费马猜想之证明 景光庭 引言：20世纪60年代初，笔者首次接触“费马猜想”。在以后的岁月中，笔者断断续续地研究它。直至1992年，才有机会在《潜科学》上相继发表过三篇论文，这次是最终的证明。 虽然美国数学家怀尔斯因发表论证“费马猜想”的文章，并于1997年荣膺国际上的沃尔夫斯克尔数学大奖，但并没有推开蒙在世界数学家心头上的阴云。笔者曾通过《美国教育交流中心》向怀尔斯寄去了总长仅一页的论文复印件，并明确指出，他在证明中将“费马方程”转化为椭圆曲线，而笔者转化为抛物线，这是不能共存的。何况笔者的转化过程，浅显得连中学生都能读懂，无懈可击，百分之百的正确。怀尔斯巨著难道不是沙滩上的一座摩天大厦？我也向德国马克斯普朗克研究所的学者法尔廷斯寄去了论文复印件，亦表述了上述观点，因为他是少数几个通读怀尔斯论文，并唯一肯定和帮助怀尔斯将论文从二百多页化减到一百三十页的学者 。遗憾的是至今未复。 如果怀尔斯不屑回答一个业余数学爱好者提出的疑问，对他就是一个绝妙的讽刺，因为他以毕生精力研究攻克和使他一举成名的“费马猜想”提出者费马是律师，而不是法兰西学院的院士。恰恰相反，数学只是他的业余爱好。他与人交流数学心得，往往是在通信中进行的，并不象今天这样只有在学术界认可的刊物上发表的文章才能被专家认可。如果当年的学术界也对费马这样苛求，那么今天根本不存在什么“费马猜想”这个问题了。 定理：2>p P P P Z Y X =+ (1) 中，p 为奇素数，X ，Y ，Z 无正整数解。 证：假设X ，Y ，Z 均有正整数解。 令 X=x ，Z = x +a (a 为正整数), Y = y 0+a (y 0为正整数)，约定(x ,y 0,a )=1 ，则有： p p p a x a y x )()0+=++（ (2) 即： 0 (1) 12221101120221010=----++++--------x a c x a c ax c y a c y a c ay c y p p p p p p p p p p p p p p p (3) 不失一般性，可设1),(0≥=d y x 1),(,,11101===y x dy y dx x ，以d 除 (3)式， 并令：10-=p d b ，,2 1 1-=p p ad c b ……,1 11---=p p p p a c b , 于是：0 (11212111111) 1 110=----+++-----x b x b x b y b y b y b p p p p p p 11 1 123122111 1 211110............s y b x b x b x b x b y b y b p p p p p p p =++++= +++------- 11221111011.......----=----p p p p b y b y b y b x s 11231221111.......----=----p p p p b x b x b x b y s
青岛农业大学本科生课程论文 题目：中心极限定理及其应用姓名： 学院： 专业： 班级： 学号： 指导教师： 2012 年06 月27 日
青岛农业大学课程论文任务书 论文题目中心极限定理及其应用 要求完成时间 2012年 07 月 02 日 论文内容（需明确列出研究的问题）：研究中心极限定理的目的就是为了更深入的了解中心极限定理，更好的了解中心极限定理的作用，更好地使用它解决现实生活中的问题。 资料、数据、技术水平等方面的要求论文要符合一般学术论文的写作规范，具备学术性、科学性和一定的创造性。文字要流畅、语言要准确、论点要清楚、论据要准确、论证要完整、严密，有独立的观点和见解。内容要理论联系实际，计算数据要求准确，涉及到他人的观点、统计数据或计算公式等要标明出处，结论要写的概括简短。参考文献的书写按论文中引用的先后顺序连续编码。 指导教师签名：年月日
中心极限定理及其应用 信息与计算科学专业（学生姓名） 指导教师（老师姓名） 摘要：中心极限定理在概率论与数理统计中占有重要地位，本文阐述了中心极限定理的内容并简单介绍了它在实际中的应用。 关键词：中心极限定理；正态分布；随机变量
Central limit theorem and its application Student majoring in Information and Computing Science Specialty （学生英文名） Tutor （老师英文名） Abstract:The central limit theorem in probability theory and mathematical statistics plays an important role,this paper expounds the content of the central limit theorem and briefly introduces its application in practice. Key words: Central limit theorem Normal distribution Random variable
