- 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、"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、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)。
n
Yn x
lim P i1 n
n
x
x
证明略。
在实用上，n≥30
1
t2
e 2 dt
2
此定理表明，当n充分大时，Yn近似服从N 0,1.
n
即： X（i 近似）～N (n, n 2 ), i＝1
从而，P(a
n i 1
Xi
b)
(b n ) ( a n ).
n
n
答案：N (, 2 )
关键词： 总体 个体 样本 统计量
2 分布 t 分布 F 分布
23
引言：数理统计学是一门关于数据收集、整理、分析 和推断的科学。在概率论中已经知道，由于大 量的 随机试验中各种结果的出现必然呈现它的 规律 性，因而从理论上讲只要对随机现象进行 足够多次观察，各种结果的规律性一定能清楚 地呈现，但是实际上所允许的观察永远是有限 的，甚至是 少量的。 例如：若规定灯泡寿命低于1000小时者 为次 品，如何确定次品率？由于灯泡寿命试验是 破坏性试验，不可能把整批灯泡逐一检测，只 能抽取一部分灯泡作为样本进行检验，以样本 的信 息来推断总体的信息，这是数理统计学研 究的问题之一。
24
§1 总体和样本
总体：研究对象的全体。如一批灯泡。 个体：组成总体的每个元素。如某个灯泡。 抽样：从总体X中抽取有限个个体对总体进行观察的取值过程。 随机样本：随机抽取的n个个体的集合(X1,X2,…,Xn), n为样本容量 简单随机样本：满足以下两个条件的随机样本(X1,X2,…,Xn)称
2. 用泊松分布近似计算
np 400 0.02 8 查表得
P X 2 1 P X 0 P X 1 1 0.000335 0.002684 0.9969
3. 用正态分布近似计算
npq 400 0.02 0.98 2.8
P
X
2
1
P( X
1)
1
1 np npq
贝努里大数定律建立了在大量重复独立试验中事件出现频 率的稳定性，正因为这种稳定性，概率的概念才有客观意 义，贝努里大数定律还提供了通过试验来确定事件概率的 方 们法便，可既以然通频过率做试nA/验n与确概定率某p事有件较发大生偏的差频的率可并能把性它很作小为，相我 应的概率估计，这种方法即是在第7章将要介绍的参数估 计法，参数估计的重要理论基础之一就是大数定理。
n
定理5.5 德莫佛--拉普拉斯定理
设nA为n次贝努里试验中A发生的次数，P A p 0 p 1,
则对任意x，有：lim n
P
nA np np(1 p)
x
x
1
e
t2 2
dt
(x),
2
证明：令X i
1 0
第i次试验时A发生 第i次试验时A未发生
则X 1
,
X
2
,
, Xn,
相互独立同分布,Xi ~ b(1, p).
1
lim
n
P
n
n i 1
Xi
1
或者，
序列
X
1 n
n i=1
Xi
以概率收敛于
即 X P
03,3,4分
7
定理5.3 贝努里大数定理
设事件A在每次试验中发生的概率为p，记nA为n次独立重复试验
中A发生的次数, 则
0, 有：lim
P
式，因nA bn, p,故：
3
随机变量序列依概率收敛的定义
定义5.1：设随机变量序列X1, X2, X3, ,若存在某常数，
使得 0,均有：lim P n
Xn
0,
则称随机变量序列 X n 依概率收敛于常数，
记为：Xn p 。
性质：已知Xn p ，并知函数g(x)在x=处连续，
则g Xn p g
4
定理5.2 契比雪夫不等式的特殊情形：
解：设X为一年中投保老人的死亡数，则X bn, p,n 10000, p 0.017
由德莫佛--拉普拉斯中心极限定理，保险公司亏本的概率为：
P10000X 10000200 P X 200
1
200 np
np 1 p
思考题： 求保险公司至少 盈利10万元的概率。
