中心极限定理.ppt

中心极限定理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.空气阻力所产生的误差，对我们来说重要的是这些随机因素的总影响.如瞄准时的误差，炮弹或炮身结构所引起的误差等等.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.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.高斯现在我们就来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，这个和的极限分布是什么呢？在什么条件下极限分布会是正态的呢？由于无穷个随机变量之和可能趋于∞，故我们不研究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.的分布函数的极限.可以证明，满足一定的条件，上述极限分布是标准正态分布.考虑中心极限定理这就是下面要介绍的在概率论中，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.我们只讨论几种简单情形.下面给出的独立同分布随机变量序列的中心极限定理，也称列维一林德伯格（Levy－Lindberg）定理.定理1（独立同分布下的中心极限定理）它表明，当n充分大时，n个具有期望和方差的独立同分布的r.v之和近似服从正态分布.设X1,X2,…是独立同分布的随机变量序列，且E(Xi)=，D(Xi)=，i=1,2,…，则虽然在一般情况下，我们很难求出X1+X2+…+Xn的分布的确切形式，但当n很大时，可以求出近似分布.第二章中介绍的棣莫佛－拉普拉斯定理（二项分布的正态近似）是上述定理的特殊情况.定理(棣莫佛－拉普拉斯定理）设随机变量服从参数n,p(0p1)的二项分布，则对任意x，有定理表明，当n很大，0p1是一个定值时（或者说，np(1-p)也不太小时），二项变量的分布近似正态分布N(np,np(1-p)).例1根据以往经验，某种电器元件的寿命服从均值为100小时的指数分布.现随机地取16只，设它们的寿命是相互独立的.求这16只元件的寿命的总和大于1920小时的概率.由题给条件知，诸Xi独立，16只元件的寿命的总和为解:设第i只元件的寿命为Xi,i=1,2,…,16E(Xi)=100,D(Xi)=10000依题意，所求为P(Y1920)由题给条件知,诸Xi独立,16只元件的寿命的总和为解:设第i只元件的寿命为Xi,i=1,2,…,16E(Xi)=100,D(Xi)=10000依题意，所求为P(Y1920)由于E(Y)=1600,D(Y)=160000由中心极限定理,近似N(0,1)P(Y1920)=1-P(Y?1920)=1-?(0.8)?1-=1-0.7881=0.2119例2.(供电问题)某车间有200台车床,在生产期间由于需要检修、调换刀具、变换位置及调换工件等常需停车.设开工率为0.6,并设每台车床的工作是独立的，且在开工时需电力1千瓦.问应供应多少瓦电力就能以99.9%的概率保证该车间不会因供电不足而影响生产?用X表示在某时刻工作着的车床数，解：对每台车床的观察作为一次试验，每次试验观察该台车床在某时刻是否工作，工作的概率为0.6，共进行200次试验.依题意，X~B(200,0.6),现在的问题是：P(X≤N)≥0.999的最小的N.求满足设需N台车床工作，（由于每台车床在开工时需电力1千瓦，N台工作所需电力即N千瓦.）由德莫佛-拉普拉斯极限定理近似N(0,1),于是P(X≤N)=P(0≤X≤N)这里np=120,np(1-p)=48查正态分布函数表得由≥0.999，从中解得N≥141.5,即所求N=142.也就是说,应供应142千瓦电力就能以99.9%的概率保证该车间不会因供电不足而影响生产.≥3.1,故例3在一个罐子中,装有10个编号为0-9的同样的球，从罐中有放回地抽取若干次，每次抽一个，并记下号码.问对序列{Xk},能否应用大数定律？诸Xk独立同分布，且期望存在，故能使用大数定律.解