中心极限定理.ppt

一、问题的引入*实例:考察射击命中点与靶心距离的偏差.这种偏差是大量微小的偶然因素造成的微小误差的总和,这些因素包括:瞄准误差、测量误差、子弹制造过程方面(如外形、重量等)的误差以及射击时武器的振动、气象因素(如风速、风向、能见度、温度等)的作用,所有这些不同因素所引起的微小误差是相互独立的,并且它们中每一个对总和产生的影响不大.问题:某个随机变量是由大量相互独立且均匀小的随机变量相加而成的,研究其概率分布情况.中心极限定理客观背景：客观实际中，许多随机变量是由大量相互独立的偶然因素的综合影响所形成，每一个微小因素，在总的影响中所起的作用是很小的，但总起来，却对总和有显著影响，这种随机变量往往近似地服从正态分布。概率论中有关论证独立随机变量之和的极限分布是正态分布的一系列定理称为中心极限定理。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，且有有限的数学期望和方差，则随机变量的分布函数满足如下极限式定理的应用：对于独立的随机变量序列，不管服从什么分布，只要它们是同分布，且有有限的数学期望和方差，那么，当n充分大时，这些随机变量之和近似地服从正态分布例一部件包括10部分，每部分的长度是一个随机变量，相互独立，且具有同一分布。其数学期望是2mm，均方差是0.05mm，规定总长度为20±0.1mm时产品合格，试求产品合格的概率。解设部件的总长度为X，每部分的长度为Xi（i=1,2,…,10)，则由定理4.5可知：X近似地服从正态分布即则产品合格的概率为棣莫弗—拉普拉斯中心极限定理定理设随机变量服从二项分布，则对于任意区间，恒有二项分布的极限分布是正态分布即如果，则一般地，如果，则下面的图形表明:正态分布是二项分布的逼近.中心极限定理的意义中心极限定理是概率论中最著名的结果之一，它不仅提供了计算独立随机变量之和的近似概率的简单方法，而且有助于解释为什么很多自然群体的经验频率呈现出钟形曲线这一值得注意的事实.例现有一大批种子，其中良种占1/6，今在其中任选6000粒，试问在这些种子中良种所占的比例与1/6之差小于1%的概率是多少？解设取出的种子中的良种粒数为X，则所求概率为例种子中良种占1/6，我们有99%的把握断定在6000粒种子中良种所占的比例与1/6之差是多少？这时相应的良种数落在哪个范围？解设良种数为X，则设良种所占比例与1/6的差值为，则依题意有查表得此时有即例：某车间有200台车床，它们独立地工作着，开工率为0.6,开工时耗电各为1千瓦，问供电所至少要供给这个车间多少电力才能以99.9%的概率保证这个车间不会因供电不足而影响生产。设至少要供给这个车间r千瓦电才能以99.9%的概率保证这个车间不会因供电不足而影响生产。由题意有：解即供给141千瓦电就能以99.9%的概率保证这个车间不会因供电不足而影响生产。返回主目录某保险公司的老年人寿保险有1万人参加,每人每年交200元.若老人在该年内死亡,公司付给家属1万元.设老年人死亡率为0.017,试求保险公司在一年内的这项保险中亏本的概率.解设X为一年中投保老人的死亡数,由德莫佛－拉普拉斯定理知,Ex:保险公司亏本的概率*