12.321 0.01 答案：0.937
由于nA X1 X 2 X n ,
Pa nA b
( b np ) np(1 p)
( a np ) np(1 p)
由定理5.4,
lim
n
P
nA np np(1 p)
x
x
1
t2
e 2 dt
2
即:nA (近似) ~ N (np, np(1 p)). 二项分布和正态分布的关系
第六章 样本及抽样分布
x 2
x
2
f x dx
1
2
x 2 f x dx
DX
2
2 2
17
定理5.2 契比雪夫不等式的特殊情形：
设随机变量序列X 1
,
X
2
,
, Xn,
相互独立，
且具有相同的数学期望和相同的方差 2，
作前n个随机变量的算术平均：Yn
1 n
n k 1
Xk
则 0，有：
lim P
设随机变量序列X 1
,
X
2
,
, Xn,
相互独立，
且具有相同的数学期望和相同的方差 2，
作前n个随机变量的算术平均：Yn
1 n
n k 1
Xk
则 0，有：
lim P
n
Yn
lim
n
P
1 n
n
Xk
k 1
1
证明：由于E
Yn
E
1 n
n k 1
Xk
1 n
n
,
D
Yn
D
1 n
n k 1
定理5.4 独立同分布的中心极限定理
设随机变量X 1
,
X
2
,
, Xn,
相互独立同分布，
E Xi , D Xi 2 0,i 1, 2,
n
Xi n
则前n个变量的和的标准化变量为：Yn i1 n
思考题：
X
1 n
n
Xi的近似
i=1
分布是什么？
x R,有：
n
Xi n
lim P
相互独立同分布,Xi ~ b(1, p).
由于nA X1 X 2 X n ,
Pa nA b
( b np ) np(1 p)
( a np ) np(1 p)
由定理5.4,
lim
n
P
nA np np(1 p)
x
x
1
t2
e 2 dt
2
即:nA (近似) ~ N (np, np(1 p)). 二项分布和正态分布的关12 系
证明：仅就X为连续型时证之 设X的概率密度为f x,
则 P X f x dx x
f (x)
x 2
x
2
f x dx
1
2
x 2 f x dx
DX
2
2 2
例1：在n重贝努里试验中，若已知每次试验事件A 出现的概率为0.75，试利用契比雪夫不等式估 计n,使A出现的频率在0.74至0.76之间的概率不 小于0.90。
根据独立同分布的中心极限定理:
16
Y
i 1
Xi 16100 4 100
X
1600 400
近似服从N
0,1
P X 1920 1 P X 1920
1
1920 1600 400
1 0.8 0.2119
14
例3：某保险公司的老年人寿保险有1万人参加，每人每年交200元, 若老人在该年内死亡，公司付给受益人1万元。设老年人死亡 率为0.017，试求保险公司在一年内这项保险亏本的概率。
§1 大数定律
背景 本章的大数定律，对第一章中提出的 “频率稳定性”，给出理论上的论证
为了证明大数定理，先介绍一个重要不等式
1
定理5.1 契比雪夫不等式：
设随机变量X具有数学期望E X ,方差D X 2
则对于任意 0,都有：P
X EX
2 2
定理的等价形式为：P
X
E
X
1
2 2
n
Yn
lim
n
P
1 n
n
Xk
k 1
1
证明：由于E
Yn
E
1 n
n k 1
Xk
1 n
n
,
D
Yn
D
1 n
n k 1
Xk
1 n2
n
D Xk
k 1
1 n2
n 2
2
n
由契比雪夫不等式得：P
1 n
n k 1
Xk
1
2
2
n
lim P n
1 n
n k 1
Xk
1
18
定理5.4 独立同分布的中心极限定理
设随机变量X 1
,
X
2
,
, Xn,
相互独立同分布，
E Xi , D Xi 2 0,i 1, 2,
n
Xi n
则前n个变量的和的标准化变量为：Yn i1 n
思考题：
X
1 n
n
Xi的近似
i=1
分布是什么？
x R,有：
n
Xi n
lim P
E
nA n
1 n
E
nA
1 n
np
p,
D
nA n
