大数定律1课件.pptVIP

大數定律及中心極限定理第五章大數定律與中心極限定理課件製作WangWenHao

概率論與數理統計是研究隨機現象統計規律性的學科.隨機現象的規律性只有在相同的條件下進行大量重複試驗時才會呈現出來.也就是說，要從隨機現象中去尋求必然的法則，應該研究大量隨機現象.

研究大量的隨機現象，常常採用極限形式，由此導致對極限定理進行研究.極限定理的內容很廣泛，其中最重要的有兩種:與大數定律中心極限定理闡明大量重複試驗的平均結果具有穩定性的一系列定律都稱為大數定律。論證隨機變數（試驗結果）之和漸進服從某一分佈的定理稱為中心極限定理。

(ε是任一正數)1.對於任何具有有限方差的隨機變數X，都有則(以連續型隨機變數為例)設X的概率密度為f(x)，切比雪夫不等式證明

2.不等式的等價形式估計的概率．（1）證明大數定律；（2）估計事件的概率。解作用例

例2．若在每次試驗中，A發生的概率為0.5，進行1000次獨立試驗，估計A發生400～600次之間的概率。解：因X～B（1000，0.5），E（X）=500，D（X）=250所以P{400X600}=P{|X-500|100}e2)(1}|)({|eXDXEXP-≥-由得，P{|X-500|100}

例3.設電站供電網有10000盞電燈，夜晚每盞燈開燈的概率均為0.7，假定燈的開、關是相互立的，使用切貝雪夫不等式估計夜晚同時開著的燈數在6800到7200盞之間的概率。解:令X表示在夜晚同時開著的燈數目，則X服從n=10000，p=0.7的二項分佈，這時E(X)=np=7000,D(X)=npq=2100，由切貝雪夫不等式可得

？“概率”的概念是如何產生的隨機試驗概率統計數據統計規律性頻率穩定性設次獨立重複試驗中事件發生的隨機變數頻率概率問題頻率穩定性:問題背景？問題“頻率穩定性”的嚴格數學描述是什麼問題怎樣定義極限？？次數為則當時,有n重伯努利試驗怎樣理解“越來越接近”？大數定律

實驗序號10.700.2020.550.0560.500.0050.700.2030.650.1540.350.1570.550.05將一枚硬幣拋20次，200次，2000次，各做10遍80.300.2090.450.05100.300.200.5200.0200.4550.0450.4950.0050.4950.0050.4800.0200.5400.0400.5050.0050.5050.0050.5500.0500.4900.0100.5050.00500.4950.0050.4930.0070.5060.0060.49550.00450.4940.0060.5020.0020.5010.0010.5090.0090.5000.000

定理（伯努利大數定律）設是次獨立重複試驗中事件發生的次數,且則有分析令第次試驗發生第次試驗不發生則相互獨立從而是獨立隨機變數列{}Xn具有相同數學期望和方差{}Xn問如何證明？機變數列,且具有相同的數學期望和方差,記（切比雪夫大數定律）設為相互獨立的隨則有定理回顧切比雪夫不等式設隨機變數的方差存在,則有概率論歷史上的第一個大數定律，由雅可比·伯努利於1713年發表的著作《猜測術》中提出.在黑板上證明切比雪夫大數定律伯努利大數定律、切比雪夫大數定律均要求隨機列變數列的方差存在注,該條件可用“同分佈”來代替或（辛欽大數定律）設是獨立同分佈r.v列,存在，則服從大數定律,即有定理該定理通常稱為獨立同分佈大數定律

提供了通過試驗來確定事件概率的方法.是數理統計中參數估計的重要理論依據之一.大數定律的意義給出了“頻率穩定性”的嚴格數學解釋.①②③④切貝雪夫大數定律表明,相互獨立的隨機變數的算術平均值以概率1是一個無窮小量.這意味著在n充分大時，值將比較緊密地聚集在它的數學期望附近．與其數學期望的差,在n充分大時的

推論