安德鲁怀尔斯的证明比我复杂一百倍 安德鲁怀尔斯的证明用了130页，并利用了连费马都没接触的理论来证明，充分说明他的证明并没有揭开费马所说的美妙证明的历史真相。真正理解费马原始思想的人是我。我只用了一页的版面通俗地透彻地严格地证明了这一结论。是真金还是铜大家可以验证。 揭开费马大定理真相 当整数n大于2时X n +Y n=Z n 没有正整数解。显然X、Y、Z都不会是零。 证明方法： 由于当n为大于2质数时证明X n +Y n=Z n 没有正整数解。与证明X1n+X2n+X3n =0没有非零的整数解道理一样。又由于当n=ab时X1 +X2n+X3n =0可写成（X1a）b+（X2a）b+（X3a）b=0； 因此只要证明当整数n为大于2的质数X1n+X2n+X3n =0没有非零的整数解，可类推X n +Y n=Z n 没有正整数解，而n=4没有整数解早已被人证明。现在我们需要证明当当n为大于2质数时X1n+X2n+X3n =0没有非零的整数解。 假设存在有整数解，会不会出现冲突呢，会的。 如果X1n+X2n+X3n =0存在有整数解，而n为大于2质数，因此必存： X1X2+X2X3+X3X1=d （d为整数更是有理数）；X1X2X3=c（c为整数更是有理数）也就是说必存在这样的方程组； X1n+X2n+X3n =0 (1) X1X2+X2X3+X3X1=d （d为整数更是有理数） (2) X1X2X3=c（c为整数更是有理数） (3) 由方程组必可合成关于X的一元n次方程，又由于若X1=X2或X1＝X3或X2=X3均不存在整数解，原因是2X1n+X3n=0没有非零整数解，因此倘若有非零整数解也只能是X1、X2、X3 互不相等。由于作为底的仅有X1、X2、X3且均要同时有理地合成为【f（X）】n 的形式现在的问其题在于，关于X的一元n次方程（n为质数）既要把未知数都配方成n次方内，又要表示出三个解的不相等。而d、b均为有理数，能做得到吗？做不到的，我们知道，当n 为质数时若将方程有理化成【f（X）】n ＝P；只能反映有一个实数解，其他是虚数解。说明X1、X2、X3取有理数解是不相容的。更谈不上整数解。也就是说要符合费马所规定条件的方程是不存在，因此我的假设是不成立的。 由于当n为大于2质数时证明X n +Y n=Z n 没有正整数解。与证明X1n+X2n+X3n =0没有非零的整数解道理一样。 当n为合数时，n可分解成质因素，可将一个质因数写成括号外的方次来证明，如果n 只含质因素2,n必可写成4m的形式，可当成4次方程来证明。而n=4时，费马本人已证明。至此费马定理证明完毕。
中心极限定理及其应用 [摘要] 在中心极限定理的基础上，通过实例介绍它的应用。 [关键词] 中心极限定理随机变量应用 中心极限定理是棣莫佛在18世纪首先提出的，至今其内容已经非常丰富。它不仅是概率论中的重要内容，而且还是数理统计中大样本统计推断的理论基础。一种随机现象可能会受到许多不确定因素的影响,如果这些彼此之间没有什么依存关系,且谁也没有特别突出的影响,那么,这些影响的“累积效应”将会使现象近似地服从正态分布。中心极限定理在很一般的情况下证明了，无论随机变量服从什么分布，个随机变量的和当时的极限分布是正态分布。因此，它不仅提供了计算独立随机变量之和的近似概率的简单方法，而且有助于解释在现实中为什么很多数量指标都服从或近似服从正态分布这一事实。在中心极限定理的教学中，通过列举一些用中心极限定理解决问题的实例，能使学生较深地理解中心极限定理的理论与实用价值。 一、两个常用的中心极限定理 根据不同的假设条件，有多个中心极限定理。这里只介绍两个常用的中心极限定理。 定理1 列维—林德伯格（Levy-Lindeberg）定理（独立同分布的中心极限定理） 设随机变量相互独立，服从同一分布，且具有数学期望和方差.则随机变量 的分布函数Fn（x）对于任意x满足 （5.7） 从定理1的结论可知，当n充分大时，有 或者说，当n充分大时，有 如果用表示相互独立的各随机因素。假定它们都服从相同的分布（不论服从什么分布），且都有有限的期望与方差（每个因素的影响有一定限度）。则（5.8）式说明，作为总和这个随机变量，当n充分大时，便近似地服从正态分布。 定理2（棣莫佛-拉普拉斯(De Moivre Laplace)定理） 设随机变量X服从参数为n，p （0＜p＜1）的二项分布，即，则
渤海大学学士学位论文 题目: 中心极限定理与大数定理的关系 系别: 渤海大学 专业: 数学系 班级: 2002级1班 姓名：于丹 指导教师：金铁英 完成日期：2006年5月19日 中心极限定理与大数定理的关系 于丹 （渤海大学数学系辽宁锦州 121000 中国） 摘要：中心极限定理是概率与数理统计的一个重要分支，大数定理和中心极限定理都是讨论的随机变量序列的极限问题，它们是概率论中比较深入的理论结果。 本篇论文从研究大数定理开始，然后由大数定理以及收敛性引出了中心极限定理，最后通过对定理在实际应用中的举例和定理的一些反例的研究使我们弄清中心极限定理的内涵与外延，进一步弄清了大数定理与中心极限定理之间的关系。 关键词：大数定理中心极限定理收敛性 The relation of the central limit theorem and large numbers law Yu Dan (Department of Mathematics Bohai University Liaoning jinzhou 121000 China) Abstract：The Central limit theorem is an important branch of probability and mathematical statistic. The large numbers law and the central limit theorem is limit question of random variable sequence .They are the quite thorough