中心极限定理理论背景与应用分析.pdfVIP

极限定理

Centrallimittheorem

极限定理是概率论中讨论随量序列部分和分布渐近于正态分布的一类定理。这组定

理是数理统计学和误差分析的理论基础，了大量随量积累分布函数逐点收敛到正态分

布的积累分布函数的条件。

它是概率论中最重要的一类定理，有广泛的实际应用背景。在自然界与生产中，一些现象受

到许多相互独立的随机因素的影响，如果每个因素所产生的影响都很微小时，总的影响可以

看作是服从正态分布的。极限定理就是从数学上证明了这一现象。最早的极限定

理是讨论n重伯努利试验中，A出现的次数渐近于正态分布的问题。1716年前后，A.

棣莫弗对n重伯努利试验中每次试验A出现的概率为1/2的情况进行了讨论，随后，P.-S.

拉斯和A.M.夫等进行了推广和改进。自P.莱维在1919～1925年系统地建立了

特征函数理论起，极限定理的研究得到了很快的发展，先后产生了普遍极限定理和局部

极限定理等。极限定理是概率论的重要内容，也是数理统计学的基石之一，其理论成果也比

较完美。长期以来，对于极限定理的形成的概率论分析方法，影响着概率论的发展。

同时新的极限理论问题也在实际中不断产生。

1简介

极限定理是研究独立随量和的极限分布为正态分布的问题。

2规范和的定义

设随量序列X1，X2，、、、Xn，、、、相互独立，均具有相同的数学期望与方差，且E(Xi)=

Ui,D(Xi)=Ri^20，i=1,2,、、、，令：

Yn=X1+X2+、、、+Xn

Zn〔Yn-E(Yn)〕/√D(Yn)∑(Xi-Ui)/√∑Ri^2(i=1,2、、、、n)

则称随量Zn为随量序列X1，X2,、、、，Xn的规范和。

极限定理：设从均值为μ、方差为σ^2;（有限）的任意一个总体中抽取样本量为n的样

本，当n充分大时，样本均值的抽样分布近似服从均值为μ、方差为σ^2/n的正态分布。

3常用定理形式

列维定理

－列维（Lindburg-Levy）定理，即独立同分布随量序列的极限定理。它

表明，独立同分布、且数学期望和方差有限的随量序列的和以正态分布为极

centrallimit

theorem

Centrallimittheorem

Thecentrallimittheoremisatypeoftheoreminprobabilitytheorythatdiscussestherandomvariablesequencepartand

distributionasymptoticallytothenormaldistribution.Thissetoftheoremsisthetheoreticalbasisofmathematicalstatistics

anderroranalysis,andpointsouttheconditionsforthecumulativedistributionfunctionofalargenumberofrandom

variabtoconvergepointbypointtothecumulativedistributionfunctionofthenormaldistribution.

Itisthemostimportanttypeoftheoreminprobabilitytheoryandhasawiderangeofpracticalapplication

background.Innatureandproduction,somephenomenaareaffectedbymany