大数定律与中心极限定理课件.ppt

大數定律與中心極限定理問題的給出大數定律中心極限定理返回目錄問題的給出在第一章中，我們在討論頻率與概率的關係時已經知道，概率總是在對大量隨機現象的考察中才能顯現出來。為了研究大量的隨機現象，必須採用極限的形式。這就自然地引導人們對極限定理進行研究，極限定理的內容很廣泛，其中最重要的有大數定律與中心極限定理。這類事實可以如下直觀地解釋：要從隨機現象中尋求必然的法則，應該研究大量的隨機現象。因為在大量的隨機現象裏：各自的偶然性在一定程度上相互抵消，相互補償。因而可能顯示出必然的法則來。歷史的經驗告訴我們，擲一枚質地均勻的硬幣。雖然不能準確地預言擲出的結果，但如果獨立地連擲n次，當n充分大時，出現正面的概率與1/2很接近，此處的nA表示在此n次中出現正面的總次數。這就向人們提出一個理論問題，在一般的貝努裏試驗中,每個試驗中事件A出現的概率為p，或考慮獨立隨機變數序列{Xk}。其中，求證：即能否在數學上證明：依概率收斂則稱序列{Yn}依概率收斂於a。記作g(x，y)在區間(a，b)連續，則是一個隨機變數序列，若對任意ε0，有依概率收斂的序列有以下的性質：若用數學語言來講，就是要證明:對於任意的等價於關於隨機變數序列的收斂的提法:當n足夠大時，與p有較大偏差的概率很小。即有依概率收斂於p介紹三個定理：設隨機變數X1，X2,…Xn…相互獨立，具有相同的期望與方差。令。則定理一表明，當n很大時，隨機變數X1，X2,…Xn….的算術平均接近於數學期望E(Xk)=μ。通俗地說，在定理的條件下，n個隨機變數的算術平均，當n無限增大時將幾乎變成一個常數。(證明)§5.1大數定律定理一（契比雪夫定理的特殊情況）定理二（貝努裏大數定理）設nA為n次獨立重複試驗中事件A發生的次數，p是事件A在每次實驗中發生的概率，則對任意正數ε，有即定理二表明：事件發生的頻率依概率收斂於事件的概率p。這個定理以嚴格的數學形式表達了頻率的穩定性。在實際應用中，當實驗次數很大時，可用頻率來代替事件的概率。定理三（辛欽大數定理）設隨機變數X1，X2,…Xn…相互獨立,服從同一分佈，且具有數學期望E(Xk)=μk,(k=1,2,…),則對任意正數ε，有即返回定理三表明：在定理的條件下，當n很大時,平均值接近於μ的概率很大。§5.2中心極限定理介紹三個常用的中心極限定理設隨機變數X1，X2,…Xn…相互獨立,服從同一分佈，具有數學期望和方差：(k=1,2,…),則隨機變數之和的標準化變數：的分佈函數Fn(x)對於任意x滿足定理四（獨立同分佈的中心極限定理）因此可以借助於標準正態分佈對作理論分析或作實際計算。定理四的另一中表達形式，當n充分大時，定理四表明：在定理的條件下，當n充分大時，則對任意的定理五表明：在定理的條件下，不管服從什麼分佈，只要n充分大時，近似地服從正態分佈，這就是為什麼正態分佈是概率論的重要的常見分佈的原因。定理五（李雅普諾夫定理）設隨機變數X1，X2,…Xn…相互獨立，期望令，如果存在δ0,使得當時，x成立定理六（棣莫弗-拉普拉斯定理）設隨機變數ηn～b(n,p),n=1,2,…,則對任意的x有定理六表明:二項分佈的極限分佈是正態分佈，即n充分大時，近似地服從N(np，npq)，因此n充分大時，二項分佈的概率可用正態分佈的概率近似。返回例5.1設電站供電所有10000盞電燈，夜晚每一盞燈開燈的概率是0.7，而假定開關時間彼此獨立，估計夜晚同時開著的燈數在6800與7200盞之間的概率。解例5.2一加法