theory result in the theory of probability. This paper commences from large numbers law,then the central limit theorem is cited by large numbers law and convergence.Eventually,we can understand connotation and extension of the central limit theorem by its examples and relationship between large numbers law and the central limit theorem . Key words:large numbers law ; the central limit theorem ; convergence. 引言
中心极限定理的内涵和应用 在概率论与数理统计中，中心极限定理是非常重要的一节内容，而且是概率论与数理统计之间承前启后的一个重要纽带。中心极限定理是概率论中讨论随机变量和的分布以正态分布为极限的一组定理。这组定理是数理统计学和误差分析的理论基础，指出了大量随机变量之和近似服从于正态分布的条件。故为了深化同学们的理解并掌握其重要性，本组组员共同努力，课外深入学习，详细地介绍了中心极限定理的内涵及其在生活实践中的应用。 一、独立同分布下的中心极限定理及其应用 在对中心极限定理的研究中，我们不妨由浅入深地来学习，为此我们先来研究一下在独立同分布条件下的中心极限定理，即如下的定理1： 定理l （林德伯格-勒维中心极限定理）设{}n X 是独立同分布的随机变量序列，且0)(,)(2>==σμi i X Var X E 存在，若记 n n X Y n i i n σμ-= ∑=1 则对任意实数y ，有 {}?∞--∞→=Φ=≤y t n n t y y Y P .d e π21)(lim 22 （1） 证明：为证明(1)式，只须证}{n Y 的分布函数列弱收敛于标准正态分布。由定理可知：只须证}{n Y 的特征函数列收敛于标准正态分布的特征函数。为此,设μ-n X 的特征函数为)(t ?，则n Y 的特征函数为 n Y n t t n ??????=)()(σ?? 又因为E(μ-n X )=0，Var(μ-n X )=2σ,所以有()0?'=0，2)0(σ?-=''。 于是，特征函数)(t ?有展开式 )(2 11)(2)0()0()0()(22222t o t t o t t +-=+''+'+=σ???? 从而有 =??????+-=+∞→+∞→n n Y n n t o n t t n )(21lim )(lim 22?22t e - 而22 t e -正是N(0,1)分布的特征函数，定理得证。
费马大定理的美妙证明 成飞 中国石油大学物理系 摘要：1637年左右，法国学者费马在阅读丢番图（Diophatus）《算术》拉丁文译本时，曾在第11卷第8命题旁写道：“将一个立方数分成两个立方数之和，或一个四次幂分成两个四次幂之和，或者一般地将一个高于二次的幂分成两个同次幂之和，这是不可能的。关于此，我确信已发现了一种美妙的证法，可惜这里空白的地方太小，写不下。” 0、费马大定理： 当n>3时，X n +Y n=Z n，n次不定方程没有正整数解。 1、当n=1，X+Y=Z，有任意Z≥2组合的正整数解。任意a.b.c；只要满足方程X+Y=Z；a,b.c 由空间平面的线段表示，有 a b c 可见，线段a和线段b之和，就是线段c。 2、当n=2，X2+Y2=Z2，有正整数解，但不任意。 对于这个二次不定方程来说，解X=a,Y=b,Z=c，在空间平面中，a,b,c不能构成两线段和等于另外线段。 又因为，解要满足二次不定方程，解必然a+b>c且c>a,b。 可以知道，二次不定方程的解，a,b,c在空间平面中或许可以构成三角形， B c A 根据三角形余弦定理，有 c2=a2+b2-2ab× cosɑ( 0<ɑ< π)
此时，a,b,c，即构成了三角形，又要满足二次不定方程X2+Y2=Z2 ，只有当且仅当ɑ=900，cosɑ=0,a,b,c构成直角三角形时c2=a2+b2，既然X=a,Y=b,Z=c，那么二次不定方程X2+Y2=Z2有解。 3、当n=3，X3+Y3=Z3，假设有正整数解。a,b,c就是三次不定方程的解，即X=a,Y=b,Z=c，a+b>c,且c>a,b。 此时，a,b,c也必构成三角形， B A 根据三角形余弦定理，有 c2 = a2+b2-2ab× cosɑ( 0<ɑ< π) 因为，a,b,c是三次不定方程X3+Y3=Z3的正整数解，cosɑ是连续函数，因此在[-1,1]内取值可以是无穷个分数。根据大边对大角关系，ɑ角度取值范围(60o，180o），由此我们cosɑ的取值分成两部分，（-1,0］和［0，?）范围内所有分数；而a+b>c,且c>a，b， 1、当cosɑ=（-1,0］，三角形余弦定理关系式得到， c2 = a2+b2+mab m=［0,1）内正分数； 等式两边同乘以c，有 c3 = a2c + b2c + mabc 因为c>a，b，那么 c3 > a3+ b3 2、当cosɑ=?，三角形余弦定理关系式得到， c2 = a2+b2-ab 等式两边同乘以a+b，有 (a+b)c2 = a3+ b3 又因为a+b>c， 所以，c3 < a3+ b3 （根据三角形大角对大边，c>a，b，即ɑ不可能等于600） 那么，cosɑ=［0，?）时，更加满足c3 < a3+ b3 既然，a,b,c是三次不定方程X3+Y3=Z3的解，又a3+ b3≠ c3， 那么，X3+Y3≠Z3，得到结果与原假设相矛盾，所以，假设不成立。 即，n=3时，X3+Y3=Z3 ，三次不定方程没有正整数解。 4、n>3, X n +Y n=Z n，假设有正整数解。a,b,c就是n次不定方程的解，即X=a,Y=b,Z=c，a+b>c,且c>a,b。此时，a,b,c构成三角形，根据三角形余弦定理有，
