4-1 大数定理与中心极限定理

《4-1 大数定理与中心极限定理》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、大数定理与中心极限定理第四章概率论与数理统计1.大数定理2.中心极限定理第一节大数定律1、问题的引入2、基本定理3、典型例题4、小结概率论与数理统计是研究随机现象统计规律性的学科。随机现象的规律性只有在相同的条件下进行大量重复试验时才会呈现出来。也就是说，要从随机现象中去寻求必然的法则，应该研究大量随机现象。一、问题的引入研究大量的随机现象,常常采用极限形式,由此导致对极限定理进行研究.极限定理的内容很广泛,其中最重要的有两种:与大数定律中心极限定理下面首先先介绍大数定律，它将给出频率稳定性的理论说明。大数定律揭示随机变量序列的前一些项的算术平均值在某些条件下收敛到这些项的均值的算术

2、平均值的规律性;中心极限定理则是确定在怎样的条件下,大量随机变量之和的分布才能逼近正态分布。大量的随机现象中平均结果的稳定性。大数定律的客观背景大量抛掷硬币正面出现的频率字母使用的频率生产过程中的废品率……大数定律的定义定义4.1二、基本定理定理4.1（切比雪夫大数定理）而所以几乎以概率1成立.证明：由切比雪夫不等式可得关于定理4.1的说明:(这个接近是概率意义下的接近)即在定理条件下,n个随机变量的算术平均,当n无限增加时,几乎变成一个常数,这个常数是它们数学期望的算术平均。定义4.2于是定理4.1还有另一种叙述:定理4.1的另一种叙述:定理4.2:依概率收敛序列的性质证明：证明：

3、引入随机变量定理4.3(贝努利大数定理)显然.根据定理4.1有所以关于贝努利大数定理的说明:故而当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.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。。定理4.4(泊松大数定理)证明:引入随机变量则由定理4.1与定理4.3便得结论.关于辛钦大数定理的说明:(1)与定理4.1相比,不要求方差存在;(2)贝努利大数定理是辛钦大数定理的特殊情况;定理4.5弱大数定理(辛钦大数定理)三、典型例题解：相关性依题意可知,检验是否具有数学期望？例1说明每一个随机变量都有数学期望。检验是否具有有限方差？说明离散型随机变量有有限

4、方差,所以满足切比雪夫大数定理的条件。解：由辛钦大数定理的对立形式即知例2例3...认真阅读:P119～121教材内容(是课件所讲的缩写).四、小结四个大数定理切比雪夫大数定理贝努利大数定理辛钦定理(弱大数定理)频率的稳定性是概率定义的客观基础,而贝努利大数定理以严密的数学形式论证了频率的稳定性。泊松大数定理贝努利资料JacobBernoulliBorn:27Dec1654inBasel,SwitzerlandDied:16Aug1705inBasel,Switzerland切比雪夫资料PafnutyChebyshevBorn:16May1821inOkatovo,RussiaDie

5、d:8Dec1894inStPetersburg,Russia辛钦资料AleksandrYakovlevichKhinchinBorn:19July1894inKondrovo,Kaluzhskayaguberniya,RussiaDied:18Nov1959inMoscow,USSR