当前位置：文档之家 › [学习]概率论与数理统计第五章

[学习]概率论与数理统计第五章

  • 格式：ppt
  • 大小：439.00 KB
  • 文档页数：6

下载文档原格式

  / 6

合集下载

概率第五章_大数定律与中心极限定理090505

概率第五章_大数定律与中心极限定理090505
加法法则
P ( − Eξ ε ) = ξ ≥
P(ξ ≥ Eξ + ε ) + P (ξ ≤ Eξ − ε )
k
=
≤
k : xk ≥ E +
∑ξ ε p
k
+
k : xk ≤ E −
∑ξ ε p
pk +
k :xk ≥ E +
∑ξ ε
( x − Eξ ) 2
ε
2
k :xk ≤ E −
∑ξ ε
( x − Eξ ) 2
， 方差 Dξ n ( n = 1, 2,L)，且 Dξi < l (i = 1, 2,L) 其中 l 与 i 无关的
1 Eξ = (1 + 2 + 3 + L + 6) 6
35 7 故 Eξ = Dξ = 12 2
4 2 = P (ξ = 5) + P(ξ = 6) + P (ξ = 1) + P (ξ = 2) = = 6 3 7 1 P( − 2 ) = P(ξ ≥ 5.5) + P(ξ ≤ 1.5) = P (ξ = 6) + P (ξ = 1) = ξ ≥
即
lim P ( − p < ε ) = 1 n →∞ n
ξ
此定理表明：当试验在不变的条件下重复进行很多次时， 随机事件的频率 频率在它的概率 概率附近摆动。 频率 概率 由贝努里大数定律可知，若事件A的概率很小很小时，则 它的频率也很小很小，即事件A很少发生或几乎不发生， 这种事件叫小概率事件。反之，若随机事件的概率很接近1， 则可认为在个别试验中这事件几乎一定发生。 同分布的两个或多个随机变量: 同分布的两个或多个随机变量 离散型: 它们的概率分布律相同. 离散型 它们的概率分布律相同 连续型: 它们的概率密度函数相同. 连续型 它们的概率密度函数相同 所以它们的期望与方差一定相同. 所以它们的期望与方差一定相同

概率论与数理统计 第五章

概率论与数理统计 第五章

Xn ⎯ ⎯→ X 2. 依概率收敛与依分布收敛的关系
依概率收敛 ⇒ 依分布收敛
L
3. 定义：中心极限定理 设随机变量 X ~ N(0,1)，{Xi }，i = 1, 2, … 相互独 立，且数学期望和方差都存在, 若标准化随机变量序列
∑
n
i =1
Xi −
∑ E(X
i =1
n
i
)
∑
n
i =1
D(X i)
所以结论成立。 由此有，若X ~ B( n, p )，对于足够大的n，有 ⎧ m1 − np X − np m2 − np ⎫ ⎪ ⎪ < ≤ P{m1 < X ≤ m2 }= P ⎨ ⎬ np(1 − p) np(1 − p) ⎪ ⎪ np(1 − p) ⎩ ⎭
⎧ Yn − np ⎫ ⎪ ⎪ ≤ x ⎬ = Φ( x ) lim P ⎨ n →∞ ⎪ np(1 − p ) ⎪ ⎩ ⎭
证明：对于任意正整数n，随机变量Yn 可表示为 证明：对于任意正整数n Yn = X1＋ X2＋…＋ Xn X1, X2,…, Xn 相互独立，Xi ~ B( 1, p )，且有 E( Xi ) = p , D( Xi ) = p(1-p) 所以随机变量序列{ Xi }, i =1,2,…满足独立同分布 中心极限定理条件。即有
切比雪夫不等式的应用 1）估计随机变量落在某个区间内的概率 (P125例5.5.2) 2）估计ε的值, 使 P(│X - E(X)│<ε) ≥ a (0<a<1) 3）证明大数定律。
二. 大数定律 定义： 依概率收敛 设{Xn}是一个随机变量序列，X 是一个随机变量 或常数，若对于任意的ε＞ 0，有 lim P{| X n − X |≥ ε } = 0

