概率論第五章大數(shù)定律與中心極限定理

1、第五章大數(shù)定律與中心極限定理 一、大數(shù)定律一、大數(shù)定律 二、中心極限定理二、中心極限定理本章是關(guān)于隨機(jī)變量序列的極限理論。本章是關(guān)于隨機(jī)變量序列的極限理論。目的目的是從理論上對(duì)第一章中提出的是從理論上對(duì)第一章中提出的“頻率的頻率的穩(wěn)定性穩(wěn)定性”給出嚴(yán)格的數(shù)學(xué)證明。給出嚴(yán)格的數(shù)學(xué)證明。大數(shù)定律大數(shù)定律：對(duì)于隨機(jī)變量序列：對(duì)于隨機(jī)變量序列12,nXXX描述其平均值描述其平均值11niiXn在在什么條件什么條件下以下以什么形什么形式式呈現(xiàn)出穩(wěn)定性。呈現(xiàn)出穩(wěn)定性。中心極限定理中心極限定理：對(duì)于隨機(jī)變量序列：對(duì)于隨機(jī)變量序列12,nXXX其部分和其部分和1niiX在在什么條件什么條件下下以正態(tài)分布為極限

2、以正態(tài)分布為極限分布。分布。大數(shù)定律 第五章 第一節(jié)一、一、 切比雪夫切比雪夫Chebyshev不等式不等式二、幾個(gè)常見的大數(shù)定律二、幾個(gè)常見的大數(shù)定律定義定義1 11|limaXPnn.PnXa 依概率收斂于依概率收斂于a ，記為，記為設(shè)隨機(jī)變量序列設(shè)隨機(jī)變量序列0有有: :則稱則稱12,nXXX，如果存，如果存在常數(shù)在常數(shù) a ，使得對(duì)于任意，使得對(duì)于任意nX或或,02()|()|D XPXE X2()|()| 1D XPXE X 不等式不等式成立，成立，則稱此式為則稱此式為切比雪夫不等式。切比雪夫不等式。存在，則對(duì)任意存在，則對(duì)任意證明證明 設(shè)設(shè) X 為連續(xù)性（離散型類似），其密度為為連

3、續(xù)性（離散型類似），其密度為( )f x2()E XD X和方差 （ ）設(shè)隨機(jī)變量設(shè)隨機(jī)變量X 的數(shù)學(xué)期望的數(shù)學(xué)期望命題命題 （切比雪夫切比雪夫Chebyshev不等式）不等式）22|()|()( )x E XxE Xf x dx則則|()|()|( )x E XPXE Xf x dx221()( )xE Xf x dx22()1xE X2()D X注：注：Chebyshev不等式不等式對(duì)隨機(jī)變量在以對(duì)隨機(jī)變量在以()E X的一個(gè)的一個(gè)鄰域外取值的概率給出了一個(gè)上界鄰域外取值的概率給出了一個(gè)上界2().D X為中心為中心可見可見D(X) 越小，事件越小，事件|X的概率越接近的概率越接近1 1。

4、X 的值密集在其數(shù)學(xué)期望附近的概率越大。的值密集在其數(shù)學(xué)期望附近的概率越大。例如：例如：對(duì)未知分布對(duì)未知分布X，取，取,2,3221/ 389. 098222/12|XP75. 0432()|()| 1D XPXE X | 3 PX例例1 1 一電網(wǎng)有一電網(wǎng)有1 1萬盞路燈，萬盞路燈， 晚上每盞燈開的概率為晚上每盞燈開的概率為0.7.0.7.求同時(shí)開的燈數(shù)在求同時(shí)開的燈數(shù)在6800至至7200之間的概率至少為多少之間的概率至少為多少?解解 設(shè)設(shè)X 為同時(shí)開的燈數(shù)。為同時(shí)開的燈數(shù)。4(10 ,0.7)Xb由二項(xiàng)分布由二項(xiàng)分布()7000()2100E XnpD Xnpq68007200PX用切比

5、雪夫不等式用切比雪夫不等式68007200PX47200101068000.7 0.3kkkkC68007000700072007000PX7000200P X2210010.95200 200已知正常男性成人血液中，每一毫升白細(xì)胞數(shù)已知正常男性成人血液中，每一毫升白細(xì)胞數(shù)解解 設(shè)每毫升白細(xì)胞數(shù)為設(shè)每毫升白細(xì)胞數(shù)為X依題意，依題意，EX =7300,DX =7002所求為所求為 21002100PXEX2)2100()(1XD由切比雪夫不等式由切比雪夫不等式2100P XEX989112100P XEX52007300730094007300PX52009400PX估計(jì)每毫升白細(xì)胞數(shù)在估計(jì)每毫