我用概率证明了费马大定理 章丘一职专马国梁 1637年，法国业余数学家费马在一本著名的古书——丢番图的《算术》中的一页上写了如下一段文字： “分解一个立方为两个立方之和，或分解一个四次方为两个四次方之和，或更一般地分解任一个高于二次方的幂为两个同次方的幂之和均不可能。对此我发现了一个奇妙的证明，但此页边太窄写不下。” 用数学语言表达就是说，当指数n > 2时，方程x^n + y^n = z^n 永远没有整数解。这就是著名的连小学生都能看懂的费马猜想。 可是在这个猜想提出后，那个重要的“奇妙证明”不论在费马生前还是死后始终没有被人见到，且后人也再没有找到，所以人们怀疑那个证明根本就不存在或者是在什么地方搞错了。费马生前只是证明了n = 4 的情况；直到1749年，才被欧拉证明了n = 3 的情况。 这个猜想看上去是如此的简单，让局外人根本无法想象证明它的艰难，所以曾经让不少人跃跃欲试。他们搜肠刮肚，绞尽脑汁，耗费了无数的精力。三百多年来，虽然取得了很大进展，显示了人类的智慧，但问题总是得不到彻底解决。直到1995年，才由英国数学家怀尔斯宣称完成了最后的证明。从此费马猜想变成了真正的“费马定理”。 对费马定理的证明之所以艰难，是因为在整数内部有着极其复杂微妙的制约机制，要想找到这些制约关系，必须深入到足够的程度进行细致的分析才行。所以三百多年来，虽然有不少数学大家还有广大业余爱好者不畏艰难，前赴后继，顽强奋斗，但怎奈山高路远，歧途太多，终归难免失败。 在这样的现实下，笔者明白自己也是局外之人，所以不可能去钻这个无底的黑洞。但是作为一种乐趣，我们不妨另外开辟一条渠道，进行旁证和展望。试用概率计算一下：看看费马猜想是否成立，又成立到什么程度。虽然这在数学界难以得到公认，但是我们歪打正着，乐在其中。因为对于决定性的现象，如果其决定因素和控制过程过于复杂，那么其结果是可以用概率理论进行推算的。 但是要证明费马猜想究竟应该从何处下手呢？对此笔者心中一直有一个强烈的直觉。 我们知道：当n = 1 时，x + y = z 可有无数组解。在正整数中，任何两个整数相加的结果必然也还是整数。 但是当n = 2 时，方程x^2 + y^2 = z^2 的解就没有那么随便了，它们必须是特定的一组组的整数。其组数大大减少。 而当n = 3 时，方程x^3 + y^3 = z^3 则根本就没有整数解了。那么其原因是什么呢？ 对此笔者曾经思考了多年。但没想到只是在近几天才一下子开了窍，找到了问题的关键。原来是：指数越大，整数的乘幂z^n在数轴上的坐标点就越稀疏，从而使任意两整数的同次方幂之和x^n + y^n 落在坐标点上成为整数的可能性就越小。其概率是z^n 的导数的倒数。即每组x^n + y^n 能够成为整数的可能性只有 η= 1/[n z^(n-1)] = 1/ [n (x^n + y^n )^(1-1/n) ] 当x、y在平面直角坐标系的第一区间随意取值时，我们可以用积分的办法算出其中能够让z成为整数的组数。其公式为 N =∫∫ηdx dy =∫∫[(dx dy) / (n (x^n + y^n )^(1-1/n))] 因为在平面直角坐标系上，当z 一定时，由方程x^2 + y^2 = z^2 所决定的曲线是个正圆； 而由方程x^n + y^n = z^n 所决定的曲线则是一个近似的圆； 只有当n 趋于无穷大时，它的曲线才能成为一个正方形。 所以当n较小时，我们是可以把方程的曲线当作一个圆来处理的。这样以来，N的积分公式就变成了 N =∫[(0.5πz dz ) / (n z^(n-1))] ①当n = 1 时，由方程x + y = z 所决定的曲线是一条斜的直线。它在第一象限的长度是sqrt(2) z ，此时能够成为整数的概率是100%，即η= 1/[n z^(n-1)] = 1 所以N =∫sqrt(2) z dz = [1/sqrt(2)] z^2 即与z的平方成正比，这意味着在坐标系的第一象限中，遍地都是解。仔细想想这也可以理解。因为不论x还是y，都是可以取任意整数的；而正整数的数量是无穷多，所以它们的组合数将是无穷多的平方，为高一级的无穷多。 ②当n = 2 时，由方程x^2 + y^2 = z^2 所决定的曲线是一个正圆。在第一象限是一段1/4 的圆周，其长度是0.5πz ；此时η= 1/[2 z ] 所以N =∫(0.5πz dz / (2 z) ) = (π/4) z
《费马大定理》读后感800字 费马大定理是17世纪法国数学家费马留给后世的一个不解之谜。即：当整数n>2时，关于x,y,z的不定方程x^n+y^n=z^n.无正整数解。 为证明这个命题，无数的大数学家们都在不懈努力，孜孜不倦的力求攻克。该问题的提出还在于毕达哥拉斯定理（在一个直角三角形中，斜边的平方等于两直角边的平方之和）的存在。而后欧拉用他的方式证明了x^3+y^3=z^3无正整数解。同理3的倍数也无解。费马也证明了n为4时成立。这样使得待证明的个数大大减少。终于在“谷山——志村猜想” 之后，被安德鲁·怀尔斯完全证明。 看过该书以后，一方面是对于费马大定理的证明过程的惊叹。这是一个如此艰辛的过程。阿瑟·爱丁顿爵士曾说，证明是一个偶像，数学家在这个偶像面前折磨自己。值得解决的问题会以反击来证明他的价