概率论与数理统计 第5章

概率论与数理统计 第5章
i 1 4 i 2 2 i i 1
n
n
性质2.（分布可加性）:若X～2(n1)，Y～2(n2)，X与 Y独立，则
X + Y～2(n1+n2 )
3、2分布表及有关计算
(1)构成 P{2(n)>λ}=α，已知n, α可查表求得λ; (2)有关计算P 2 (n) 2 (n) 称为上侧α分位数
例5.1 设 X ~ N ( , 2 ) (X1,X2,…,Xn)为X的一个样本，
求(X1,X2,…,Xn)的密度。 解 (X1,X2,…,Xn)为X的一个样本，故
X i ~ N ( , 2 )
n
i 1,2,, n
f ( x1 , x2 ,, xn ) f ( xi )
16 2
解
i 1,2,,16
2 1 16 2 2 P ( X i ) P 8 2 (16) 16 2 16 i 1
2—分布的密度函数f(y)曲线
n/2 1 f ( y) 2 ( n / 2) y 0,
n y 1 2 2
e , y0 y0
2 例5.4 X ~ N ( , ) (X1,X2,X3)为X的一个样本
X 1 X 2 X 3 的分布。 求


(n)为整体记号
2
2 (n) 2 2 查表得 0 ( 25 ) 34 . 382 10) 18.307 .1 0.05 (
1 当n充分大时，近似有 (n ) (u 2n - 1) 2 2
2
练习1. P(2(n)<s)=1-p ∵P(2(n) < s)=1- P(2(n) s )=1-p ∴ P(2(n) s )=p 2 s p (n) 练习2. P(2(11)>s)=0.05,求s

概率论与数理统计 第五章 大数定律与中心极限定理

概率论与数理统计 第五章 大数定律与中心极限定理
nA 一种提法是： “当 n 足够大时，频率 n 与概率 p 有较大偏差
的概率很小” ，用数学语言表达，就是要证明： 0 ，有
nA nA lim P p 0 lim P p 1 n ，或 n n ． n
另一种提法是：研究随机变量 n A 的分布的极限行为，即讨 论分布函数
nA lim P p 0 lim P n n 或 n
nA p 1 ． n
证 引入
1 , 第i次试验中事件A发生 Xi ，i 1 , 2 , , n ， 0 , 第i次试验中事件A不发生
下面我们进一步来讨论贝努利试验．若记 n A 为 n 次贝努利试
nA 验中事件 A 发生的次数， 则事件 A 发生的频率为 n ． 所谓 “频 率的稳定性” ，无非是指当试验次数 n 无限增大(即 n )时，
nA 频率 n 无限接近于某个固定常数．这个固定的常数就是“事 件 A 在一次试验中发生的的概率 p” ． nA 由此可见，讨论频率 n 的极限行为，是理解概率论中最基本
2019年1月14日星期一
11 / 102
§5.1
大数定律
作为预备知识，我们先明确随机变量序列收敛的
相关概念，同时给出一个重要的不等式，它是以下理 论证明所用的主要工具之一．
定 义 1.1 设 a 是常数，对于随机变量序列 ，如果 0 ，有
X1 , X 2 ,
, Xn ,
lim P
n
个常数，即在这个常数的附近摆动，这就是所谓的“频
率稳定性”．但对这一点，至今为止我们尚未给予理论 上的说明．另外，在第二章我们给出了二项分布的泊松 逼近，那么更一般的近似计算方案又是怎样呢?