6、升白細(xì)胞數(shù)在 520052009400 9400 之間的概率之間的概率 . .平均是平均是73007300，均方差是，均方差是700700， 利用切比雪夫不等式利用切比雪夫不等式例例2 22)2100700(1即每毫升白細(xì)胞數(shù)在即每毫升白細(xì)胞數(shù)在5200-94005200-9400之間的概率不小于之間的概率不小于8/98/9。 大數(shù)定律的客觀背景大數(shù)定律的客觀背景大量的隨機(jī)現(xiàn)象中平均結(jié)果的穩(wěn)定性大量的隨機(jī)現(xiàn)象中平均結(jié)果的穩(wěn)定性 大量拋擲硬幣大量拋擲硬幣正面出現(xiàn)頻率正面出現(xiàn)頻率字母使用頻率字母使用頻率生產(chǎn)過程中的生產(chǎn)過程中的廢品率廢品率幾個(gè)常見的大數(shù)定律幾個(gè)常見的大數(shù)定律定理定理1 1（切比雪夫

7、大數(shù)定律）（切比雪夫大數(shù)定律）11lim | 1niniPXn則則即對(duì)任意的即對(duì)任意的 0，設(shè)設(shè) X1 , X2 , 是一列相互獨(dú)立的隨機(jī)變量序列，是一列相互獨(dú)立的隨機(jī)變量序列，它們都有相同的數(shù)學(xué)期望它們都有相同的數(shù)學(xué)期望2()iiE XD X和方差 （ ）11.nPiiXn 證明證明11()niiEXn1111()nniiiE Xnn22221111()nniiiD Xnnn由切比雪夫不等式得：由切比雪夫不等式得：2211|1niiPXnnsmee=- 0，有，有1|limpnnPAn或或0|limpnnPAn設(shè)設(shè)nA是是n重貝努里試驗(yàn)中事件重貝努里試驗(yàn)中事件A發(fā)生的次數(shù)，發(fā)生的次數(shù)，即即.

8、PAnpn 證明證明 引入隨機(jī)變量引入隨機(jī)變量1,0iiXi第 次， 第 次試驗(yàn)中A發(fā)生，試驗(yàn)中A不發(fā)生，12i ， ，顯然顯然12AnnXXX且且11,2,iiE XpD Xppin（ ）， （ ） （） ，又由于各次試驗(yàn)相互獨(dú)立，所以又由于各次試驗(yàn)相互獨(dú)立，所以12,nXXX獨(dú)立同分布獨(dú)立同分布, 則由則由辛欽大數(shù)定律辛欽大數(shù)定律可得可得1|limpnnPAn例例3 如何測(cè)量某一未知的物理量如何測(cè)量某一未知的物理量a ,使得誤差較小？使得誤差較??？解解 在相同的條件下測(cè)量在相同的條件下測(cè)量n 次，其結(jié)果為次，其結(jié)果為12,nXXX，它們可看成是相互獨(dú)立、相同分布的，它們可看成是相互獨(dú)立、相

9、同分布的隨機(jī)變量，并且有數(shù)學(xué)期望為隨機(jī)變量，并且有數(shù)學(xué)期望為a . 于是由辛欽大數(shù)定律于是由辛欽大數(shù)定律可知，當(dāng)可知，當(dāng)n 時(shí)，有時(shí)，有111()nPiiXE Xan 因此我們可取因此我們可取 n 次測(cè)量值次測(cè)量值12,nx xx的算術(shù)平均值的算術(shù)平均值作為作為a 得近似值，即得近似值，即11niiaxn,當(dāng)當(dāng)n充分大時(shí)誤差很小。充分大時(shí)誤差很小。例例4 如何估計(jì)一大批產(chǎn)品的次品率如何估計(jì)一大批產(chǎn)品的次品率 p ？由由伯努利大數(shù)定律伯努利大數(shù)定律可知，當(dāng)可知，當(dāng) n 很大時(shí)，可取頻率很大時(shí)，可取頻率/Ann作為次品率作為次品率 p 的估計(jì)值。的估計(jì)值。 大數(shù)定律以嚴(yán)格的數(shù)學(xué)形式表達(dá)了隨機(jī)大數(shù)定

10、律以嚴(yán)格的數(shù)學(xué)形式表達(dá)了隨機(jī)現(xiàn)象最根本的性質(zhì)之一：現(xiàn)象最根本的性質(zhì)之一：平均結(jié)果的穩(wěn)定性平均結(jié)果的穩(wěn)定性中心極限定理 第五章 第二節(jié)中心極限定理的客觀背景中心極限定理的客觀背景: :常常需要考慮許多隨機(jī)因素所產(chǎn)生的綜合影響常常需要考慮許多隨機(jī)因素所產(chǎn)生的綜合影響. .在實(shí)際問題中，在實(shí)際問題中，則這種量則這種量X 一般一般都服從或近似都服從或近似服從正態(tài)分布服從正態(tài)分布。觀察表明：觀察表明：如果一個(gè)量是由如果一個(gè)量是由大量相互獨(dú)立大量相互獨(dú)立的隨機(jī)因素的影響所的隨機(jī)因素的影響所造成，造成，nXXXX21而每一個(gè)別因素在總影響而每一個(gè)別因素在總影響X 中所起的作用不大。中所起的作用不大。nkkn