值。费马大定理的成功证明的实现在是它被提出后的300多年。经典数学的证明办法是从一系列公理、陈述出发，然后通过逻辑论证，一步接着一步，最后就可能得到某个结论。数学证明依靠这个逻辑过程，一经证明就永远是对的。数学证明是绝对的。也是一环扣一环的，没有索菲·热尔曼，柯西，欧拉等人在之前的研究，该定理并非能在个人的一次研究中就能得到证明。对于数学的研究是永无止境的。另一方面，我也认识到寻找一个数学证明就是寻找一种认识，这种认识比别的训练所积累的认识都更不容置疑。最近两千五百年以来，驱使着数学家们的正是这种以证明的方法发现最终真理的欲望。数学家有着不安分的想象与极具耐心的执拗。虽说当今计算机已经发展到一定地步了，它的计算速度再快，但是无法改变数学证明的需要。数学证明不仅回答了问题，还使得人们对为什么答案应该如此有所了解。 学数学能干什么？曾经也有学生这样问过欧拉，欧拉给他一些钱以后就让学生走了。培根也说过，数学使人周密。数学的证明最能培养严谨的态度。
重庆三峡学院毕业设计（论文）大数定律与中心极限定理及其应用 分院数学与统计学院 专业数学与应用数学（师范） 班级 10数本1班 学号201006034109 姓名张永东 指导教师陈飞翔 (讲师) 2014年5月10日
目录 摘要.................................................................................................................................................. I ABSTRACT. ..................................................................................................................................II １大数定律的应用 .. (3) 1.1引言 (3) 1.2预备知识 (3) 1.2.1相关定义 (3) 1.2.2切比雪夫不等式及其应用 (4) 1.3几类重要的大数定律的应用 (4) 1.3.1切比雪夫大数定律及其在测绘方面的应用 (4) 1.3.2伯努利大数定律及其在重复事件方面的应用 (6) 1.3.3辛钦大数定律及其在数学分析方面的应用 (6) 1.4大数定律的意义 (8) 2 中心极限定理的应用 (8) 2.1前言 (8) 2.2几类重要的中心极限定理的应用 (9) 2.2.1林德伯格定理及其在保险方面的应用 (9) 2.2.2列维定理及其在极限求解方面的应用 (10) 2.2.3棣莫弗-拉普拉斯定理及其在实际生活方面的应用 (11) 2.2.4 李雅普诺夫中心极限定理及其在具体分布方面的应用 (14) 3 大数定律和中心极限定理的比较应用 (15) 3.1大数定律和中心极限定理的比较应用 (15) 结论 (16) 致谢 (17) 参考文献 (18)
中心极限定理的涵和应用 在概率论与数理统计中，中心极限定理是非常重要的一节容，而且是概率论与数理统计之间承前启后的一个重要纽带。中心极限定理是概率论中讨论随机变量和的分布以正态分布为极限的一组定理。这组定理是数理统计学和误差分析的理论基础，指出了大量随机变量之和近似服从于正态分布的条件。故为了深化同学们的理解并掌握其重要性，本组组员共同努力，课外深入学习，详细地介绍了中心极限定理的涵及其在生活实践中的应用。 一、独立同分布下的中心极限定理及其应用 在对中心极限定理的研究中，我们不妨由浅入深地来学习，为此我们先来研究一下在独立同分布条件下的中心极限定理，即如下的定理1： 定理l （林德伯格-勒维中心极限定理）设{}n X 是独立同分布的随机变量序列，且0)(,)(2>==σμi i X Var X E 存在，若记 n n X Y n i i n σμ-= ∑=1 则对任意实数y ，有 {}?∞--∞→=Φ=≤y t n n t y y Y P .d e π21)(lim 22 （1） 证明：为证明(1)式，只须证}{n Y 的分布函数列弱收敛于标准正态分布。由定理可知：只须证}{n Y 的特征函数列收敛于标准正态分布的特征函数。为此,设μ-n X 的特征函数为)(t ?，则n Y 的特征函数为 n Y n t t n ??????=)()(σ?? 又因为E(μ-n X )=0，Var(μ-n X )=2σ,所以有()0?'=0，2)0(σ?-=''。于是，特征函数)(t ?有展开式 )(2 11)(2)0()0()0()(22222t o t t o t t +-=+''+'+=σ???? 从而有 =??????+-=+∞→+∞→n n Y n n t o n t t n )(21lim )(lim 22?22t e - 而22 t e -正是N(0,1)分布的特征函数，定理得证。
-中心极限定理在保险业务中的应用