概率论与数理统计第五章课后习题及参考答案

概率论与数理统计第五章课后习题及参考答案

概率论与数理统计第五章课后习题及参考答案1．用切比雪夫不等式估计下列各题的概率．(1)废品率为03.0，1000个产品中废品多于20个且少于40个的概率；(2)200个新生儿中，男孩多于80个而少于120个的概率(假设男孩和女孩的概率均为5.0)．解：(1)设X 为1000个产品中废品的个数，则X ～)1000,03.0(B ，有30)(=X E ，1.29)(=X D ，由切比雪夫不等式，得)3040303020()4020(-<-<-=<<X P X P )103010(<-<-=X P )1030(<-=X P 709.0101.2912=-≥．(2)设X 为200个新生儿中男孩的个数，则X ～)200,5.0(B ，有100)(=X E ，50)(=X D ，由切比雪夫不等式，得)10012010010080()12080(-<-<-=<<X P X P )2010020(<-<-=X P )20100(<-=X P 87205012=-≥．2．一颗骰子连续掷4次，点数总和记为X ，估计)1810(<<X P ．解：设i X 为该骰子掷第i 次出现的点数，则61)(==k X P i ，6,,2,1 =i ，6,,2,1 =k ．27)654321(61)(=+++++=i X E ，691)654321(61)(2222222=+++++=i X E ，35)]([)()(22=-=i i i X E X E X D ，4,3,2,1=i ．因为4321X X X X X +++=，且1X ，2X ，3X ，4X 相互独立，故有14)(=X E ，335)(=X D ．由切比雪夫不等式，得)1418141410()1810(-<-<-=<<X P X P )4144(<-<-=X P )414(<-=X P 271.0433512=-≥．3．袋装茶叶用及其装袋，每袋的净重为随机变量，其期望值为100g ，标准差为10g ，一大盒内装200袋，求一盒茶叶净重大于5.20kg 的概率．解：设i X 为一袋袋装茶叶的净重，X 为一盒茶叶的净重，由题可知∑==2001i i X X ，100)(=i X E ，100)(=i X D ，200,,2,1 =i ．因为1X ，2X ，…，200X 相互独立，则20000)()(2001==∑=i i X E X E ，20000)()(2001==∑=i i X D X D ．)()(20500)()(()20500(2001X D X E X D X E X P X P i i ->-=>∑=)1020020000205001020020000(⋅->⋅-=X P )2251020020000(>⋅-=X P 由独立同分布的中心极限定理，1020020000⋅-X 近似地服从)1,0(N ，于是0002.0)5.3(1)2251020020000(=Φ-≈>⋅-X P ．4．有一批建筑用木桩，其80%的长度不小于3m ．现从这批木桩中随机取出100根，试问其中至少有30根短于3m 的概率是多少？解：设X 为100根木桩中短于3m 的根数，则由题可知X ～)2.0,100(B ，有20)(=X E ，16)(=X D ，由棣莫弗—拉普拉斯定理，得)30(1)30(<-=≥X P X P )42030(1)()((1-Φ-=-Φ-=X D X E X 0062.0)5.2(1=Φ-=．5．某种电器元件的寿命服从均值为100h 的指数分布．现随机选取16只，设它们的寿命是相互独立的．求这16只元件寿命总和大于1920h 的概率．解：设i X 为第i 只电器元件的寿命，由题可知i X ～)01.0(E ，16,,2,1 =i ，且1X ，2X ，…，16X 相互独立，则100)(=i X E ，10000)(=i X D ．记∑==161i i X X ，则1600)()(161==∑=i i X E X E ，160000)()(161==∑=i i X D X D ．))()(1920)()(()1920(X D X E X D X E X P X P ->-=>)400160019204001600(->-=X P )8.04001600(>-=X P ，由独立同分布的中心极限定理，1600-X 近似地服从)1,0(N ，于是2119.0)8.0(1)8.04001600(=Φ-=>-X P ．6．在数值计算中中，每个数值都取小数点后四位，第五位四舍五入(即可以认为计算误差在区间]105,105[55--⨯⨯-上服从均匀分布)，现有1200个数相加，求产生的误差综合的绝对值小于03.0的概率．解：设i X 为每个数值的误差，则i X ～)105,105(55--⨯⨯-U ，有0)(=i X E ，1210)(8-=i X D ，1200,,2,1 =i ．