第五章 大数定律与中心极限定理.pptVIP

第1页，共28页，星期日，2025年，2月5日5.1切比雪夫(Chebyshev,俄罗斯)不等式定理5.1.1设随机变量X，E(X)=μ，D(X)=σ2，则对任意的ε0，必有或或等价于为研究随机现象的统计规律,进行大量重复实验中,当实验次数n→∞时,频率fn在某种收敛意义下(依概率收敛)收敛于某一定数,这是大数定律所描述的内容.而其概率分布近似于某一分布(如正态分布),这称为中心极限定理.第2页，共28页，星期日，2025年，2月5日切比雪夫不等式给出了在随机变量X的分布未知时，概率P(|X-E(X)|≥ε)的一个上限，当ε分别取时2σ，3σ，4σ时，有P(|X-E(X)|≥2σ)≤1/4P(|X-E(X)|≥3σ)≤1/9P(|X-E(X)|≥4σ)≤1/16第3页，共28页，星期日，2025年，2月5日证明:以连续型为例.(离散的证明中相应积分号用和号代替).≥1推论:D(X)=0,则X以概率1为常数，即P(X=C)=1(C=EX)证明:第4页，共28页，星期日，2025年，2月5日事件未必互不相容,但≤是成立的第5页，共28页，星期日，2025年，2月5日例5.1已知某种股票每股价格X的平均值为1元，标准差为0.1元，求a，使股价超过1+a元或低于1-a元的概率小于10%。解由切比雪夫不等式令第6页，共28页，星期日，2025年，2月5日5.2大数定律设随机变量序列X1,X2,…,Xn，若存在随机变量Y，使得对于任意正数?，均有则称随机变量序列{Xn}依概率收敛于随机变量Y，并记为一、依概率收敛若存在常数a，任意的正数?，使得则称随机变量序列{Xn}依概率收敛于常数a，并记为第7页，共28页，星期日，2025年，2月5日意思是：当a而意思是：时，Xn落在内的概率越来越大。,当与的区别第8页，共28页，星期日，2025年，2月5日二、几个常用的大数定律(1).切比雪夫大数定律设随机变量序列X1,X2,…,Xn,…相互独立，每一个随机变量都有数学期望E(X1),E(X2),…,E(Xn),…和有限的方差D(X1),D(X2),…,D(Xn),…，并且D(Xn)≤C(i=1,2,…)，则任意正数?，即几个随机变量的均值依概率收敛于它的期望第9页，共28页，星期日，2025年，2月5日证明因为X1,X2,…,Xn,…相互独立，由切比雪夫不等式可得该定理表明：相互独立的随机变量的算数平均值与数学期望的算数平均值的差在n充分大时是一个无穷小量，这也意味着在n充分大时，经算术平均后得到的随机变量的值将比较紧密地聚集在它的数学期望的附近。第10页，共28页，星期日，2025年，2月5日切比雪夫大数定律的特殊情况:独立同分布大数定律设随机变量序列X1,X2,…,Xn,…相互独立，且具有相同的数学期望μ和相同的方差σ2，记前n个随机变量的算术平均为Yn，则随机变量序列Y1,Y2,…,Yn,…依概率收敛于μ，即证明切比雪夫大数定律第11页，共28页，星期日，2025年，2月5日(2).贝努利大数定律设进行n次独立重复(贝努利)实验,每次试验中事件A发生的概率为p，记nA为n次试验中事件A发生的次数.则证明（由切比雪夫不等式可直接证明）即第12页，共28页，星期日，2025年，2月5日例5.2证明:随机变量序列{Yn}依概率收敛于μ.要证{Yn}依概率收敛于μ,需证:第13页，共28页，星期日，2025年，2月5日第14页，共28页，星期日，2025年，2月5日(3)辛钦(Khinchine)大数定律：设为独立且同分布的随机变量序列，则：设是独立且同分布的随机变量序列，如果记且则在时依概率收敛于何值？解：显然满足Khinchine大数定律且故例5.3第15页，共28页，星期日，2025年，2月5日5.3中心极限定理前面我们的讨论中讲过正态分布在随机变量的一切可能分布中占有特殊地位。在客观世界中，我们遇到的许多随机现象都是服从或近似服从正态分布的，为什么大量的随机变量都服从正态分布？俄国数学家李亚普诺夫(Ляпуров)证明了在某些非常一般的充分条件下，独立随机变量的和的分布，当随机变量的个数无限增加时，是趋于正态分布的.在概率论中，把大量独立的随机变量和的分布以正态分布为极限的这一类定理统称为中心极限定理。它反映的随机变量的特点是：对随机现象起作用的因素众多，但无突出的