中心极限定理在保险业务中的应用 学生姓名：许红红指导教师:赵连阔 一、引言 保险是以合同的形式来确定双方经济关系，以投保人缴纳保险费所建立起来的保险基金，对保险合同规定范围内的意外所造成的损失，进行经济补偿或给付的一种经济形式。保险费是根据数理统计原理进行制定，对未来发生的成本进行预测和估算，将预期赔偿金额作为纯保险费来收取的。为避免和减少未来风险因素带来的经济损失，保险公司采取一些方法保证自己的偿付能力。 在实际生活中有诸如交通事故发生率、人口死亡率等许多随机因素影响着保险的预期利润和偿付能力，这些随机因素是相互独立的，且每一个因素的影响在总结果中所起到的作用都是很小的随机变量。这些随机变量都通常近似服从正态分布。这种现象就是中心极限定理产生的客观背景条件。 二、中心极限定理 结合上文中心极限定理的产生的客观背景，我们给出中心极限定理的具体内容。我们把描述或验证大量随机变量和的极限是正态分布的那些定理通称为中心极限定理。但其中最常见、最基本且应用最广泛的是两个定理德莫弗—拉普拉斯中心极限定理（二项分布的正态近似）和林德贝格—勒维中心极限定理（独立同分布下的中心极限定理）。
(一)德莫弗——拉普拉斯定理 设n 重伯努利试验(将事件A 重复进行n 次)中，事件A 在每次试验中出现的概率为 ()01p p <<，记n μ为n 次试验中事件A 出现的次数，且记* n Y =，其中1.q p =- 则对任意实数y ，有 {}()2 *2lim . t y n n P Y y dt y -→+∞≤==Φ? 这个定理可以说是二项分布的近似正态分布，当n 充分大时，可以利用该定理来计算二项分布的概率。 即(),A B n p :，其中1q p =-，则当n 很大时，有 ()P a X b ≤≤≈-. (二)林德贝格——勒维中心极限定理 设{}n X 是独立同分布的随机变量序列，且()()2,0i i E X Var X μσ==>记 * n Y 则对任意实数y ，有 *lim () n n P Y y ?→+∞≤=22 ()t y y e dt --∞=. 此定理也可称为独立同分布中心极限定理且应用十分广泛，它只假设{}n X 独立同分布、方差存在，且是随便变量的序列，不管原来的分布是什么，只要n 充分大，就可以用正态分布去逼近。于是有：
题目：中心极限定理及意义 课程名称：概率论与数理统计 专业班级： 成员组成： 联系方式： 2012年5月25日 摘要： 本文从随机变量序列的各种收敛与他们的关系谈起，通过对概率经典定理——中心极限定理在独立同分布和不同分布两种条件下的结论做了比较系统的阐述，揭示了随机现象最根本的性质——平均结果的稳定性。经过对中心极限定理的讨论，给出了独立随机变量之和的分布用正态分布来表示的理论依据。同样中心极限定理的内容也从独立分布与独立不同分布两个角度来研究。同时通过很多相关的正反例题，进行说明这些定理所给出的条件是否是充要条件；签掉在实际问题中灵活的应用和辨别是否服从我们给出的定理条件。最后了解一些简单简便的中心极限定理在数理统计、管理决策、仅是计算以及保险业务等方面的应用，来进一步的阐明了中心极限定理分支学课中的中重要作用和应用价值。
关键词： 随机变量，独立随机变量，特征函数，中心极限定理 引言： 在客观实际中有许多随机变量，他们是由大量的相互独立的随机因数的综合 影响所形成的，而其中每一个别因数在总的影响中所起的作用都是渺小的，这种随机变量往往近似地服从正态分布，这种现象就是中心极限定理的客观背景。 中心极限定理自提出至今，其内容已经非常丰富。在概率论中，把研究在什么条件下，大量独立随机变量和的分布以正态分布为极限的这一类定理称为中心极限定理。但其中最常见、最基本的两个定理是德莫佛-拉普拉斯中心极限定理和林德贝格-勒维中心极限定理。 一、三个重要的中心极限定理 1.独立同分布的中心极限定理 设随机变量??????,,,,21n X X X 相互独立，服从统一分布，具有数学期望和方差 ()()) ,2,1(0,2???=>==k X D X E k k σμ，则随机变量之和 ∑=n k k X 1 的标准化变量， σ μ n n X X D X E X Y n k k n k k n k k n k k n -=?? ? ????? ??-=∑∑∑∑====1 111 的分布函数)(x F n 对于任意x 满足， ()x dt e x n n X P x F t x n k k n n n Φ==????????? ?? ??? ≤-=-∞-=∞→∞→?∑2/1221lim )(lim πσμ 2.李雅普诺夫定理 设随机变量??????,,,,21n X X X 相互独立，它们具有数学期望和方差 ()()) ,2,1(0,2???=>==k X D X E k k k k σμ，
A 试证：试证：x x 4+y 4=z 4在xy xy≠ ≠0时无整数解。证：假设原命题成立，则有： z 4-x 4=(z -x)(z 3+z 2x+z x 2+x 3)=(z -x)(z +x)(z 2+x 2)=y 4由x 、y 、z 都是大于0的正整数，所以有z ＞x 得：得：z z -x -x＜＜z +x +x＜ ＜z 2+x 2（其中若z +x +x≥≥z 2+x 2，则x(1-x)x(1-x)≥ ≥z (z -1)负数大于正数，不成立。）分两种情形讨论： ①y 是质数，得：是质数，得：y=z y=z -x y=z +x y 2=z 2+x 2由前两式得x ＝0（不成立）②y 是合数，得：是合数，得：(z (z -x)a=y (z -x)b=y z 2+x 2=aby 2稍微变换一下就可以得到：（（a a 2b 2-1-1） ）z 2=(a 2b 2+1)x 2即：即：a a 2 b 2-1=k 12a 2b 2+1=k 22但是在整数里，但是在整数里，m m 2-n 2≠1。故这种情形不成立。∴x 4+y 4=z 4在xy xy≠ ≠0时无整数解。B 试证：试证：x x 3+y 3=z 3在xy xy≠ ≠0时无整数解。