从而0)()(12001==∑=i i X E X E ，61200110)()(-===∑i i X D X D ．由独立同分布的中心极限定理，X 近似地服从)10,0(6-N ，于是)03.0(<X P ))()(03.0)()((X D X E X D X E X P -≤-=12101200003.0121012000(44--⋅-≤⋅-=X P 9974.01)3(2=-Φ=．7．某药厂断言，该厂生产的某药品对医治一种疑难的血液病治愈率为8.0．医院检验员任取100个服用此药的病人，如果其中多于75个治愈，就接受这一断言，否则就拒绝这一断言．(1)若实际上此药对这种病的治愈率是8.0，问接受这一断言的概率是多少？(2)若实际上此药对这种病的治愈率是7.0，问接受这一断言的概率是多少？解：设X 为100个服用此药的病人中治愈的个数，(1)由题可知X ～)8.0,100(B ，则80)(=X E ，16)(=X D ，由棣莫弗—拉普拉斯定理，得)75(1)75(≤-=>X P X P 48075(1))()((1-Φ-=-Φ-=X D X E X 8944.0)25.1(=Φ=．(2)由题可知X ～)7.0,100(B ，则70)(=X E ，21)(=X D ，由棣莫弗—拉普拉斯定理，得)75(1)75(≤-=>X P X P 217075(1)()((1-Φ-=-Φ-=X D X E X 1379.0)09.1(1=Φ-=．8．一射手在一次射击中，所得环数的分布律如下表：X678910P 05.005.01.03.05.0求：(1)在100次射击中环数介于900环与930环之间的概率是多少？(2)超过950环的概率是多少？解：设X 为100次射击中所得的环数，i X 为第i 次射击的环数，则∑==1001i i X X ，15.9)(=i X E ，95.84)(2=i X E ，2275.1)]([)()(22=-=i i i X E X E X D ，100,,2,1 =i ．由1X ，2X ，…，100X 相互独立，得915)()(1001==∑=i i X E X E ，75.122)()(1001==∑=i i X D X D ．由独立同分布的中心极限定理，75.122915-X 近似地服从)1,0(N ，于是(1))930900(≤≤X P ))()(930)()()()(900(X D X E X D X E X X D X E P -≤-≤-=75.12291593075.12291575.122915900(-≤-≤-=X P )75.1221575.122915(≤-=X P 823.01)35.1(2=-Φ≈．(2))950(>X P ))()(950)()((X D X E X D X E X P ->-=75.122915950)()((->-=X D X E X P 001.0)1.3(1=Φ-≈．9．设有30个电子元件1A ，2A ，…，30A ，其寿命分别为1X ，2X ，…，30X ，且且都服从参数为1.0=λ的指数分布，它们的使用情况是当i A 损坏后，立即使用1+i A (29,,2,1 =i )．求元件使用总时间T 不小于350h 的概率．解：由题可知i X ～)1.0(E ，30,,2,1 =i ，则10)(=i X E ，100)(=i X D ．记∑==301i i X T ，由1X ，2X ，…，30X 相互独立，得300)()(301==∑=i i X E T E ，3000)()(301==∑=i i X D T D ．))()(350)()(()350(T D T E T D T E T P T P ->-=>30103003503010300(⋅->⋅-=T P )91.03010300(>⋅-≈T P ，由独立同分布的中心极限定理，3010300⋅-T 近似地服从)1,0(N ，于是1814.0)91.0(1)91.03010300(=Φ-=>⋅-T P ．10．大学英语四级考试，设有85道选择题，每题4个选择答案，只有一个正确．若需要通过考试，必须答对51道以上．试问某学生靠运气能通过四级考试的概率有多大？解：设X 为该学生答对的题数，由题可知X ～41,85(B ，则25.21)(=X E ，9375.15)(=i X D ，85,,2,1 =i ．由棣莫弗—拉普拉斯中心极限定理，近似地有9375.1525.21-X ～)1,0(N ，得)8551(≤≤X P ))()(85)()()()(51(X D X E X D X E X X D X E P -≤-≤-=)9375.1525.21859375.1525.219375.1525.2151(-≤-≤-=X P 0)45.7()97.15(=Φ-Φ=．即学生靠运气能通过四级考试的概率为0．。