11、knkkknXDXEXZ111)()(正態(tài)分布。正態(tài)分布。 中心極限定理。中心極限定理。這就是下面要介紹的這就是下面要介紹的的極限分布是的極限分布是標(biāo)準(zhǔn)標(biāo)準(zhǔn)所以所以定理定理1 1（獨(dú)立同分布的中心極限定理）（獨(dú)立同分布的中心極限定理）且服從同一分布，且服從同一分布，即獨(dú)立同分布，且具有相同的期望和方差即獨(dú)立同分布，且具有相同的期望和方差201,2, .kkE XD Xkn則則設(shè)設(shè) 相互獨(dú)立，相互獨(dú)立，12,nXXX1(0,1)niiXnNn，即，即21(,)niiXN nn或或1lim( )niinXnPxxn 之和總可以近似服從正態(tài)分布之和總可以近似服從正態(tài)分布. .此定理表明此定理表明，無

12、論，無論,21nXXX原來服從什么原來服從什么分布，分布， 當(dāng)當(dāng)n充分大時(shí)，充分大時(shí)，例例1 1 某人要測(cè)量甲、乙兩地之間的距離。某人要測(cè)量甲、乙兩地之間的距離。限于測(cè)量限于測(cè)量工具，他分成工具，他分成 1200 段來測(cè)量。段來測(cè)量。 每段測(cè)量誤差（單位每段測(cè)量誤差（單位厘米）服從于（厘米）服從于（-0.5,0.5)上的均勻分布。求總距離誤上的均勻分布。求總距離誤差的絕對(duì)值超過差的絕對(duì)值超過20厘米的概率。厘米的概率。解解 設(shè)第設(shè)第k 段的測(cè)量誤差為段的測(cè)量誤差為.1200, 2 , 1kXk120021,XXX且且是獨(dú)立同分布的隨機(jī)變量。且是獨(dú)立同分布的隨機(jī)變量。且.1200, 2 , 15

13、 . 0 , 5 . 0kUXk211()0()0.5( 0.5)1212kkE XD X 累計(jì)誤差即總距離誤差為累計(jì)誤差即總距離誤差為nikX1，由獨(dú)立同分布的中，由獨(dú)立同分布的中120021(,)kkXN nn心極限定理可得心極限定理可得12001(0,100)kkXN,即即則所求概率為則所求概率為2012001kkXP1211200201211200012001kkXP2100112001kkXP 1 22 222 2 0.02280.0456 根據(jù)以往經(jīng)驗(yàn)，某種電器元件的壽命服從均根據(jù)以往經(jīng)驗(yàn)，某種電器元件的壽命服從均值為值為100100小時(shí)的指數(shù)分布小時(shí)的指數(shù)分布. . 現(xiàn)隨機(jī)地取現(xiàn)

14、隨機(jī)地取1616只，設(shè)它們的只，設(shè)它們的壽命是相互獨(dú)立的壽命是相互獨(dú)立的. . 求這求這1616只元件的壽命的總和大于只元件的壽命的總和大于19201920小時(shí)的概率小時(shí)的概率. .由題給條件知，諸由題給條件知，諸Xi 獨(dú)立，獨(dú)立，1616只元件的壽命的總和為只元件的壽命的總和為161kkXY解解 設(shè)第設(shè)第i 只元件的壽命為只元件的壽命為Xi , , i=1,2, ,16E( Xi ) =100, D( Xi ) =10000依題意，所求為依題意，所求為P(Y 1920)例例2 2由于由于E(Y )=1600, , D(Y )=160000由中心極限定理由中心極限定理, ,近似近似N (0,1

15、)4001600Y)40016001920(1-下面介紹定理下面介紹定理1 的特殊情況。的特殊情況。192011920P YP Y 1(0.8)1 0.78810.2119 定理定理2 2（棣莫佛棣莫佛- -拉普拉斯定理拉普拉斯定理）De Moivre-LaplaceDe Moivre-Laplacelim (1)nnnpPxnppdtext2221n設(shè)隨機(jī)變量設(shè)隨機(jī)變量 服從參數(shù)為服從參數(shù)為10, ppn的二項(xiàng)分布的二項(xiàng)分布則對(duì)任意的則對(duì)任意的，有，有x x(,(1),nN np nppn 近似地即即或或(0,1)(1)nnpNnpp證證 因?yàn)橐驗(yàn)?( , )nb n p所以所以1nnkkX

