
![[學習]概率論與數理統(tǒng)計第五章_第1頁](https://static.zsdocx.com/FlexPaper/FileRoot/2019-9/19/23/f26a043c-e80d-46e8-90f9-4c72a60cd37b/f26a043c-e80d-46e8-90f9-4c72a60cd37b1.gif)
版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、定理1(切比雪夫定理) 設X1,X2,...,Xn,...是相互獨立的隨機變量序列若存在常數C,使得D(Xi)≤C. (i=1,2,...n),則對任意給定的ε>0,有,證明: 由于X1,X2,...,Xn相互獨立,故,再由切比雪夫不等式,可得,第五章 大 數 定 律 與 中 心 極 限 定 律,§ 5.1大 數 定 律,當n→∞時,取極限就得到(1)式,定理2(切比雪夫定理的特殊情況) 設X
2、1,X2,...,Xn,...是相互獨立的隨機變量序列,且具有相同的數學期望和方差:E(Xi)=μ,D(Xi)=σ2,(i=1,2,...)則對于給定的ε>0,有,定理2可由定理1得到證明.這里我們說明上述兩個定理都在概率意義下的極限結論,通常稱為依概率收斂. 一般,設X1,X2,..Xn是一個隨機變量序列,a是一個常數,若對于任意給定的ε>0,有 limP{|Xn-a|<ε}=1 則稱該序列依概率收斂于a.,
3、,定理2表明:當n很大時隨機變量 的算術平X=Σ /n在概率意義下接近于數學期望E( )=μ.即表示在定理2的條件下,n個隨機變量的算術平均值在n無限增大時,幾乎變成一個常數.它反映了大量測量值的算術平均值的穩(wěn)定性,這就從理論上肯定了用算術平均值代替理論均值的合理性.貝努里定理. 它的敘述如下:設是n次重復獨立 對于任意給定的ε>0,有,其中nA/n是頻率,p是概率,即次數多
4、,時事件發(fā)生的頻率收斂于概率.表示頻率的穩(wěn)定性.,定理3,即,定理3表明事件A發(fā)生的頻率nA/n依概率收斂于事件A的概率p.定理3以嚴格的數學形式表達了頻率的穩(wěn)定性.因此在實際應用中,當n很大時,我們可用事件的頻率來代替概率.,例1 設 X 是拋一顆骰子所出現的點數,若給定X =1,2,實際計算 ,并驗證切貝謝夫不等式成立。,分析:因為X 的概率函數,例2 在n重
5、貝努里試驗中,若知道每次試驗A出現的概率為0.75 試用切貝謝夫不等式求n.使A出現的頻率在0.74到0.76之間的概 率不少于0.9? 分析:設n重貝努里試驗A出現的次數為 , 服從二項分布,n重貝努里試驗A出現的頻率為,/n,,例4 設電站供電網有10000個電燈,夜晚每一盞燈開燈的概率 是0.7.而假定開關時間彼此獨立,估計夜晚同時開著燈數在6800和7200之間的概率?
6、 分析:令 為夜晚同時開著燈的數目.它服從參n=100000,p=0.7 的二項分布.用貝努里公式,用切貝謝夫不等式估計,可見雖有10000盞燈,只要電力供應7200盞燈即有相當大的保 證率切貝謝夫不等式對這類問題的計算有較大價值,但它的精度 不高.為此我們研究下面的內容.,§ 5.2 中 心 極 限 定 理,在隨機變量的一切可能性的分布律中,正態(tài)分布占有特殊的地位事實上遇到
7、的大量隨機變量都服從正態(tài)分布。自然會提出為什么正態(tài)分布如此廣泛地存在,而且在概率論中占有重要地位。應該如何解釋大量隨機現象中這一客觀規(guī)律性呢? 李雅普夫證明:在某些非常一般的充分條件下,獨立隨機變量的和的分布,當隨機變量的個數無限增加時是趨向正態(tài)分布的。此后林德伯格又成功地找到獨立隨機變量和的分布,當隨機變量的個數無限增加時趨向正態(tài)分布的更一般的充分條件。概率論中有關論證隨機變量的和的極限分布是正態(tài)分布的一般定理稱為中心極限定理
8、。,,,定理5(獨立同分布的中心極限定理) 設相互獨立的隨機變量 ...具有相同的分布,且具有有限的數學期望和方差,E( )=μ,D( )=σ2≠0(k=1,2,..),則隨機變量,的分布函數Fn(y)滿足,,,,,,,,,,,,s,m,s,m,h,n,n,X,n,X,n,k,k,n,k,k,n,-,=,-,=,å,å,=,=,1,1,*,),(,X,k,X,k,定理6 設隨
9、機變量ηn(n=1,2,...)服從參數為n,p(0<p<1)的二項分布,則對于任意x,恒有,證明 由于服從二項分布的隨機變量ηn可看成n個相互獨立,服從同一個(0-1)分布的隨機變量X1,X2,...Xn之和,即ηn=∑Xi其中Xi(i=1,2,...,n)的分布律為 P{Xi=k}=Pk(1-P)1-k (k=0,1)而 E(Xi)=P, D(Xi)=P(1-P) (i=1,2,...,n),