概率论与数理统计 第五章

概率论与数理统计 第五章
n →∞ n →∞
∑ X − ∑µ
k =1 k =1
k
Bn
≤ x} = ∫
ቤተ መጻሕፍቲ ባይዱ
x
1 2π
−∞
e
t2 − 2
dt＝Φ(x).
说明: 说明
在定理条件下, r.v. Zn =
∑ X − ∑µ
k =1 k k =1
n
n
k
Bn
当 n很 大
时, 近似地服从正态分布N(0, 1),由此当n很大时,
∑X
k =1 n
n
t2 2
（本定理 可以由独立同分布 的中心极限定理证 明）
说明: 说明 本定理不难看出 :若ηn
~ b(n,p), 有
t2 2
b ηn − np 1 lim P a < e dt = Φ(b) − Φ(a), ≤ b = ∫ a n →∞ npq 2π 因 而 当 n较 大 时 , 我 们 可 以 用 正 态 分 布 近 似 计 算 二 项 分布 的 概率 。
2. 切比雪夫大数定律: 设X1 , X 2 , L Xn , L 是由两两互 不相关的随机变量所构成的序列, 每一个随机变量都 有有限的方差, 并且它们有公共的上界 , D(X1 ) ≤ C, D(X 2 ) ≤ C, L , D(Xn ) ≤ C, L 则对∀ε > 0, 都有 1 n 1 n lim P ∑ Xk − ∑ E(Xk ) < ε = 1. n →∞ n k =1 n k =1
k
2 , k = 0,1, L ,90000. 3 ≤ 30500}
90000-k
显然直接计算十分麻烦, 我们利用德莫佛-拉普拉斯定理 来求它的近 似 值 即有P{29500 < X ≤ 30500} 29500-np = P < np(1-p ) 30500-np ≤ np(1-p ) np(1-p ) X-np

概率论与数理统计----第五章大数定律及中心极限定理

故
= 1 − Φ(3.54)
=0.0002
一箱味精净重大于20500的概率为 的概率为0.0002. 一箱味精净重大于 的概率为
推论:
特别，若X～Ｂ（n，p）,则当n充分大时， 特别， ～Ｂ（n 则当n充分大时，
Ｘ～Ｎ（np，npq） Ｘ～Ｎ（np，npq） np
若随机变量Ｘ～Ｂ（ Ｘ～Ｂ（n， ），则对任意实数x有 ），则对任意实数 即 若随机变量Ｘ～Ｂ（ ，p），则对任意实数 有
不等式证明 P{-1<X<2n+1}≥(2n+1)/(n+1)(n+1)
3. 设P{|X-E(X)|<ε}不小于 不小于0.9,D(X)=0.009.则用 不小于 则用
切比绍夫不等式估计ε的 最小值是( 切比绍夫不等式估计 的 最小值是
0.3 ).
4.(894) 设随机变量 的数学期望为 设随机变量X的数学期望为 的数学期望为µ, 标准差为σ,则由切比绍夫不等式 标准差为 则由切比绍夫不等式 P{|X-µ|≥3σ}≤( ). 1/9 5. 设随机变量X的分布律为 设随机变量 的分布律为 P{X=0.3}=0.2, P{X=0.6}=0.8, 用切比绍夫不等式估计 |X-E(X)|<0.2的概率 的概率. 的概率
1 n lim P ∑ Xi − µ < ε = 1 n→∞ n i =1
定理（贝努里利大数定律） 设每次实验中事件A发生的概率 定理（贝努里利大数定律） 设每次实验中事件A 为p，n次重复独立实验中事件A发生的次数为nA，则对任 次重复独立实验中事件A发生的次数为n 意的ε>0 意的ε>0 ，事件的频率 nA ，有 ε>
∫
+∞
−∞

概率论与数理统计答案第五章(东华大学出版)

第五章复习题Page1941、 设i (i=1,2,,50)ξ 是相互独立的随机变量，且它们都服从参数为0.03λ=的泊松分布。

记1250ξξξξ=+++ ，试用中心极限定理计算P(3)ξ≥。

解：由中心极限定理可认为~ξ((),())(1.5,1.5)N E D N ξξ=，则(3)P ξ≥1.31.5)1)1(1.225)10.889751.51.5P ===-Φ=-=。

2、 一部件包括10部分。

每部分的长度是一个随机变量，它们相互独立且具有同一分布。

其数学期望为2mm ，均方差为0.05mm ，规定总长度为20±0.1mm 时产品合格，试求产品合格的概率。

解：由中心极限定理可认为总长度~ξ((),())(20,0.025)N E D N ξξ=，则(19.920.P ξ≤≤()2(0.6325)10.4735025P ξ=≤=Φ-=。

