概率第五章-大数定律与中心极限定理090505.ppt

概率论与数理统计第五章大数定律与中心极限定理第五章大数定理与中心极限定理§5.2切贝谢夫不等式§5.1大数定律的概念§5.3切贝谢夫定理§5.4中心极限定理第五章大数定理与中心极限定理§5.2切贝谢夫不等式§5.1大数定律的概念§5.3切贝谢夫定理§5.4中心极限定理第五章大数定理与中心极限定理§5.2切贝谢夫不等式§5.1大数定律的概念§5.3切贝谢夫定理§5.4中心极限定理第五章大数定理与中心极限定理§5.2切贝谢夫不等式§5.1大数定律的概念§5.3切贝谢夫定理§5.4中心极限定理**一．切尔谢夫不等式（切比雪夫）离差，方差描述随机变量取值的切尔谢夫不等式：离散程度。下面的切尔谢夫不等式描述了离差与方差之间的关系。，有设为随机变量，有期望，方差，则证明:(1)是连续型(2)是离散型利用期望及方差对的概率分布进行估计从而可知方差确是一个描述随机变量与其期望值离散越小，事件{}发生的概率也越小.当程度的量。此不等式的作用：切尔谢夫不等式：，有设为随机变量，有期望，方差，则计算并验证切尔谢夫不等式。解：故例1．设是掷一颗骰子所出现的点数，若给定，实际1/61/61/61/61/61/6P654321Ex当时，当时故验证了满足切尔谢夫不等式。解：令表示在夜晚同时开灯的数目，例2．设电站供电网有10000盏电灯，夜晚每一盏灯开灯概率都是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到7200之间的概率。的二项分布，则精确计算为：若用切比雪夫不等式估计：上式表明，只需供应7200盏灯的电力，就能有相当大的概率切比雪夫不等式在理论上具有重大的意义，但估计精度不高。保证够用。它服从参数概率论与数理统计是研究随机现象统计规律性的学科.随机现象的规律性只有在相同的条件下进行大量重复试验时才会呈现出来.也就是说，要从随机现象中去寻求必然的法则，应该研究大量随机现象.研究大量的随机现象，常常采用极限形式，由此导致对极限定理进行研究.极限定理的内容很广泛，其中最重要的有两种:与大数定律中心极限定理下面我们先介绍大数定律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……例1掷一颗均匀的正六面体骰子，出现“1点”的。掷的次数的次数少时，出现“1点”相差很大，但掷的次数很多时，几乎是必然的。概率为频率接近的频率可能与出现“1点”的例2测量一个长度为a的零件，一次测量结果不见得等于a，测量若干次，其算术平均值仍不见得为a，但测量次数很多很多时，其算术平均值接近a是必然的。随机事件频率的稳定性随机事件之平均结果的稳定性从各种例子可知，在大量随机现象中，不仅看到了随机事件频率的稳定性，而且还看到平均结果的稳定性。 即无论个别随机现象结果如何，或者它们在进行过程中的个别特征如何，大量随机现象的平均结果实际上与每一个别的随机现象的特征无关，并且几乎不再是随机的了。①依概率收敛：相互独立：若中任何有限个数是相互独立的，若存在常数a，使对，有，则称随机变量序列依概率收敛于a。②则称此序列相互独立。预备知识:即这个算术平均后得到的随机变量将比较密地聚集在它的一.切尔谢夫大数定律定理5.1设是相互独立的随机变量序列，有期望及方差，且其中与无关的，定理5.1表明：在定理条件下，当n充分大时，前n个独立的随机常数，则对变量的平均数与其期望值的离散程度很小。的附近，它与期望之差,当时,依概率收敛于