大数定律和中心极限定理习题和例题
《概率论与数理统计》典型例题 第四章 大数定律与中心极限定理
= 0.15,
µn 为
5000
户中收视
该节目的户数，所以可应用棣莫弗-拉普拉斯中心极限定理，即二项分布以正态 分布为极限定理。
解 ： 设 µn 为 5000 户 中 收 视 该 节 目 的 户 数 ， 则 µn ~ B(n, p) ， 其 中
n = 5000, p = 0.15 。 由棣莫弗-拉普拉斯中心极限定理， µn − np 近似服从 np(1− p)
显然需用到前一不等式，则只需算出 E(X + Y ) 与 D(X + Y ) 即可。
解：由于 E(X + Y ) = 0 ，
D( X + Y ) = DX + DY + 2Cov( X , Y ) = DX + DY + 2ρ XY DX DY = 1+ 4 + 2×1× 2× (−0.5) = 3 ，
( D )服从同一离散型分布。
分析：林德伯格-列维中心极限定理要求的条件是 X 1, X 2,", X n,"相互独
立、同分布、方差存在，这时，当 n 充分大时， Sn 才近似服从正态分布。 根据 条件分析选项即可。
解：显然选项 A 与 B 不能保证 X 1, X 2 , ", X n 同分布，可排除。 选项 C 给出了指数分布，此时独立同分布显然满足，而且由于是指数分布， 方差肯定存在，故满足定理条件。 选项 D 只给出其离散型的描述，此时独立同分布显然满足。 但却不能保证 方差一定存在，因此也应排除。 故选 C 。 注：本例重在考察中心极限定理的条件。
P{ X
− EX
≥ ε}≤
E[g( X − EX )] 。 g(ε )
分析：证明的结论形式与切比雪夫不等式非常相似，利用切比雪夫不等式的 证明思想试试看。
第五章 大数定律和中心极限定理
一、大数定律切比雪夫大数定律：设随机变量X1，X2，…，X n，…相互独立，且具有相同的数学期望且方差有界，那么对辛钦大数定律：设X1，X2，…，X n，…为独立同分布的随机变量序列，且数学期望E（X i）=μ存在，则对任意【例87·填空题】设X1，X2，…，X n，…相互独立，且都服从P（λ），那么依概率收敛到_____[答疑编号986305101：针对该题提问]答案：【例88·填空题】设X1，X2，…，X n，…相互独立，且都服从参数为0.5的指数分布，则。
[答疑编号986305102：针对该题提问]【例89·选择题】设随机变量列X1，X2，…，X n，…相互独立，则根据辛钦大数定律，当n充分大时依概率收敛于共同的数学期望，只要X1，X2，…，X n，…（）A.有相同的数学期望B.服从同一离散型分布C.服从同一泊松分布D.服从同一连续型分布[答疑编号986305103：针对该题提问]答案：C【例90·选择题】设随机变量，X1，X2，…，X n，…是独立同分布，且分布函数为则辛钦大数定律对此序列（）A.适用B.当常数a,b取适当的数值时适用C.不适用D.无法判别[答疑编号986305104：针对该题提问]答案C二、中心极限定理独立同分布的中心极限定理：设随机变量X1，X2，…，X n，…相互独立，服从同一分布，【例91·选择题】（05-4-4）设X1，X2，…，X n，…为独立同分布的随机变量列，且均服从参数为λ（λ>0）的指数分布，记为标准正态分布函数，则（）[答疑编号986305105：针对该题提问]答案：C。
《概率论与数理统计》习题 第四章 大数定律和中心极限定理