3、 一个加法器同时收到20个噪声电压(1,2,,20)k V k = 。

设它们是相互独立的随机变量，且都在区间[0,10]上服从均匀分布。

V 为加法器上受到的总噪声电压，求(105)P V >解：由中心极限定理可知)3500,100()121020,520())(),((~2N N V D V E N V =⨯⨯=，则(105))1(0.39)10.65170.3483P V P >=>=-Φ=-= 4、 计算机在进行加法时，对每个加数取整（取为最接近它的整数），设所有的取整误差是相互独立的，且它们都在(0.5,0.5]-上服从均匀分布。

（1） 若将1500个数相加，问误差总和的绝对值超过15的概率是多少？（2） 问几个数加在一起可使得误差总和的绝对值小于10的概率为0.90？解：（1）由中心极限定理：误差总和)125,0()1211500,01500(~N N =⨯⨯ξ，因此(||15)2(12(10.9099)0.1802P P ξ>=>=-Φ=⋅-=。

概率与数理统计_课件_第5章_大数定律

如图,钉板有n=16层，可以 求出标准差 16 4 ,
5%的时间要使用外线通话.设每部电话是否使 用外线通话是相互独立的. 求:该单位总机至少需要安装多少条外线 才能以90%以上的概率保证每部电话需要使用 外线时可以打通?
解:
1 第i部电话使用外线通话. 令 Xi 0 第i部电话未使用外线通话.
设该单位总机安装k条外线,则:
∴ Xi ∼ b(1,p).X1,X2 , ,X200相互独立.
20 np np (1 p) 5

X
i 1 n
n
i
np
3 np np (1 p) 5
np (1 p)
}
P{
25 0.995 25 0.995 25 0.995 (1) ( 1) 2 (1) 1 0.6826

X
i 1
Sn p | } 0 任给ε>0， lim P{| n n 贝努里大数定律表明，当重复试验次数 n充分大时，事件A发生的频率Sn/n与事件A 的概率p有较大偏差的概率很小.
请看演示 贝努里大数定律 贝努里大数定律提供了通过试验来确 定事件概率的方法.
下面给出的独立同分布下的大数定 律，不要求随机变量的方差存在. 定理3（辛钦大数定律） 设随机变量序列X1,X2, …独立同 分布，具有有限的数学期E(Xi)=μ,
则
Sn X i
i 1 n
n
Sn 1 X i 是事件A发生的频率 n n i 1
于是有下面的定理：
贝努里
定理2（贝努里大数定律） 设Sn是n重贝努里试验中事件A发生的 次数，p是事件A发生的概率，则对任给的
ε> 0，
或

陈国华等主编概率论与数理统计第五章习题解答


x>0 x≤0
(α > 0, β > 0)
a a 1 1 1 dx = ∫ cos(tx) ⋅ dx + ∫ sin(tx) ⋅ dx −a −a −a 2a 2a 2a 1 1 1 = ⋅ sin(tx) |a sin(at ) x =− a = at 2a t t −1 （2）参数为 λ 的指数分布的特征函数为， φ X (t ) = (1 − i ) ，参数为 λ 的指数分布可看做
1
π (1 + x 2 )
(−∞ < x < +∞) ；
⎧A ⎪ (D) X i 的概率函数为 ： g ( x) = ⎨ x 3 ⎪0 ⎩
x ≥1 x <1
(i = 1,2,3, ) ．
答案：CABAD 三．解答题
1．一颗骰子连续掷 4 次，点数总和记为 X ，估计 p (10 < X < 18) ．
3．已知随机变量 X 的数学期望为 10，方差 DX 存在且 P (−20 < X < 40) ≤ 0.1 ，则
DX ≥ ． 4．设 X 1 , X 2 , , X n， 为独立同分布的随机变量序列，且 X i (i = 1,2, ) 服从参数为 2 的
指数分布，则 n → ∞ 当时， Yn =
1 n 2 ∑ X i 依概率收敛于 n i =1
1 1 ln n + ln n = 0 2 2
n
DX n = EX n = ln n
n 1 1 D ( Xi) = 2 ∑ 2 n n i =1
2
∑ ln i → 0(n → ∞)
i =1
根据马尔可夫大数定律， {X n } 服从大数定律。
3 、 已 知 随 机 变 量 X 和 Y 的 数 学 期 望 、 方 差 以 及 相 关 系 数 分 别 为 E ( X ) = E (Y ) = 2 ,
  1. 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

