第五章大数定理与中心极限定理.pptVIP

例3设电站供电网有10000盏电灯,夜晚每一盏电灯开灯的概率都是0.7,而假定开关时间彼此独立,估计夜晚同时开着的灯数在6800与7200之间的概率.解:令X表示在夜晚同时开着的灯的数目,它服从参数n=10000,p=0.7的二项分布.若要准确计算,应该用贝努里公式:可见,虽然有10000盏灯,但是只要有供应7200盏灯的电力就能够以相当大的概率保证够用.事实上,切贝谢夫不等式的估计只说明概率大于0.95,后面将具体求出这个概率约为0.99999,切贝谢夫不等式在理论上具有重大意义,但估计的精确度不高.§5.3中心极限定理在客观实际中有许多随机变量,它们是由大量的相互独立的随机因素的综合影响所形成的。而其中每一个别因素在总的影响中所起的作用都是微小的。这种随机变量往往近似地服从正态分布，这种现象就是中心极限定理的客观背景。正态分布在随机变量的各种分布中,占有特别重要的地位.在某些条件下,即使原来并不服从正态分布的一些独立的随机变量,它们的和的分布,当随机变量的个数无限增加时,也是趋于正态分布的.在概率论里,把研究在什么条件下,大量独立随机变量和的分布以正态分布为极限这一类定理称为中心极限定理.解令第i次轰炸命中目标的炸弹数目为ξi,100次轰炸命中目标的炸弹数目(1)直接计算:(2)的计算结果与(1)的相差较大,这是由于n不够大.一般要求n至少为50,有时也放宽到n≥30使用.解解10000件产品中的废品数ξ服从二项分布,解设ξ为500发炮弹命中飞机的炮弹数目(1)用二项分布公式计算:**第五章大数定理与中心极限定理本章主要讨论两个问题：1.多个随机变量的算术平均值与其数学期望以及方差之间的关系。------大数定理2.怎样用正态分布对多个随机变量的和的分布作近似计算。------中心极限定理切比雪夫(Chebyshev)不等式切比雪夫不等式:设随机变量X数学期望EX及方差DX存在，则对于任何正数?，下列不等式成立：§5.1切比雪夫不等式或注1.上述不等式对离散型随机变量和连续型随机变量均成立。2.不用知道X服从哪种分布，只需知道其期望和方差。3.考虑的范围必须为以EX为中心的区域。4.概率估计不是很精确。分析：若X为离散型随机变量设X的概率密度为则证如果X为离散型随机变量，则如果X为连续型随机变量，则例1设X的期望为a，方差为，证明：证证由X服从二项分布，知：如果用切贝谢夫不等式估计:EX=np=10000×0.7=7000DX=npq=2100例4为了确定事件A的概率,进行了10000次重复独立试验.利用切比雪夫不等式估计：用事件A在10000次试验中发生的频率作为事件A的概率近似值时,误差小于0.01的概率.解设事件A在每次试验中发生的概率为p，在这10000次试验中发生了X次,则因此，所求事件的概率为§5.2大数定理切比雪夫大数定律：设独立随机变量,则对于任何正数?，恒有及方差且存在某一常数K，使得分别有数学期望设随机变量证由切比雪夫不等式并注意到概率不能大于1，得证.所以这个定理说明：当n充分大时，n个独立随机变量的平均数这个随机变量，越来越密的聚集在它的数学期望的附近。贝努里大数定律证明:设第i次试验事件A发生第i次试验事件A不发生则由切比雪夫大数定律即且数学期望为?，设独立随机变量服从同一分布,则对于任何正数?，恒有这个定理说明：当实验条件不变的情况下，重复进行多次时，随机事件的频率在它的概率附近摆动。辛钦大数定律独立同分布这一定理使算术平均值的法则有了理论依据。假使测量某一量a，对该量测量n次，则其算术平均值与a的误差大于的概率是很小的。一般说来,如果某些偶然因素对总和的影响是均匀的,微小的,即没有一项起特别突出的作用,那么就可以断定描述这些大量独立的随机因素的总和的随机变量是近似的服从正态分布.独立同分布中心极限定理(列维-林德伯格定理)正态分布隶莫佛-拉普拉斯中心极限定理二项分布以正态分布为极限，下边补充定理：拉普拉斯定理：(1)局部极限定理：(2)积分极限定理：例1.一个螺丝钉重量是一个随机变量，期望值是1两，标准差是0.1两，求一盒（100个）同型号螺丝钉的重量超过10.2斤的概率。由中心极限定理解:设X为一