第四章 极限定理.pptVIP

?4.1大数定律方法：建立概率接近于0（或1）的规律小概率事件：概率接近于0的事件小概率原理：小概率事件在一次试验中被认为是不可能发生的大概率事件在一次试验中被认为是一定会发生的大概率事件：概率接近于1的事件问题：若事件的概率既不接近于0，也不接近于1，此事件的发生与否如何？在一次试验中随机事件的发生与否具有随机性，但在大量的重复试验中却呈现出明显的规律性。第1页，共23页，星期日，2025年，2月5日例如：在n重独立试验中，事件A发生的频率为mn/n,当n充分大时，A发生的频率mn/n在概率P附近摆动，而且n越大，偏离的可能性就越小pp-?p+?以极限的方式建立概率接近于0（或1）的规律大数定律：当试验次数很大时呈现出的规律。第2页，共23页，星期日，2025年，2月5日4.1.1切贝晓夫（Chebyshev）不等式:（2）X的方差越小，P(|X-EX|e)就越大，即X的取值越集中在EX附近。这进一步说明了方差的概率含义：刻划了随机变量取值与均值的离散程度。证明：设X为连续型随机变量，其密度函数为f(x)注（1）结论等价于设随机变量X的期望EX及方差DX存在，则对任意的e0，有EXEX-?EX+?第3页，共23页，星期日，2025年，2月5日例：某电网有10000盏灯，夜晚每盏灯打开的概率为0.7,假定各灯的开、关彼此独立。用切比晓夫不等式估计夜晚同时开着的灯的数量在6800与7200之间的概率。解：设X表示夜晚同时开的灯数，则X~B（10000，0.7）。EX=7000，DX=2100由切贝晓夫不等式得:注：X的分布可以不给出,而只给出其期望,方差即可.第4页，共23页，星期日，2025年，2月5日4.1.2切比晓夫大数定律注:(1)定义中的式子等价于(3)若X是一随机变量,且,则称随机变量序列{Xn}依概率收敛于X，简记为：定义4.3：设X1,X2,…,Xn,…是一随机变量序列，如果存在常数a，使对任意的e0，都有：则称随机变量序列{Xn}依概率收敛于a，简记为：aa-?a+?(2){Xn}依概率收敛于a意味着对任给正数e，当n充分大时，事件“|Xn-a|e”发生的概率很大，接近于1.当n充分大时,Xn的取值就密集在a附近。但并不排除事件“|Xn-a|?e”的发生，只不过它发生的可能性很小而已。第5页，共23页，星期日，2025年，2月5日由切贝晓夫不等式得：证：切贝晓夫大数定理定理4.1：设X1,X2,…,Xn,…是相互独立的随机变量序列，期望EX1,EX2,…,EXn,…及方差DX1,DX2,…,DXn,…都存在，且方差有界（对任意i有DXi?M（常数）），则对于任意的?0，恒有第6页，共23页，星期日，2025年，2月5日推论：设X1,X2,…,Xn,…是独立同分布的随机变量序列，EXi=?,DXi=?2（i=1，2，…），则对于任意的?0，恒有注：（1）结论等价于(3)当n充分大时,“n个独立随机变量的算术平均数”的离散程度是很小的。这意味着：只要n充分大，尽管n个随机变量可以各有分布，但其算术平均以后得到的随机变量将较密集地聚集在它的期望附近，不再为个别随机变量所左右。---大数定律推论中方差的存在性可去掉，得如下结论第7页，共23页，星期日，2025年，2月5日这一推论使算术平均值的法则有了理论根据。假使要测量某一个物理量a,在不变的条件下重复测量n次，得到的观测值x1,x2,…,xn是不完全相同的，这些结果可以看作是服从同一分布并且期望值为a的n个相互独立的随机变量X1,X2,…,Xn…的试验数值。由推论可知，当n充分大时,取()作为a的近似值，可以认为所发生的误差是很小的。即对于同一个随机变量X进行n次独立观察，则所有观察结果的算术平均数依概率收敛于随机变量的期望值EX。切贝晓夫大数