与 数
学期望和方差:E(Xi)=μ,D(Xi)=σ2,(i=1,2,...)则对于给定的ε>0,有
理 统 计 电
lim P{|
n
1 n
n i 1
Xi
| } 1(2)
子 教 定理2可由定理1得到证明.这里我们说明上述两个定理都在概
案 率意义下的极限结论,通常称为依概率收敛.
武 汉
一般,设X1,X2,..Xn是一个随机变量序列,a是一个常数,若对于任
案 验.试验前不知道该天灯泡的寿命有多长,概率和其分布情
武
况.试验后得到这几个灯泡的寿命作为资料,从中推测整批
汉
科 技
生产灯泡的使用寿命.合格率等.为了研究它的分布,利用概
学
院 数
率论提供的数学模型进行指数分布,求出 值,再利用几天
理 系
的抽样试验来确定指数分布的合适性.
概
率 论
由于灯泡使用寿命的试验是破坏性试验.不能将所有的灯泡
子
教 案
可见虽有10000盏灯,只要电力供应7200盏灯即有相当大的保
武 证率切贝谢夫不等式对这类问题的计算有较大价值,但它的精度
汉 科
不高.为此我们研究下面的内容.
技
学
院
数
理
系
概
§ 5.2 中 心 极 限 定 理
率 在随机变量的一切可能性的分布律中，正态分布占有特殊的
论
与 地位事实上遇到的大量随机变量都服从正态分布。自然会提
数 理
φ[(X-μ)/σ]~N(0,1)的概率密度函数
统 计 电
lim p{ n np
x
x}
1
t2
e 2 dt
(6)
n np(1 p)
2
子
教
案 证明 由于服从二项分布的随机变量ηn可看成n个相互独立,
武 汉
服从同一个(0-1)分布的随机变量X1,X2,...Xn之和,即ηn=∑Xi
科 技
其中Xi(i=1,2,...,n)的分布律为 P{Xi=k}=Pk(1-P)1-k
理
6
统
计
电 子
E( X ) 1 (1 2 3 4 5 6) 7
6
2
教 案
D( X ) E( X E( X ))2 (1 7 )2 1 (2 7 )2 1 (3 7 )2 1
26
26
26
武 (4 7 )2 1 (5 7 )2 1 (6 7 )2 1 1 [2 (2.52 1.52 0.52 )] 35
Ck 10000
0.7k
0.310000k
k 6800
用切贝谢夫不等式估计
数 E np 10000 0.7 7000
理 统
D npq 10000 0.7 0.3 2100
计 电
p(6800
7200)
p(
7000
7200 6800 2
200 1
D 2
1
2100 2002
0.95
与 数
次轰炸中有180颗到220颗炸弹命中目标的概率?
理
统
计 分析:令第 I次轰炸命中目标的次数 i .100次轰炸中命中
电 子
目标次数
100
i
教 案
i 1
应用中心极限定理 i 服从正态分布期望值为
200,方差为169,标准差为13
武
汉
科
技
学 院
E 100Ei 200, D(1 2 ..100) 1001.69 169
)
案
D(X ) 35 1 35 1 16
武
X 2, 2
12 4 48 3 48
汉
科 技 学 院
p( X
)
2 2
, (14)
数
理
系
概 例2 在n重贝努里试验中，若知道每次试验A出现的概率为0.75
率 试用切贝谢夫不等式求n.使A出现的频率在0.74到0.76之间的概 论
与 率不少于0.9?
论 时事件发生的频率收敛于概率.表示频率的稳定性. 与
数 理 定理3 统
lim P{|
n
1 n
n i 1
Xi
| } 1
计 电 子
lim
n
P{|
1 n
(X1
X2
... X
n)
p
|
}
1
教
案
即
lim P{| nA p | } 1
武
n
n
汉 科 技
定理3表明事件A发生的频率nA/n依概率收敛于事件A的概率p.
子 的稳定性,这就从理论上肯定了用算术平均值代替理论均值 教
案 的合理性.
武 贝努里定理. 它的叙述如下:设是n次重复独立
汉 科
对于任意给定的ε>0,有
技
学 院 数 理