证：假设原命题成立，则有： z 3-x 3=(z -x)-x)（ （z 2+xz +x 2）=y 3＞0则有：则有：z z ＞x z 2+xz +x 2＞z -x 分两种情形讨论： ①y 是质数，得：是质数，得：y=z y=z -x y 2＝z 2+xz +x 2即：即：z z 2+xz +x 2＝y 2=(z -x)2整理得到：整理得到：xz xz =-2xz (不成立不成立) )②y 是合数，则有：是合数，则有：(z (z -x)a=y z 2+xz +x 2＝ay 2整理得到：（（a a 3-1-1） ）z 2-(a 3+1)xz +(a 3-1)x 2=0若z 有解，需有解，需△≥△≥△≥00即：即：a a 3≤3由于a 是大于0的正整数，故a ＝1即：即：z z -x=y 回到第回到第① ①种情形，结果仍是不成立。 ∴x 3+y 3=z 3在xy xy≠ ≠0时无整数解。另外根据我的推到出勾股方程的满足条件或生成方法是： ((e 2-f 2)/2)2+(ef)2=((e 2+f 2)/2)2 其中e 、f 取大于0的同时为奇或偶的正整数（的同时为奇或偶的正整数（e e ≠ f ）但是我在一本介绍数论的书上看到已经被人家找出来，只是形式和我的有点差异。故我通过上述方法找到了勾股方程成立的充足理由，及同样找到了其满足条件。乐哉！
大数定律与中心极限定理 应用题 1． 设各零件质量都是随机变量，且独立同分布，其数学期望为0.5kg ，标准差 为0.1kg, 问（1）5000只零件的总质量超过2510kg 的概率是多少？(2)如果用一辆载重汽车运输这5000只零件，至少载重量是多少才能使不超重的概率大于0.975？ 解 设第i 只零件重为i X ，500,...,2,1=i ，则5.0=i EX ，21.0=i DX 设 ∑==500 1i i X X ，则X 是这些零件的总重量 250050005.0=?=EX ，5050001.02=?=DX 由中心极限定理 )1,0(~50 2500N X a - （1）)2510(≥X P =)50 25002510502500(-≥-X P )2(10Φ-≈=9213.01-=0.0787 (2) 设 汽车载重量为a 吨 )(a X P ≤=)502500502500(-≤-a X P 95.0)50 2500(0≥-Φ≈a 查表得 64.150 2500≥-a 计算得 59.2511≥a 因此汽车载重量不能低于2512公斤 2． 有一批建筑房屋用的木柱，其中80%的长度不小于3m ，先从这批木柱中随 机的取100根，求其中至少有30根短于3m 的概率？ 解 设X 是长度小于3m 的木柱根数，则)2.0,100(~b X 由中心极限定理 )16,20(~N X a )30(≥X P =)16 20301620(-≥-X P )5.2(10Φ-≈=9938.01-=0.0062 3． 一个食品店有三种蛋糕出售，由于售出哪一种蛋糕是随机的，因而售出一种 蛋糕的价格是随机变量，它取1元，1.2元，1.5元的概率分别为0.3，0.2，0.5.若售出300只蛋糕，（1）求收入至少400元的概率 （2）售价为1.2元蛋糕售出多于60只的概率。
本科生毕业论文（设计） 题目大数定律与中心极限定理的 关系及应用 姓名学号 院系数学科学学院 专业数学与应用数学 指导教师职称 2013年4 月16 日 曲阜师范大学教务处制
目录 摘要 (3) 关键词 (3) Abstract (3) Key words (3) 引言 (3) 1 大数定律与中心极限定理的关系 (4) 1.1预备知识 (4) 1.1.1大数定律 (4) 1.1.2中心极限定理 (5) 1.2大数定律与中心极限定理的关系 (6) 1.2.1服从大数定律不服从中心极限定理的例子 (7) 1.2.2服从中心极限定理不服从大数定律的例子 (8) 1.2.3大数定律与中心极限定理均不服从的例子 (9) 2 大数定律与中心极限定理在实际生活中的应用 (10) 2.1 在误差分析中的应用 (10) 2.2 在数学分析中的应用 (11) 2.3 在近似计算中的应用 (13) 2.4 在保险业中的应用 (14) 2.5 在企业管理方面的应用 (15) 结论 (16) 致谢 (16) 参考文献 (17)
大数定律与中心极限定理的 关系及应用 摘要：本文通过对大数定律与中心极限定理在独立同分布和不同分布两种情况下的结论作了比较系统的阐述，揭示了随机现象最根本的性质——平均结果的稳定性。经过对中心极限定理的讨论，给出了独立随机变量之和的分布可以用正态分布来表示理论依据。另外，叙述了大数定律与中心极限定理之间的关系，同时通过举出很多相关的反例说明二者的关系。最后给出了一些简便的大数定律与中心极限定理在误差分析、数学分析、近似计算、保险业及企业管理等几个方面的应用,来进一步地阐明了大数定律与中心极限定理在各分支学科中的重要作用和应用价值。 