第四章 大数定律和中心极限定理一. 填空题1. 设Y n 是n 次伯努利试验中事件A 出现的次数, p 为A 在每次试验中出现的概率, 则对任意 ε > 0, 有=⎪⎭⎫ ⎝⎛≥-∞→ε||lim p n Y P n n __________. 解. =⎪⎭⎫ ⎝⎛≥-∞→ε||lim p n Y P n n 1－011||lim =-=⎪⎭⎫ ⎝⎛<-∞→εp n Y P n n 2. 设随机变量X 和Y 的数学期望是2, 方差分别为1和4, 而相关系数为0.5, 则根据切比雪夫不等式P(|X －Y| ≥ 6) ≤ _______.解. E(X －Y) = E(X)－E(Y) = 2－2 = 0D(X －Y) = D(X) + D(Y)－)()(2Y D X D XYρ= 1 + 4－2×0.5×1×2 = 3 所以 1213636)()6|(|2==-≤≥-Y X D Y X P二. 选择题1. 设随机变量n X X X ,,,21 相互独立, n n X X X S +++= 21, 则根据列维－林德伯格(Levy-Lindberg)中心极限定理, n S 近似服从正态分布, 只要n X X X ,,,21 ( A ) 有相同的数学期望 ( B ) 有相同的方差( C ) 服从同一指数分布 ( D ) 服从同一离散型分布解. 列维－林德伯格(Levy-Lindberg)中心极限定理要求n X X X ,,,21 既有相同的数学期望, 又有相同的方差, 因此( A ) 、( B )、 ( D )都不是答案, ( C )为答案.三. 计算题1. 某厂有400台同型机器, 各台机器发生故障的概率均为0,02, 假如各台机器相互独立工作, 试求机器出现故障的台数不少于2台的概率.解. 假设X 表示400台机器中发生故障的台数, 所以X ～B(400, 0.02)由棣莫佛－拉普拉斯定理:)(2198.002.040002.0400lim 22x dt e x X P x t n Φ==⎪⎭⎫ ⎝⎛≤⨯⨯⨯-⎰∞--∞→π 所以 ⎪⎭⎫ ⎝⎛⨯⨯-≤⨯⨯--=≤-=≥98.002.0400798.002.040081)1(1)2(X P X P X P ≈ 1－Φ(－2.5) = Φ(2.5) = 0.9938.2. 设供电网中有10000盏灯, 夜晚每一盏灯开着的概率都是0.7, 假设各灯开、关时间彼此无关, 计算同时开着的灯数在6800与7200之间的概率.解. 假设X 表示10000盏灯中开着的灯数, 所以X ～B(10000, 0.7)由棣莫佛－拉普拉斯定理:)(217.03.010*******lim 22x dt e x X P xt n Φ==⎪⎭⎫ ⎝⎛≤⨯⨯-⎰∞--∞→π所以 )72006800(≤≤X P ⎪⎭⎫ ⎝⎛⨯⨯-≤⨯⨯-≤⨯⨯-=7.03.010000700072007.03.010********.03.01000070006800X P ≈ Φ(4.36)－Φ(－4.36) = 2Φ(4.36)－1 = 2×0.999993－1 = 0.999.。
CH5大数定律及中心极限定理--练习题
CH5大数定律及中心极限定理--练习题第一篇：CH5 大数定律及中心极限定理--练习题CH5 大数定律及中心极限定理1.设Ф(x)为标准正态分布函数，Xi=⎨100⎧1,事件A发生；⎩0,事件A不发生，i=1，2，…，100，且P(A)=0.8,X1,X2,…,X100相互独立。
令Y=∑i=1Xi，则由中心极限定理知Y的分布函数F(y)近似于（）y-804A.Ф(y)2.从一大批发芽率为0.9的种子中随机抽取100粒,则这100粒种子的发芽率不低于88%的概率约为.(已知φ(0.67)=0.7486)3.设随机变量X1，X2，…，Xn，…独立同分布，且i=1，2…，0nB.Ф()C.Ф(16y+80)D.Ф(4y+80)Yn=∑i=1⎧⎪Xi,n=1，2，Λ.Φ（x）为标准正态分布函数，则limP⎨n→∞⎪⎩⎫⎪≤1⎬=（）np(1-p)⎪⎭Yn-npA．0B．Φ（1）C．1－Φ（1）D．14.设5.设X服从(-1,1)上的均匀分布，试用切比雪夫不等式估计6.设7.报童沿街向行人兜售报纸，设每位行人买报纸的概率为0.2，且他们买报纸与否是相互独立的。
