中心极限定理1.ppt

1、中心极限定理,中心极限定理的客观背景,在实际问题中，常常需要考虑许多随机因素所产生总影响.,例如：炮弹射击的落点与目标的偏差，就受着许多随机因素的影响.,空气阻力所产生的误差，,对我们来说重要的是这些随机因素的总影响.,如瞄准时的误差，,炮弹或炮身结构所引起的误差等等.,观察表明，如果一个量是由大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.,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.,现在我们就来研究独立随机变量之和所特有的规律性问题.,当n无限增大时，这个和的极限分布是什么呢？,在什么条件

2、下极限分布会是正态的呢？,由于无穷个随机变量之和可能趋于，故我们不研究n个随机变量之和本身而考虑它的标准化的随机变量,的分布函数的极限.,的分布函数的极限.,可以证明，满足一定的条件，上述极限分布是标准正态分布.,考虑,中心极限定理,在概率论中，习惯于把和的分布收敛于正态分布这一类定理都叫做中心极限定理.,我们只讨论几种简单情形.,下面给出的独立同分布随机变量序列的中心极限定理，也称列维一林德伯格（LevyLindberg）定理.,本定理的证明在20世纪20年代由林德伯格和列维给出，因证明较复杂，在此从略。,定理1（独立同分布下的中心极限定理）,它表明，当n充分大时，n个具有期望和方差的独立同

3、分布的r.v之和近似服从正态分布.,设X1,X2, 是独立同分布的随机变量序列，且E(Xi)= ，D(Xi)= ，i=1,2,，则,注,即 n 足够大时，Y n 的分布函数近似于标准正态随机变量的分布函数,记,近似,近似服从,虽然在一般情况下，我们很难求出X1+X2+ +Xn 的分布的确切形式，但当n很大时，可以求出近似分布.,下面介绍的棣莫佛拉普拉斯定理（二项分布的正态近似）是上述定理的特殊 情况.,定理2(棣莫佛拉普拉斯定理）,设随机变量 服从参数n, p(0p1)的二项分布，则对任意x，有,定理表明，当n很大，0p1920),由题给条件知,诸Xi独立,16只元件的寿命的总和为,解: 设第

4、i只元件的寿命为Xi , i=1,2, ,16,E(Xi)=100,D(Xi)=10000,依题意，所求为P(Y1920),由于E(Y)=1600,D(Y)=160000,P(Y1920)=1-P(Y1920),=1-(0.8),1-,=1-0.7881=0.2119,例2:,某保险公司多年的统计资料表明,在索赔户,中被盗索赔户占20%,以X表示在随机抽查的100个索赔户中因被盗向保险公司索赔的户数. (1)写出X的概率分布; (2)求被盗索赔户不少于14户且不多于30户的 概率;,解:,(1)由题可知:,XB(100, 0.2).,(2)P(14X30)=,=0.994-1+0.993=0.

5、927,例3. (供电问题)某车间有200台车床,在生产期间由于需要检修、调换刀具、变换位置及调换工件等常需停车. 设开工率为0.6, 并设每台车床的工作是独立的，且在开工时需电力1千瓦.,问应供应多少瓦电力就能以99.9%的概率保证该车间不会因供电不足而影响生产?,用X表示在某时刻工作着的车床数，,解：对每台车床的观察作为一次试验，,每次试验观察该台车床在某时刻是否工作， 工作的概率为0.6，共进行200次试验.,依题意，,XB(200,0.6),现在的问题是：,求满足,设需N台车床工作，,（由于每台车床在开工时需电力1千瓦，N台工作所需电力即N千瓦.）,由德莫佛-拉普拉斯极限定理,近似N(

6、0,1),于是 P(XN)= P(0XN),这里 np=120, np(1-p)=48,查正态分布函数表得,由 0.999，,从中解得N141.5,即所求N=142.,也就是说, 应供应142 千瓦电力就能以99.9%的概率保证该车间不会因供电不足而影响生产.,例4 在一个罐子中,装有10个编号为0-9的同样的球，从罐中有放回地抽取若干次，每次抽一个，并记下号码.,问对序列Xk,能否应用大数定律？,诸Xk 独立同分布，且期望存在，故能使用大数定律.,解:,即对任意的0,解:,诸Xk 独立同分布，且期望存在，故能使用大数定律.,(2) 至少应取球多少次才能使“0”出现的频率在0.09-0.11之

7、间的概率至少是0.95?,解：设应取球n次，0出现频率为,由中心极限定理,近似N(0,1),近似N(0,1),欲使,即,查表得,从中解得,即至少应取球3458次才能使“0”出现的频率在0.09-0.11之间的概率至少是0.95.,(3) 用中心极限定理计算在100次抽取中,数码“0”出现次数在7和13之间的概率.,解：在100次抽取中, 数码“0”出现次数为,E(Xk)=0.1, D(Xk)=0.09,即在100次抽取中，数码“0”出现次数在7和13之间的概率为0.6826.,=0.6826,近似N(0,1),如图,钉板有n=16层，可以求出标准差,n次碰钉后小球的位置Yn近似服从正态分布N(

8、0,n). E(Yn)=0, D(Yn)=n .,如图钉板有n=16层，可以求出标准差,根据正态分布的查表计算知道,落在2 以内即中线左右8颗钉子以内的概率近似为95.6%,即是说,落在这以外的概率只有4%左右.,最后，指出大数定律与中心极限定理的区别：,设 为独立同分布随机变量序列，且 , 则由定理5.1的推论1，对于任意的0有,大数定律并未给出 的表达式,但保证了其极限是1,由于 ， 因此，在所给条件下，中心极限定理不仅给出了概率的近似表达式，而且也能保证了其极限是1，可见中心极限定理的结论更为深入。,而在以上条件下，中心极限定理（林德伯格列维）亦成立。这时，对于任意的0及某固定的n，有,这一讲我们介绍了中心极限定理,在后面的课程中，我们还将经常用到中心极限定理.,中心极限定理是概率论中最著名的结果之一，它不仅提供了计算独立随机变量之和的近似概率的简单方法，而且有助于解释为什么很多自然群体的经验频率呈现出钟形曲线这一值得注意的事实.,