关键词：大数定律中心极限定理随机变量应用 Relationship and Applications between the Law of Large Number and Central Limit Theorem Student majoring in mathematics and applied mathematics Bai Yanfei Tutor Liu Li Abstract: Based on the law of large numbers and central limit theorem in the independent distribution with the different distribution of both cases, it makes more systematic exposition, and reveals the phenomenon of the random nature of the most fundamental an average of the results of the Stability. Through the central limit theorem discussion, it gives out the random variables and the distribution of the normal distribution. At the same time, it demonstrates the relationship between the two aspects through lots of anti-related examples. Finally, it gives out several aspects of applications of a number of simple law of large numbers and the central limit theorem in error analysis, mathematical analysis, the approximate calculation, the insurance industry and business management to further clarify the law of large numbers and the central limit theorem in all branches of the important role and value. Key words: Laws of large number; Central-limit theorem; Random variables; Applications 引言概率论与数理统计是研究随机现象的统计规律的一门学科,而随机现象的统计规律性只有在相同条件下进行大量重复试验或观察才呈现出来。在随机事件的大量重复出现中，往往呈现几乎必然的规律，这个规律就是大数定律。大数定律是概率论中一个非常重要的课题，而且是概率论与数理统计之间一个承前启后的重要纽带。大数定律阐明了大量随机现象平均结果具有稳定性，证明了在大样本条件下，样本平均值可以看作总体平均值,它是“算数平均值法则”的基本理论，通俗地说，这个定理就是在试验不变的条件下，重复试验多次，随机事件的频率以概率为稳定值。在现实生活中经常可以见到这一类型的数学模型，比如，我们向上抛一枚硬币，硬币落下后哪一面朝上本来是偶然的，但当我们向上抛硬币的次数足够多时，达到上万次甚至几十万几百万次之后，我们会发现，硬币向上的次数约占总次数的二分之一，偶然中包含着必然。 而中心极限定理是概率论中讨论随机变量序列部分和的分布渐近于正态分
学院 学术论文 论文题目：费马大定理的证明 Paper topic：Proof of FLT papers 姓名 所在学院 专业班级 学号 指导教师 日期 【摘要】：本文运用勾股定理，奇偶性质的讨论，整除性的对比及对等式有解的分析将费马大
定理的证明由对N>2的情况转换到证明n=4,n=p 时方程n n n x y z +=无解。 【关键字】：费马大定理（FLT ）证明 Abstract : Using the Pythagorean proposition, parity properties, division of the contrast and analysis of the solutions for the equations to proof of FLT in N > 2 by the situation to prove N = 4, N = p equation no solution. Keywords: Proof of FLT (FLT) 引言： 1637年，费马提出：“将一个立方数分为两个立方数，一个四次幂分为两个四次幂，或者一般地将一个高于二次的幂分为两个同次的幂，这是不可能的。”即方程 n n n x y z +=无正整数解。 当正整数指数n ＞2时，没有正整数解。当然xyz=o 除外。这就是费马大定理（FLT ），于1670年正式发表。费马还写道：“关于此，我确信已发现一种奇妙的证法，可惜这里的空白太小，写不下”。[1] 1992年，蒋春暄用p 阶和4n 阶复双曲函数证明FLT 。 1994年，怀尔斯用模形式、谷山—志村猜想、伽罗瓦群等现代数学方法间接证明FLT ，但是他的证明明显与费马设想的证明不同。 据前人研究，任何一个大于2的正整数n ，或是4的倍数，或是一个奇素数的倍数，因此证明FLT ，只需证明两个指数n=4及n=p 时方程没有正整数解即可。方程 444x y z +=无正整数解已被费马本人及贝西、莱布尼茨、欧拉所证明。方程 n n n x y z +=无正整数解，n=3被欧拉、高斯所证明；n=5被勒让德、狄利克雷所证明；n=7被拉梅所证明；特定条件下的n 相继被数学家所证明；现在只需继续证明一般条件下方程n n n x y z +=没有正整数解，即证明FLT 。[2] 本文通过运用勾股定理，对奇偶性质的讨论，整除性的对比及对等式有解的分析证明4n =，n p =时n n n x y z +=无正整数解。