试求报童在想100为行人兜售之后，卖掉报纸15到30份的概率8.一个复杂系统由n个相互独立的工作部件组成，每个部件的可靠性（即部件在一定时间内无故障的概率）为0.9，且必须至少有80%的部件工作才能使得整个系统工作。
问n至少为多少才能使系统的可靠性为0.959.某人有100个灯泡，每个灯泡的寿命为指数分布，其平均寿命为5小时。
他每次用一个灯泡，灯泡灭了之后立即换上一个新的灯泡。
求525小时之后他仍有灯泡可用的概率近似值相互独立的随机变量，且都服从参数为10的指数分布，求的下界是独立同分布的随机变量，设, 求第二篇：ch5大数定律和中心极限定理答案一、选择题⎧0,事件A不发生1.设Xi=⎨(i=1,2Λ,10000),且P(A)=0.8,X1,X2,Λ,X10000相互独立,令1,事件A发生⎩10000Y=∑X,则由中心极限定理知Y近似服从的分布是（D）ii=1A.N(0,1)C.N(1600,8000)B.N(8000,40)D.N(8000,1600)2．设X1，X2，……，Xn是来自总体N（μ,σ2）的样本，对任意的ε>0，样本均值X所满足的切比雪夫不等式为（B）{X-nμ<ε}≥εnσC．P{X-μ≥ε}≤1-εA．P2nσ{X-μ<ε}≥1-nεnσD．P{X-nμ≥ε}≤εB．Pσ23.设随机变量X的E（X）=μ,D(X)=σ2，用切比雪夫不等式估计P(|X-E(X)|≤3σ)≥（C）A.C.1 98 919121B.3D.14．设随机变量X服从参数为0.5的指数分布，用切比雪夫不等式估计P(|X-2|≥3)≤(C)A.C.1B.3D.1二、填空题1．将一枚均匀硬币连掷100次，则利用中心极限定理可知，正面出现的次数大于60的概率近似为___0.0228________.（附：Φ（2）=0.9772）2．设随机变量序列X1，X2，…，Xn，…独立同分布，且E(Xi)=μ,D(Xi)=σ2>0,i=1,2,…, 则⎧n⎫X-nμ⎪⎪i⎪i=1⎪>x⎬=_对任意实数x，limP⎨n→∞nσ⎪⎪⎪⎪⎩⎭∑___________.3.设随机变量X的E(X)=μ,D(X)=σ2,用切比雪夫不等式估计P(|X-E(X)|≤3σ2)≥ ___8/9________。
概率论-大数定律和中心极限定理习题和例题
有关大数定律习题选讲
5.5 设{ X n }是独立同分布的随机变量序列，且假设E[ X n ] 2, Var[ X n ] 6, 证明：
解： 依题意，显然有， {X n }是一个独立同分布的随机变量序列，只要存在 有限的公共数学期望，则{X n }的算术平均值依概率收敛于其公共数学期 望，由于X i 服从[5,53]上的均匀分布，所以E[ X i ] (53 5) / 2 29, i 1, 2, , n
1 n 所以，当n 时，n 次服务时间的算术平均值 X i以概率1收敛于29 （分钟）. n i 1
P k1 n k2 P k1 0.5 n k2 0.5
k2 0.5 np k1 0.5 np np(1 p) np(1 p)
我们这门课对修正不做要求
中心极限定理的应用例题补充
二、给定 n 和概率，求 x
补充例4
有200台独立工作(工作的概率为0.7)的机床， 每台机床工作时需15kw电力. 问共需多少电力, 才可 有95%的可能性保证供电充足?
又记Y=X1+X2+…+X200，则 E[Y]=140，Var[Y]=42. 设供电量为x, 供电充足即为15Y≤x，则从
解：用 Xi=1表示第i台机床正常工作, 反之记为Xi=0.
