大数定律与中心极限定理切贝谢夫不等式.ppt

第五章 大数定律与中心极限定理1 切贝谢夫不等式,研究随机变量的离差与方差的关系。,称为切贝谢夫不等式,用切贝谢夫不等式估计：,7000,2100,2 大数定律,测量多次，结果的计算平均值未必等于a,测量次数很大时，算术平均值接近于a,这种现象为平均结果的稳定性,大量随机现象中的平均结果与每一个别随机现象无关，几乎不再随机。,例2 测量一个长度a，一次测量，结果未必等于a,=1,也称为切贝谢夫大数定律。,它有如下重要的推论。,大量重复试验中，事件发生的频率接近于概率。,若P(A)很小，则A发生的频率也很小,如P(A)=0.001,约在1000次试验中，A发生一次,在一次试验中认为A几乎不可能发生。,这称为小概率事件的实际不可能性原理。,实际应用中，对某一量a，在不变条件下重复测量n次，得到观察值x1,xn,3 中心极限定理,钉板试验,研究在什么条件下，大量独立随机变量和的分布以正态分布为极限，这一类定理称为中心极限定理。,一般地，若某项偶然因素对总和的影响是均匀的、微小的，即没有一项起特别突出的作用，则这些大量独立偶然因素总和的随机变量近似服从正态分布。,这就是如下的李雅普诺夫定理：,例1 一个螺丝钉重量是一个随机变量，期望值是1两，标准差是0.1两。求一盒(100个)同型号螺丝钉的重量超过10.2斤的概率。,=0.02275,例2 对敌人的防御地段进行100次轰炸，每次轰炸命中目标的炸弹数目是一个随机变量，其期望值为2，方差为1.69。求在100次轰炸中有180颗到220颗炸弹命中目标的概率。,0.87644,=0.008158,解法二：,正态分布的线性函数也是正态分布,0.5,=0.008158,例4 某大型商场每天接待顾客10000人，设某位顾客的消费额(元)服从100,1000上的均匀分布，且顾客的消费额是独立的，试求该商场的销售额在平均销售额上、下浮动不超过20000元的概率。,例5 计算机在进行加法时，每个加数取整数(四舍五入)，设所有取整误差是相互独立的，且它们都在-0.5，0.5上服从均匀分布。(1)若将1500个数相加，问误差总和的绝对值超过15的概率是多少？(2)最少几个数相加在一起可使得误差总和的绝对值小于10的概率不超过90？,=0.18024,(2)设有n个数相加,二项分布可以看成多个0-1分布之和,当n增加时，它以正态分布为极限。,例6 10部机器独立工作，每部停机的概率为0.2，求3部机器同时停机的概率。,(1)直接计算,相差较大，这是因为n较小。,例7 每颗炮弹命中飞机的概率为0.01，求500发炮弹中命中5发的概率。,n=500p=0.01,(1)直接计算,0.17635,(2)用局部极限定理,0.1793,(3)由于n很大，p很小，也可用Poisson分布计算,P5(5)=0.175467,比用正态分布更精确,正态分布与Poisson分布都是二项分布的极限分布。,用Poisson分布近似计算比用正态分布精确,实际应用更多的是积分极限定理,n=10000p=0.005,=0.9977,例8 产品为废品的概率为p=0.005,求10000件产品中废品数不大于70的概率。,例9 已知一次试验中P(A)=0.75,分别用切贝谢夫不等式与中心极限定理计算。(1)在1000次试验中，A发生的次数在700-800之间的概率。(2)n取多大时，才能使n次重复独立试验中A出现的频率在0.740.76间的概率至少为0.9？,n=1000p=0.75,用切贝谢夫不等式计算,=0.925,用正态分布计算,用切贝谢夫不等式,用正态分布,例10 某单位有200台电话分机，每台大约有5时间使用外线。若各分机是否使用外线是相互独立的，问总机至少要装多少条外线才能使打外线的接通率达到90？,设要装k条外线。,至少要装14条外线,