第五章 大数定律及中心极限定理
【基本要求】1、了解切比雪夫不等式;
2、了解切比雪夫大数定律,Bernoulli大数定律和辛钦大数定律成立的条件及结论;
3、了解独立同分布的中心极限定理(列维—林德伯格定理)和德莫佛—拉普拉斯中心极限定理(二项分布以正态分布为极限分布)的应用条件和结论,并会用相关定理近似计算有关随机事件的概率。
【本章重点】切比雪夫不等式,切比雪夫大数定理及Bernoulli大数定理。
【本章难点】对切比雪夫大数定理及独立同分布的中心极限定理的理解。
【学时分配】2学时
【授课内容】
§5.1 大数定律
0.前言
在第一章我们提到过事件发生的频率具有稳定性,即随着试验次数的增加,事件发生的频率逐渐稳定于某个常数,这一事实显示了可以用一个数来表征事件发生的可能性大小,这使人们认识到概率是客观存在的,进而由频率的三条性质的启发和抽象给出了概率的定义,而频率的稳定性是概率定义的客观基础。在实践中人们还认识到大量测量值的算术平均值也具有稳定性,而这种稳定性就是本节所要讨论的大数定律的客观背景,而这些理论正是概率论的理论基础。
下面介绍三个定理,它们分别反映了算术平均值及频率的稳定性。
一、切比雪夫大数定律
事件的频率稳定于概率,能否有
1.定义:设
则称序列
2.切比雪夫不等式
设随机变量
证明:我们就连续性随机变量的情况来证明。设
该不等式表明:当
切比雪夫不等式常用来求在随机变量分布未知,只知其期望和方差的情况下,事件
3.定理1(切比雪夫大数定律)
设
证明:由切比雪夫不等式知:
该定理表明:当
推论:设
这个结论有很实际的意义:人们在进行精密测量时,为了减少随机误差,往往重复测量多次,测得若干实测值
切比雪夫大数定律是最基本的大数定理,作为切比雪夫大数定律的特殊情形有Bernoulli 大数定理和辛钦大数定律。
二、Bernoulli 大数定律
定理2:设
证明:令
则
故由切比雪夫大数定律立刻推出贝努里大数定律。
或者,直接由切比雪夫不等式,对
Bernoulli 大数定律表表明:事件发生的频率
切比雪夫大数定律(定理1)中要求随机变量
三、辛钦大数定律
定理3:设随机变量
证明:略。
显然,Bernoulli大数定律是辛钦大数定律的特殊情况。
§5.2 中心极限定理
0.前言
在客观实际中有许多随机变量,它们是由大量的相互独立的随机因素的综合影响所形成的,而其中每一个因素在总的影响中所起的作用都是微小的,这种随机变量是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。
中心极限定理的内容包含极限,因而称它为极限定理是很自然的,又由于它在统计中的重要性,称它为中心极限定理这是Poyla在1920年取得名字。
设{
中心极限定理有多种不同的形式,下面我主要讲独立同分布的中心极限定理及其一特殊情形:
一、定理1:(Levy-Lindeberg极限定理)[独立同分布的中心极限定理]
设
证:(略)
该定理也可改写为:对
在一般情况下,很难求出n个随机变量之和
二、定理2(De Moivre-Laplace极限定理)(定理1的特殊情形)
设
该定理也可改写为:
证明: 令
显然:
该定理为上定理的一个特殊情形,故由上定理该定理得证。
中心极限定理表明:在相当一般的条件下,当独立随机变量的个数增加时,其和的分布趋于正态分布。因此,只要和式中加项的个数充分大,就可以不必考虑和式中的随机变量服从什么分布,都可以用正态分布来近似,这在应用上是有效的和重要的。
作为以上两个定理的应用,我们给出下面例子:
例1:一加法器同时收到20个噪声电压
解:
即有
例2:一船舶在某海区航行,已知每遭受一次波浪的冲击,纵摇角大于
解:设
本文来源:https://www.2haoxitong.net/k/doc/0e6e3579588102d276a20029bd64783e09127d03.html
文档为doc格式