2 2 2 Y X X X X X X X k 1 2 3 4 5 6 3 n 2 X 3 n 1 X 3 n k 1 n
大数定律及中心极限定理习题及答案
第 5 章 大数定律与中心极限定理一、填空题：1.设随机变量μξ=)(E ，方差2σξ=)(D ，则由切比雪夫不等式有≤≥-}|{|σμξ3P 91 . 2.设nξξξ,,, 21是n 个相互独立同分布的随机变量，),,,(,)(,)(n i D E i i 218===ξμξ对于∑==ni in1ξξ，写出所满足的切彼雪夫不等式 228εεξεμξn D P =≤≥-)(}|{| ，并估计≥<-}|{|4μξP n211-. 3. 设随机变量129,,,X X X 相互独立且同分布, 而且有1i EX =,1(1,2,,9)i DX i ==, 令91i i X X ==∑, 则对任意给定的0ε>, 由切比雪夫不等式直接可得{}≥<-ε9X P 291ε-. 解：切比雪夫不等式指出：如果随机变量X 满足：()E X μ=与2()D X σ=都存在, 则对任意给定的0ε>, 有22{||}P X σμεε-≥≤, 或者22{||}1.P X σμεε-<≥-由于随机变量129,,,X X X 相互独立且同分布, 而且有1,1(1,2,9),i i EX DX i === 所以999111()()19,i i i i i E X E X E X μ===⎛⎫===== ⎪⎝⎭∑∑∑9992111()()19.i i i i i D X D X D X σ===⎛⎫===== ⎪⎝⎭∑∑∑4. 设随机变量X 满足：2(),()E X D X μσ==, 则由切比雪夫不等式, 有{||4}P X μσ-≥ 116≤. 解：切比雪夫不等式为：设随机变量X 满足2(),()E X D X μσ==, 则对任意的0ε>, 有22{||}.P X σμεε-≥≤由此得 221{||4}.(4)16P X σμσσ-≥≤=5、设随机变量2σξμξξ==)(,)(,D E ，则≥<-}|{|σμξ2P 43.6、设n ξξξ,,, 21为相互独立的随机变量序列，且),,( 21=i i ξ服从参数为λ的泊松分布，则≤-∑=∞→}{lim x n n P ni in λλξ1∞--xt dt e22 .7、设n η表示n 次独立重复试验中事件A 出现的次数，p 是事件A 在每次试验中出现的概率，则≈≤<}{b a P n η⎰-----)1()1(2221p np np b p np np a t dt e π.8. 设随机变量n ξ, 服从二项分布(,)B n p , 其中01,1,2,p n <<=, 那么, 对于任一实数x , 有lim {|||}n n P np x ξ→+∞-<= 0 .9. 设12,,,n X X X 为随机变量序列,a 为常数, 则{}n X 依概率收敛于a 是指{}=<->∀+∞>-εεa X P n n lim ,0 1 ,或{}=≥->∀+∞>-εεa X P n n lim ,0 0 。
第四章大数定律与中心极限定理典型题
设一个学生无家长、有1名家长、2名家长来参加会议的概率分别为
0.05、0.8、0.15.若学校共有400名学生，各学生参加会议的家长人数
相互独立，且服从同一分布.求
（1）参加会议的家长人数超过450人的概率；
（2）有1名家长来参加会议的学生人数不多于340人的概率.
解：1用Sn表示参加会议的家长人数，X k (k 1, 2,
第四章 大数定律与中心极限定理典型例题
一、本章基本要求
1. 了解切比雪夫大数定律的条件与结论，了解依概率收敛 的概念；
2. 掌握伯努利大数定律、辛钦大数定律成立的条件和结论； 3. 掌握独立同分布的中心极限定理、棣莫弗-拉普拉斯中
心极限定理成立的条件和结论，并会用于近似计算有关 事件的概率。
二. 典型例题
解 设n表示所求的箱数并设X i (i 1, 2, , n)表示第i箱的重量，
则 X1, X 2,
,
X n
n
独立同分布，且
E(
X
i
)
50, D( X i
)
25,
由题意
所求概率为 P{ Xi 5000} 0.997, 由中心极限定理，有
n P{
i 1
i 1
Xi
5000}
的过路人数,i 1，2， 100,则 P X i k p 1 p k 1 , p1/3 k 1, 2,
E(Xi )
1 p
3,
D(
X
i
)
1
p p2
6.
