第5章大数定律及中心极限定理.ppt

大数定律的客观背景大量抛掷硬币正面出现频率某字母使用频率生产过程中的废品率第5章大数定律及中心极限定理事件的频率在大样本下具有稳定性，即随着试验次数的增加，事件的频率逐渐稳定于某个常数。大量测量值的平均值也具有这种稳定性，这种稳定性就是大数定律的客观背景。5.2大数定律定理1（切比雪夫大数定律）设X1,X2,…是相互独立的随机变量，它们都有有限的方差，并且方差有共同的上界，即D(Xk)≤C，k=1,2,…，切比雪夫则对任意的ε0，特别，当则对任意的ε0，证：由切比雪夫不等式，即令n→∞,并注意概率不能大于1，∴称依概率收敛于切比雪夫大数定律表明，独立随机变量序列{Xn}，如果方差有共同的上界，则与其数学期望偏差很小的概率接近于1.数学期望的概率接近于1.即当n充分大时，差不多不再是随机的了，契比雪夫大数定律给出了平均值稳定性的科学描述与其数学期望时,X1,X2,…,Xn的算术平均值=偏差很小的概率接近于1.特别当取值接近于其设nA是n重伯努利试验中事件A发生的次数，p是事件A在每次试验中发生的概率，则对任给的ε0，定理2（伯努利大数定律）或伯努利伯努利大数定律表明，当重复试验次数n充分大时，事件A发生的频率nA/n与事件A的概率p有较大偏差的概率很小.伯努利大数定律提供了通过试验来确定事件概率的方法.证：因为nA~b(n,p),可记nA=X1+X2+…+XnX1,X2,…,Xn相互独立，E(Xi)=p,i=1,2,...,Xn.∴下面给出的独立同分布下的大数定律，不要求随机变量的方差存在.设随机变量序列X1,X2,…独立同分布，具有有限的数学期望E(Xi)=μ,i=1,2,…，则对任给ε0，定理3（辛钦大数定律）辛钦辛钦大数定律为寻找随机变量的期望值提供了一条实际可行的途径.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。5.3中心极限定理定理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k=1,2,…则的标准化变量的分布函数Fn(x)=P{Yn≤x}，对任意实数x，满足：即n很大时，Yn近似服从N(0,1)，或=即定理2(棣莫佛－拉普拉斯定理）设随机变量服从二项分布b(n,p)，n=1,2,…,则对任意x，有定理表明，当n很大(一般n≥50)，0p1是一个定值时（或者说，np(1-p)也不太小时），则的标准化变量的分布近似标准正态分布，或N(np,np(1-p)).Yn近似服从例1.某单位内部有1000部电话分机，每部电话分机有10%的时间要用外线通话，假定各个电话用不用外线是相互独立的，问总部要备有多少条外线才能以95%的把握保证各个分机在用外线时不必等候。用Y表示在某时刻使用外线的话机数，解：对每部话机的观察作为一次试验，在某时刻是否使用外线，使用外线的概率为0.1，共进行1000次试验.依题意，Y~B(1000,0.1),现在的问题是：P(Y≤N)≥0.95的最小的N.求满足设总部备有N条外线，每次试验观察该话机由德莫佛-拉普拉斯极限定理近似服从N(0,1),于是P(Y≤N)这里np=100,np(1-p)=90查表知故解得N115.65即总机应备有116条外线才能以95%以上的把握保证各个分机在使用外线时不等候。例2.设电路供电网中有10000盏灯，夜晚每一盏灯开着的概率都是0.7，假定各灯开、关时间彼此无关，计算同时开着的灯数在6800与7200之间的概率。解：记同时开着的灯数为X，X~B(10000,0.7)np=10000?0.7=7000**