10、根據定理5(獨立同分布定理),φ[(X-μ)/σ]~N(0,1)的概率密度函數,,定理6表明,正態(tài)分布也是二項分布的極限分布(二項分布的另一極限分布是泊松分布).當n充分大時,我們可利用定理6來計算二項分布的概率.,,例1 對敵人某地段進行100次轟炸,每次轟炸命中目標的炸彈數目是一個隨機變量,其期望值為2,方差為1.69.求100次轟炸中有180顆到220顆炸彈命中目標的概率? 分析:令第 I次轟炸命中目標的次數
11、 .100次轟炸中命中目標次數 應用中心極限定理 服從正態(tài)分布期望值為200,方差為169,標準差為13,二項分布以正態(tài)分布為極限,例2 10部機器獨立工作,每部停機的概率為0.2.求3部機器同時停機的概率? 分析:機器停機是獨立變量,且服從二項分布.,(1)直接計算,(2)用局部定理,如果n大于50,則誤差就不會產生.,在上二節(jié)中我們計算它的概率為0.95.現在利用局部定理,
12、設電站供電網有10000個電燈,夜晚每一盞燈開燈的概率是0.7.而假定開關時間彼此獨立,估計夜晚同時開著燈數在6800和7200之間的概率?,例3,數理統(tǒng)計的特點:它以隨機現象的觀察試驗取得資料作為出發(fā)點,以概率論為理論基礎來研究隨機現象.根據資料為隨機現象選擇數學模型,且利用數學資料來驗證數學模型是否合適,在合適的基礎上再研究它的特點,性質和規(guī)律性. 例如燈泡廠生產燈泡,將某天的產品中抽出幾個進行試驗.試驗前不知道該天燈泡
13、的壽命有多長,概率和其分布情況.試驗后得到這幾個燈泡的壽命作為資料,從中推測整批生產燈泡的使用壽命.合格率等.為了研究它的分布,利用概率論提供的數學模型進行指數分布,求出 值,再利用幾天的抽樣試驗來確定指數分布的合適性.,由于燈泡使用壽命的試驗是破壞性試驗.不能將所有的燈泡都進行試驗.只能取部分的燈泡作試驗.這產生二個問題.1是抽取的燈泡是否有代表性.因為燈泡試驗是一種隨機現象,代表性強的效果好.我們稱為抽樣方法.2是搜集到的數據
14、怎樣進行正確的分析,是否能正確地推斷出整體情況.我們稱為統(tǒng)計推斷. 數理統(tǒng)計的重要內容是抽樣方法和統(tǒng)計推斷.學習數理統(tǒng)計要注意1,抽樣的本身是隨機現象,它以概率論為基礎的.數學期望和方差都依靠概率論的結果.,因此要學好概率論.2,在學習數理統(tǒng)計時需要用部分的資料來正確地推斷整體的情況,到底要多少資料才有把握,它們的精確度如何,希望同學在學習中注意. 數理統(tǒng)計的方法屬于歸納法,由大量的資料作依據,而不是從根據某種事實進行假設
15、,按一定的邏輯推理得到的.例如統(tǒng)計學家通過大量觀察資料得出吸煙和肺癌有關,吸煙者得肺癌的人比不吸煙的多好幾倍.因此得到這個結論. 數理統(tǒng)計的應用范圍很廣泛.在政府部門要求有關的資料給政府制定政策提供參考.由局部推斷整體,學生的假期作的社會調查就是給政府提供資料,從中推測那種因素為主要,預測該政策執(zhí)行過程中會產生多少后果,影響大的如何消除不利因素,防止社會動亂.,數理統(tǒng)計在生產上,研究工作中具有廣泛的作用.例如化工產品的研究,它有
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,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,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。
最新文檔
- [學習]概率論與數理統(tǒng)計浙大四版第五章概率論復習
- [學習]概率論與數理統(tǒng)計浙大四版第五章第五章2講
- [學習]概率論與數理統(tǒng)計浙大四版第五章第五章1講
- 概率論與數理統(tǒng)計浙大四版習題答案第五章
- 概率論與數理統(tǒng)計
- [學習]概率論與數理統(tǒng)計ppt課件第五章大數定律及中心極限定理
- [學習]概率論與數理統(tǒng)計課件第9章
- [學習]概率論與數理統(tǒng)計課件第5章
- [學習]概率論與數理統(tǒng)計課件第4章
- [學習]概率論與數理統(tǒng)計課件第6章
- [學習]概率論與數理統(tǒng)計課件第10章
- [學習]概率論與數理統(tǒng)計課件第3章
- [學習]概率論與數理統(tǒng)計課件第1章
- [學習]概率論與數理統(tǒng)計課件第8章
- 概率論與數理統(tǒng)計第章題庫
- 概率論與數理統(tǒng)計[0001]
- 概率論與數理統(tǒng)計習題
- 概率論與數理統(tǒng)計教材
- 《概率論與數理統(tǒng)計》論文
- 概率論與數理統(tǒng)計試題
評論
0/150
提交評論