p 1/ 3
p 1/ 3
100
因为X1, X 2 , , X100相互独立, X X k , E(X ) 300, D(X ) 600
大数定律与中心极限定理习题
第六章 大数定律与中心极限定理习题一、 填空题1．设n ξ是n 次独立试验中事件A 出现的次数，P 为A 在每次试验中出现的概率，则对任意的0>ε,有=≥-)(εξp n P n。
2．设随机变量ξ，E ξ＝μ,D ξ＝2σ，则≥<-)2(σμξP 。
3．设随机变量ξ的方差为2，则根据切比雪夫不等式有估计≤≥-)2(ξξE P 。
4．在概率论里，把研究在什么条件下，大量独立随机变量和的分布以 为极限这一类定理称为中心极限定理.5．将一枚硬币连掷100次，则出现正面的次数大于60的概率约为 。
6．在天平上重复称量一重为a 的物体,假设各次称重结果相互独立且同服从正态分布)2.0,(2a N ，若以n X 表示n 次称重结果的算术平均值，则为使95.0)1.0(≥<-a X P n ,n 的最小值应不小于自然数 。
二、选择题1．设随机变量ξ服从参数为n ，p 的二项分布,则当∞→n 时，≈<<)(b a P ξ（ )。
(A ）)()(a b Φ+Φ （B ）)()(00a b Φ+Φ （C))()(a b Φ-Φ （D ）1)(20-Φb2．设ξ为服从参数为n ，p 的二项分布的随机变量，则当∞→n 时，npq np-ξ一定服从（ ）。
(A)正态分布。
( B)标准正态分布。
（C ）普哇松分布。
( D ）二项分布。
三、计算题1.对敌人的防御地段进行100次射击，每次射击中，炮弹命中数的数学期望为2，而命中数的均方差为1。
5，求当射击100次时，有180颗到220颗炮弹命中目标的概率。
2.计算机在进行加法时，对每个加数取整（取为最接近于它的整数)，设所有的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）多少个数加在一起时的误差总和的绝对值小于10的概率为0.90？3。
已知某工厂生产一大批无线电元件，合格品占61，某商店从该厂任意选购6000个这种元件，问在这6000个元件中合格品的比例与61之差小于1％的概率是多少？ 4.一生产线生产的产品成箱包装，每箱的重量是随机的，假设每箱平均重50千克,标准差为5千克，若用最大载重量为5吨的汽车承运，试用中心极限定理说明每辆车最多可以装多少箱，才能保障不超载的概率大于0。
概率论与数理统计第四章大数定理与中心极限定理习题(含答案)
其中 为标准正态分布函数.
3.设 ， ，其中 、 为常数，且 ，则 （ ）．
； ；
；
4.设某地区成年男子的身高 ，现从该地区随机选出 名男子，则这 名男子身高平均值的方差为（ ）．
； ； ； ．
二、填空题
1．已知离散型随机变量X服从参数为 的泊松分布，利用切比雪夫不等式估计概率
.
2．已知随机变量X存在数学期望 和方差 ，且数学期望 ， ，利用切比雪夫不等式估计概率 .
； ； ； ．
解：C
二、填空题
1．已知离散型随机变量X服从参数为 的泊松分布，利用切比雪夫不等式估计概率
.
解：由 知，
5．已知随机变量X存在数学期望 和方差 ，且数学期望 ， ，利用切比雪夫不等式估计概率 .
解：
6．已知随机变量X的方差为4，则由切比雪夫不等式估计概率 .
解：
7．伯努利（Bernoulli）大数定理表明：当试验次数 很大时，随机事件 在这 次试验中发生的频率 与随机事件 的概率 有较大偏差的可能性很．
解：小。
三、计算题
１．投掷一枚均匀硬币1000次，试利用切比雪夫不等式估计出现正面次数在450次~550次之间的概率.
解：
2．已知连续型随机变量X服从区间 的均匀分布，试利用切比雪夫不等式估计事件 发生的概率.
解：
3．设随机变量 和 的数学期望分别是 和 ，方差分别是 和 ，而相关系数为 ．
⑴ 求 及 ；
3．已知随机变量X的方差为4，则由切比雪夫不等式估计概率 .
