概率論 第5章 大數(shù)定律及中心極限定理_第1頁
概率論 第5章 大數(shù)定律及中心極限定理_第2頁
概率論 第5章 大數(shù)定律及中心極限定理_第3頁
概率論 第5章 大數(shù)定律及中心極限定理_第4頁
概率論 第5章 大數(shù)定律及中心極限定理_第5頁
已閱讀5頁,還剩27頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、第五章大數(shù)定律1 在數(shù)學中大家都注意到這樣的現(xiàn)象:有時候一個有限的和很難求, 但一經(jīng)取極限由有限過渡到無限, 則問題反而好辦. 例如, 若對某一x,要計算和 而一經(jīng)取極限,則有簡單的結果 2 事實證明這是可能的,而且在一般情況下和的極限分布就是正態(tài)分布,由此可見正態(tài)分布的重要性。對和的分布收斂于正態(tài)分布的這一類極限定理的研究,在長達兩個世紀的時期內(nèi)成了概率論研究的中心課題,因此得到了“中心極限定理”的名稱。本章將列述這類定理中最簡單,然而也是最重要的情況。 3 在概率論中,另一類重要的極限定理是所謂“大數(shù)定律”。 在第一章中我們已經(jīng)討論了“頻率的穩(wěn)定性”。 大量的重復試驗中,事件A發(fā)生的頻率接

2、近某個常數(shù),這個常數(shù)實際上就是事件發(fā)生的概率?!按髷?shù)”的意思,就是指試驗數(shù)目是大量的。 4記作1 大數(shù)定律 5幾個常見的大數(shù)定律定理1(切比雪夫大數(shù)定律) 設 X1,X2, 是相互獨立的隨機變量序列,它們都有有限的方差,并且方差有共同的上界,即 D(Xi) C,i=1,2, ,則對任意的 有或依概率收斂6解釋:取值接近于其數(shù)學期望的概率接近于1.當n充分大時,差不多不再是隨機的了,7定理2(伯努利大數(shù)定律)或 下面給出的伯努利大數(shù)定律, 是定理1的一種特例. 設nA是n重伯努利試驗中事件A發(fā)生的次數(shù),p是事件A發(fā)生的概率,則對任給的 ,有8是事件A發(fā)生的頻率, 貝努里大數(shù)定律表明,當重復試驗次

3、數(shù)n充分大時,事件A發(fā)生的頻率nA/n與事件A的概率p有較大偏差的概率很小.這就是頻率穩(wěn)定性的理論解釋。 歷史上,貝努利第一個研究了這種類型的極限定理,在1713年發(fā)表的論文中(這是概率論的第一篇論文!),他建立了以上定理。所以有人認為,概率論的真正歷史應從出現(xiàn)貝努利大數(shù)定律的時刻算起。 9 下面給出的獨立同分布下的大數(shù)定律,不要求隨機變量的方差存在. 設隨機變量序列X1,X2, 獨立同分布,具有有限的數(shù)學期望E(Xi)=, i=1,2,,定理3(辛欽大數(shù)定律)辛欽 辛欽大數(shù)定律為尋找隨機變量的期望值提供了一條實際可行的途徑.10 例如要估計某地區(qū)的平均畝產(chǎn)量,要收割某些有代表性的地塊,例如n

4、 塊. 計算其平均畝產(chǎn)量,則當n 較大時,可用它作為整個地區(qū)平均畝產(chǎn)量的一個估計.11 將一枚均勻?qū)ΨQ的骰子重復擲n次,求n次擲出點數(shù)的算術平均值依概率收斂的極限 例1解其共同的數(shù)學期望為 12 觀察表明,如果一個量是由大量相互獨立的隨機因素的影響所造成,而每一個別因素在總影響中所起的作用不大. 則這種量一般都服從或近似服從正態(tài)分布. 在實際問題中,常常需要考慮許多隨機因素所產(chǎn)生總影響.2 中心極限定理13 中心極限定理,正是從理論上證明,對于大量的獨立隨機變量來說,只要每個隨機變量在總和中所占比重很小,那么不論其中各個隨機變量的分布函數(shù)是什么形狀,也不論它們是已知還是未知,而它們的和的分布函

5、數(shù)必然和正態(tài)分布函數(shù)很近似。這就是為什么實際中遇到的隨機變量很多都服從正態(tài)分布的原因,也正因如此,正態(tài)分布在概率論和數(shù)理統(tǒng)計中占有極其重要的地位。 14下面介紹幾個常用的中心極限定理。 在概率論中,習慣于把和的分布收斂于正態(tài)分布這一類定理都叫做中心極限定理.15 由于無窮個隨機變量之和可能趨于,故我們不研究n個隨機變量之和本身,而考慮它的標準化的隨機變量的分布函數(shù)的極限.16列維一林德伯格中心極限定理17(證略) 18此定理說明,當n充分大時,有 或19 將n個觀測數(shù)據(jù)相加時,首先對小數(shù)部分按“四舍五入”舍去小數(shù)位后化為整數(shù)試利用中心極限定理估計, 例1解(1) 當n=1500時,舍入誤差之和

6、的絕對值大于15的概率; (2) n滿足何條件時,能以不小于0.90的概率使舍入誤差 之和的絕對值小于10 根據(jù)列維-林德伯格中心極限定理,當n充分大時 20(1)21(2)數(shù)據(jù)個數(shù)n應滿足條件: 即當 時,才能使誤差之和的絕對值小于10的概率不小于0.90 22下面給出上述定理的一個重要特例。 棣莫弗-拉普拉斯定理23或即有近似計算公式 24例2 設在某保險公司有1萬個人參加投保,每人每年付120元保險費.在一年內(nèi)一個人死亡的概率為0.006,死亡時其家屬可向保險公司領得1萬元,問:(1)該保險公司虧本的概率為多少?(2)該保險公司一年的利潤不少于40,60,80萬元的概率各是多少? 解設一年內(nèi)死亡的人數(shù)為X,則 由D-L中心極限定理, 即該保險公司虧本的概率幾乎為0. 2526 練習:習題五 5. 8. 27解由中心極限定理知,補充題28解由中心極限定理知,29 假設生產(chǎn)線組裝每件成品的時間服從指數(shù)分布,統(tǒng)計資料表明每件成品的組裝時間平均為10分鐘.設各件產(chǎn)品的組裝時間相互獨立. 3.(1)試求組裝100件成品需要15到20小時的概率; (2)以95%的概率在16小時內(nèi)最多可以組裝多少件成品? 解設第i件組裝的時間為Xi分鐘,i=1,100. 利用獨立同分布中心極限定理. (1)30(2)查表得 解得故最

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論