lim P{| nA p | } 1
n
n
系
概 lim P{| nA p | } 1
率 n
n
其中nA/n是频率,p是概率,即次数多
科
技 学
意给定的ε>0,有 limP{|Xn-a|<ε}=1 则称该序列依概率收敛于a.
院
数理Biblioteka 系概率 论
定理2表明:当n很大时随机变量X 1 ,
X
2
,
,
X
的算术平X=Σ
n
X/in
与 数
在概率意义下接近于数学期望E(X
)=μ.
i
理 统
即表示在定理2的条件下,n个随机变量的算术平均值在n无限增
计 电
大时,几乎变成一个常数.它反映了大量测量值的算术平均值
统 计
6800和7200之间的概率?
电
7200
子
p(6800 7200 )
Ck 10000
0.7k
0.310000k
教
k 6800
案 分析:令 为夜晚同时开着灯的数目.它服从参n=100000,p=0.7
武 汉
的二项分布.用贝努里公式
科
技
学
院
数
理
系
7200
概 率 论 与
p(6800 7200 )
20 (4.36) 1
0.99999
概 率
数理统计的特点:它以随机现象的观察试验取得资料作
论 与
为出发点,以概率论为理论基础来研究随机现象.根据资料
数 为随机现象选择数学模型,且利用数学资料来验证数学模 理
统 型是否合适,在合适的基础上再研究它的特点,性质和规律
计 电
性.
子 教
例如灯泡厂生产灯泡,将某天的产品中抽出几个进行试
与 都进行试验.只能取部分的灯泡作试验.这产生二个问题.1是
数
理 抽取的灯泡是否有代表性.因为灯泡试验是一种随机现象,代
统 计
表性强的效果好.我们称为抽样方法.2是搜集到的数据怎样
电 子
进行正确的分析,是否能正确地推断出整体情况.我们称为统
教 计推断. 案
数理统计的重要内容是抽样方法和统计推断.学习数理统
学 院
定理3以严格的数学形式表达了频率的稳定性.因此在实际应用
数
理 系
中,当n很大时,我们可用事件的频率来代替概率.
概
例1 设 X 是抛一颗骰子所出现的点数，若给定X =1，2，
率 论
实际计算 p( X E(X ) )，并验证切贝谢夫不等式成立。
与 分析：因为X 的概率函数 数
p(X k) 1 , (k 1,2,..6)
数 理
出为什么正态分布如此广泛地存在，而且在概率论中占有重
统 计
要地位。应该如何解释大量随机现象中这一客观规律性呢？
电 李雅普夫证明：在某些非常一般的充分条件下，独立随机变
子
教 量的和的分布，当随机变量的个数无限增加时是趋向正态分
案 布的。
武 汉
此后林德伯格又成功地找到独立随机变量和的分布，当随机
科
定理6表明,正态分布也是二项分布的极限分布(二项分布
子 教
的另一极限分布是泊松分布).当n充分大时,我们可利用
案
定理6来计算二项分布的概率.
武 汉 科 技 学 院 数 理 系
概 例1 对敌人某地段进行100次轰炸，每次轰炸命中目标的炸
率 论
弹数目是一个随机变量，其期望值为2，方差为1.69.求100
n i 1
[Xi
E( X i )] |
} 1(1)
案
武
证明:
由于X1,X2,...,Xn相互独立,故
D(
1 n
n i 1
Xi)
1 n2
n i 1
D(Xi )
C n
汉 再由切比雪夫不等式,可得
科
技
学 院 数
p( X
)
2 2
, (14) p( X
)
1
2 2
(15)
理
系
概
率
论
与
数 理
P{|
数 理
n 10, p 0.2, q 0.8, npq 10 0.2 0.8 1.6 1.265
统 计 电 子
(1)直接计算
p(
3)
C130 p q3 103
1098 0.23 3 2
0.87
0.2013
教 案
(2)用局部定理
武 汉 科
p( 3)
1 npq
0(k
np) npq
1 1.265
(k=0,1)
学 院 数
而 E(Xi)=P, D(Xi)=P(1-P) (i=1,2,...,n),根据定理5(独立同分