概率论课件大数定理与中心极限定理.ppt

大数定律中心极限定理,大数定律,在大量的随机现象中，随机事件的频率具有稳定性.,大量的随机现象的平均结果具有稳定性.,概率论中用来阐明大量随机现象平均结果的稳定性的一系列定理，称为大数定律（lawoflargenumber),4.6.1切比雪夫（Chebyshev)不等式,切比雪夫不等式,证明设X为连续型随机变量，其密度函数为,则,或,定理4.3设随机变量X具有数学期望E(X)=和方差D(X)=2,则对任意正数，有,证毕,切比雪夫（Chebyshev)不等式的应用,在随机变量X的分布未知的情况下，只利用X的期望和方差，即可对X的概率分布进行估值。,例已知正常男性成人血液中，每毫升白细胞数的平均值是7300，均方差是700，利用切比雪夫不等式估计每毫升血液含白细胞数在52009400之间的概率。,解设X表示每毫升血液中含白细胞个数，则,则,而,所以,练一练,设随机变量X的方差为2.5，利用切比雪夫不等式估计概率,练习设随机变量X的方差为2.5，利用切比雪夫不等式估计概率,解,4.6.2大数定律,定义4.8若存在常数,对任意正数有,则称随机变量序列依概率收敛于记为,性质设,若,在点,连续，则,定理4.4（切比雪夫定理的特殊情况）,设随机变量,相互独立，且具有相同,的数学期望和方差：,作前n个随机变量的算术平均,则对任意正,数,有,即序列,依概率收敛于,伯努利大数定理（频率的稳定性）,定理4.5设是n次独立试验中事件A发生的次数，p是事件A在每次试验中发生的概率，则对于任意正数恒有,定理的应用：可通过多次重复一个试验，确定事件A在每次试验中出现的概率,样本平均数稳定性定理,定理4.6设随机变量X1，X2，Xn，相互独立，且服从同一分布，并具有数学期望及方差，则对于任意正数，恒有,观测量X在相同的条件下重复观测n次，当n充分大时，“观测值的算术平均值接近于期望”是一大概率事件。,即,依概率收敛于,即n充分大时，,辛钦大数定理,4.6.3中心极限定理（Centrallimittheoem),客观背景：客观实际中，许多随机变量是由大量相互独立的偶然因素的综合影响所形成，每一个微小因素，在总的影响中所起的作用是很小的，但总起来，却对总和有显著影响，这种随机变量往往近似地服从正态分布。,概率论中有关论证独立随机变量的和的极限分布是正态分布的一系列定理称为中心极限定理。,设,相互独立，且,则当,定理4.7（李雅普诺夫定理）,时，随机变量,的分布函数为,定理4.8独立同分布的中心极限定理,设随机变量X1，X2，Xn相互独立，服从同一分布，且有有限的数学期望和方差，则随机变量的分布函数满足如下极限式,定理的应用：对于独立的随机变量序列，不管服从什么分布，只要它们是同分布，且有有限的数学期望和方差，那么，当n充分大时，这些随机变量之和近似地服从正态分布,例1一部件包括10部分，每部分的长度是一个随机变量，相互独立，且具有同一分布。其数学期望是2mm，均方差是0.05mm，规定总长度为200.1mm时产品合格，试求产品合格的概率。,解设部件的总长度为X，每部分的长度为Xi（i=1,2,10)，则,由定理4.5可知：X近似地服从正态分布,即,续解则产品合格的概率为,定理4.9棣莫弗拉普拉斯中心极限定理,(DeMoivre-Laplace),定理设随机变量服从二项分布，则对于任意区间，恒有,二项分布的极限分布是正态分布,例2现有一大批种子，其中良种占1/6，今在其中任选6000粒，试问在这些种子中良种所占的比例与1/6之差小于1%的概率是多少？,解设取出的种子中的良种粒数为X，则,所求概率为,续例种子中良种占1/6，我们有99%的把握断定在6000粒种子中良种所占的比例与1/6之差是多少？这时相应的良种数落在哪个范围？,解设良种数为X，则,设良种所占比例与1/6的差值为，则依题意有,查表得,此时有,即,解设100根木材中长度不短于3米的根数为X，则,例3有一大批建筑房屋用的木柱，其中80%的长度不小于3米，现从这批木材中任取100根，试求其中至少有30根短于3米的概率。,所求概率为,