16、其中其中1, 01kkP Xp P Xp kX相互獨(dú)立，且都服從（相互獨(dú)立，且都服從（0-1）分布。）分布。,(1)kkE Xp D Xpp由由獨(dú)立同分布的中心極限定理獨(dú)立同分布的中心極限定理可得可得1lim lim ( )(1)(1)nknknnXnpnpPxPxxnppnpp 注：注：此此定理表明定理表明正態(tài)分布是二項(xiàng)分布的極限分布，正態(tài)分布是二項(xiàng)分布的極限分布，當(dāng)當(dāng)n 充分大時(shí)，可以利用正態(tài)分布計(jì)算二項(xiàng)分布的概率。充分大時(shí)，可以利用正態(tài)分布計(jì)算二項(xiàng)分布的概率。)()(npqnpanpqnpb( , ).nYB n p推論：推論： 設(shè)隨機(jī)變量設(shè)隨機(jī)變量當(dāng)當(dāng)n充分大時(shí)有：充分大時(shí)有：kkn

17、knna k bP aYbC p q 這個(gè)公式給出了這個(gè)公式給出了n 較大時(shí)二項(xiàng)分布的概率計(jì)算方法。較大時(shí)二項(xiàng)分布的概率計(jì)算方法。例例3 報(bào)童沿街向行人兜售報(bào)紙，假設(shè)每位行人買報(bào)報(bào)童沿街向行人兜售報(bào)紙，假設(shè)每位行人買報(bào)的概率為的概率為0.2, 且他們是否買報(bào)是相互獨(dú)立的。求報(bào)童且他們是否買報(bào)是相互獨(dú)立的。求報(bào)童向向100位行人兜售之后，賣掉位行人兜售之后，賣掉1530份報(bào)紙的概率。份報(bào)紙的概率。解解 設(shè)報(bào)童賣掉報(bào)紙的份數(shù)為設(shè)報(bào)童賣掉報(bào)紙的份數(shù)為X ，,Xb n p416202 . 0100npqnppn3015 XP42015420308862. 01056. 09918. 025. 15 .

18、 2例例4 有有100100臺(tái)車床彼此獨(dú)立地工作。每臺(tái)車床的實(shí)臺(tái)車床彼此獨(dú)立地工作。每臺(tái)車床的實(shí)際工作時(shí)間占全部工作時(shí)間的際工作時(shí)間占全部工作時(shí)間的80，求下列事件的，求下列事件的概率。概率。1、任一時(shí)刻有、任一時(shí)刻有7086臺(tái)車床工作。臺(tái)車床工作。2、任一時(shí)刻有、任一時(shí)刻有80臺(tái)以上車床工作。臺(tái)以上車床工作。解解 設(shè)任一時(shí)刻工作的車床臺(tái)數(shù)為設(shè)任一時(shí)刻工作的車床臺(tái)數(shù)為X 。416808 . 0100npqnppn8670 XP4807048086927. 019938. 09332. 015 . 25 . 180180XPXP 5 . 001,Xb n p例例5 某單位有某單位有200200臺(tái)

19、電話分機(jī)，每臺(tái)分機(jī)有臺(tái)電話分機(jī)，每臺(tái)分機(jī)有5%的時(shí)間的時(shí)間要使用外線通話。假定每臺(tái)分機(jī)是否使用外線是相互獨(dú)要使用外線通話。假定每臺(tái)分機(jī)是否使用外線是相互獨(dú)立的，問該單位總機(jī)要安裝多少條外線，才能以立的，問該單位總機(jī)要安裝多少條外線，才能以90%以以上的概率保證分機(jī)用外線時(shí)不等待？上的概率保證分機(jī)用外線時(shí)不等待？解解 設(shè)有設(shè)有X 部分機(jī)同時(shí)使用外線，則有部分機(jī)同時(shí)使用外線，則有),(pnBX200,0.05,10,(1-)3.08.npnpnpp設(shè)有設(shè)有N 條外線。由題意有條外線。由題意有9 . 0 NXP由德莫佛由德莫佛- -拉普拉斯定理得拉普拉斯定理得NXP(1)(1)XnpNnpPnppnpp其中其中10.3.08(1)NnpNnpp 條外線。即至少要安裝取即14,14.94.13NN.90. 0)28. 1 (查表得101.283.08N 故故 N 應(yīng)滿足條件應(yīng)滿足條件設(shè)它們是互相獨(dú)立的隨機(jī)變量，且都在區(qū)間設(shè)它們是互相獨(dú)立的隨機(jī)變量，且都在區(qū)間(0,10)(0,10)上上)20, 2 , 1(kVk.201kkVV348. 0)387. 0