(Xk)=2, D(Xk)=1.52 (k=1,2,…,100)28第28页/共38页

随机变量由中心极限定理得CDF.NORMAL(220,200,15)-CDF.NOR