第5章 大数定律及中心极限定理

第5章 大数定律及中心极限定理

ID:15886209

大小:390.00 KB

页数:19页

时间:2018-08-06

第5章  大数定律及中心极限定理_第1页
第5章  大数定律及中心极限定理_第2页
第5章  大数定律及中心极限定理_第3页
第5章  大数定律及中心极限定理_第4页
第5章  大数定律及中心极限定理_第5页
资源描述:

《第5章 大数定律及中心极限定理》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第五章大数定律与中心极限定理l随机现象的规律只有在大量随机现象的考察中才能显现出来。l研究大量的随机现象,常常采用极限形式。l极限定理的内容很广泛,其中最重要的有二种:大数定律与中心极限定理。1大数定律l事件发生的频率具有稳定性;l大量测量值的算术平均值也具有稳定性。大数定律就是从这种稳定性的研究中得出的。定理一(契比雪夫大数定律)设随机变量序列…相互独立,且具有相同的数学期望和方差:前n个随机变量的算术平均:对于任意正数,有=则称{Xn}服从大数定律。证:由于由契比雪夫不等式可得:19在上式中令并注意到概率不能大于1,即得:l定理一给出了关于平均值稳定性的科学的

2、描述。l上式的意义:是一个随机事件,等式表明,当时,这个事件的概率趋于1。即对于任意正数,当n充分大时,不等式成立的概率很大。l还表明,当n很大时,随机变量的算术平均接近于数学期望.这种接近是在概率意义下的接近。l说明平均结果渐趋稳定性。即单个随机现象的行为对大量随机现象共同产生的总平均效果E()几乎不发生影响。即尽管某个随机现象的具体表现不可避免地引起随机偏差,然而在大量随机现象共同作用时,这些随机偏差相互抵消、补尚与拉平,致使总平均结果趋于稳定。例如在分析天平上称量一质量为µ的物品,以19表示n次重复测量结果,经验告知,当n充分大时,其平均值对µ的偏差是很小的

3、。定义:设是一个随机变量序列,a是一个常数。若对于任意正数,有:则称序列依概率收敛于a,记为:依概率收敛的序列还有以下的性质:设又设函数g(x,y)在点(a,b)连续,则:定理一又可叙述为:设随机变量相互独立,且具有相同的数学期望和方差:则序列前n个随机变量的算术平均依概率收敛于,定理二(伯努利大数定理)设nA是n次独立重复试验中事件A发生的次数,p是事件A在每次试验中发生的概率,则对于任意正数有或:19证:因为nA~b(n,p),引入随机变量:由于X1,X2…,Xn相互独立,又知Xk,k=1,2,…,n服从同一(0—1)分布:Xk01Pk1-pp已知由定理一得:

4、即伯努利大数定理表明:l事件发生的频率依概率收敛于事件的概率P,这个定理以严格的数学形式表达了频率的稳定性。19l就是说当n很大时,事件发生的频率与概率有较大偏差的可能性很小。l由实际推断原理,在实际应用中,当试验次数很大时,便可以用事件发生的频率来代替事件的概率。切比雪夫大数定律的证明要求随机变量具有方差。但进一步的研究表明,方差存在这个条件有时并不是必要的,定理三就是这种情况。定理三(辛钦大数定理):设随机变量相互独立,服从同一分布,且具有数学期望,则对于任意正数,有:(证明略)显然,伯努利大数定理是辛钦定理的特殊情况。大数定理以严格的数学形式表达了随机现象最

5、根本的性质之一:平均结果的稳定性,它是随机现象统计规律的具体表现。在理论和实际中有广泛的应用。l例如,要测量一个圆柱形工件的直径,由于仪器的测量误差、读数的偏差以及温度的变化等各种原因,使每次测量的结果是随机的。如果测量n次,得到,其算术平均值为,当n较大时,此平均值就可作为直径的一个估计,其理论依据是大数定理。l例如,要估计某地区水稻的平均亩产量,只要收割一部分有代表性的地块,比如n块,计算它们的平均亩产,在n比较大的情况下,n块的平均亩产量就可以作为全地区的平均亩产量。其理论依据也是大数定理。例:设随机变量序列19相互独立,且均服从(a,b)区间上的均匀分布,

6、问平均值依概率收敛于何值?解:因为Xk~U(a,b),k=1,2,…,n,则由辛钦大数定理知。例:设随机变量序列相互独立,且均服从泊松分布,试问当n很大时,可用何值估计?解:因为由辛钦大数定理知即当n很大时,可用值代替λ。具体的,若有的一组观察值。2中心极限定理19l在实际问题中,常常需要考虑许多随机因素所产生的总的影响。例如,炮弹射击的偏差,受许多随机因素的影响:瞄准的误差、空气阻力所产生的误差、炮弹或炮身所产生的误差等。我们所关心的是这些随机因素的总影响。l自从高斯指出测量误差服从正态分布之后,人们发现,正态分布在自然界中极为常见。观察表明,如果一个结果是由大

7、量相互独立的随机因素的影响所造成,而每一个别因素在总影响中所起的作用不大。则这种量一般都服从或近似服从正态分布。中心极限定理就是研究独立随机变量之和所特有的规律性问题。即,当n无限大时,这个和的极限分布是什么?在什么条件下极限分布是正态的?由于无穷各随机变量之和可以取∞为值,故这里不研究n个随机变量之和而考虑它的标准化的随机变量的分布函数的极限。可以证明,在满足一定的条件,上述极限分布是标准正态分布。定理四(独立同分布的中心极限定理)设随机变量相互独立,服从同一分布,且具有数学期望和方差:,则随机变量之和的标准化变量:19的分布函数对于任意x满足(证明略)这就是说

8、,均值为,

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。