4．伯努利（Bernoulli）大数定理表明：当试验次数 很大时，随机事件 在这 次试验中发生的频率 与随机事件 的概率 有较大偏差的可能性很．
大数定律与中心极限定理 定义与例题
三、典型例题
一加法器同时收到 例1 20 个噪声电压 Vk ( k 1 , 2 , 20 ), 设它们是相互独立的随 且都在区间 ( 0 ,10 ) 上服从均匀分布 机变量 , ,记 V
k 1
20
Vk ,
求 P { V 105 } 的近似值 .
解 E (V k ) 5 ,
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. 用X表示在某时刻工作着的车床数， 依题意， X~B(200,0.6), 设应供应N千瓦电力,现在的问题是：求满足 P(X≤N)≥0.999 的最小的N.
由德莫佛-拉普拉斯极限定理
X np np(1 p)
i1
n
Xi
n
1
n
EX i
i1
0.
切比雪夫不等式
如 果 随 机 变 量 X的 数 学 期 望 EX 和 方 差 DX 存 在 , 则 对于任一正数, 都有 P
X EX
DX
2
证 明 ： 对 于 任 给 正 数 , 由 切 比 雪 夫 不 等 式 ,有 1 D n
i1
n
Xi
n
1
n
EX i
i1
0.
辛钦大数定律
设 随 机 变 量 X 1 , X 2 , , X n , 独 立 同 分 布 , 且 数 学 期 望 存 在 ,则 对 于 任 意 0, 有 1 li m P n n
i1
n
X i 0.
例1 判 断 下 列 说 法 的 对 错 , 并 简 述 理 由 : (1 ) 设 随 机 变 量 X 1 , X 2 , , X n , 独 立 同 具 有 密 度 f ( x ), 则 序 列 X 1 , X 2 , , X n , 满 足 辛 钦 大 数 定 律 . ( 2 ) 设 随 机 变 量 X 1 , X 2 , , X n , 独 立 同 服 从 参 数 为 的 泊 松 分 布 , 则 X 1 , 2 X 2 , , n X n , 满 足 切 比 雪 夫 大 数 定 律 .
概率论与数理统计+第五章+大数定律及中心极限定理+练习题
滨州学院《概率论与数理统计》（公共课）练习题第五章 大数定律及中心极限定理一、填空题1．设某种电气元件不能承受超负荷试验的概率为0.05．现在对100个这样的元件进行超负荷试验，以X 表示不能承受试验而烧毁的元件数，则根据中心极限{}≈≤≤105X P ．2．设试验成功的概率p=20%，现在将试验独立地重复进行100次，则试验成功的次数介于16和32次之间的概率Q ≈ ．3．将一枚均匀对称的硬币接连掷10000次，则正面恰好出现5000次的概率≈α ．4．将一枚色子重复掷n 次，则当∞→n 时，n 次掷出点数的算术平均值n X 依概率收敛于 ．5．随机变量X 和Y 的数学期望分别为-2和2, 方差分别为1和4, 而相关系数为-0.5, 则根据切比雪夫不等式≤≥+)6|(|Y X P ．6．已知随机变量X 的数学期望为10，方差DX 存在且1.0)4020(≤<<-X P ，则≥DX ．7．设 ，n X X X ,,,21为独立同分布的随机变量序列，且),2,1( =i X i 服从参数为2的指数分布，则∞→n 当时，∑==n i i n X n Y 121依概率收敛于 ． 8．设 ，n X X X ,,,21为独立同分布的随机变量序列，且),2,1( =i X i 服从参数为0>λ的泊松分布，若∑==ni i X n X 11，则对任意实数x ，有≈<)(x X P ． 二、选择题1．设随机变量n X X X ,,,21 相互独立，n n X X X S +++= 21，则根据列维-林德伯格中心极限定理，当n 充分大时n S 近似服从正态分布，只要n X X X ,,,21 （ ）．(A) 有相同期望和方差； (B) 服从同一离散型分布；(C) 服从同一指数分布； (D) 服从同一连续型分布．2．下列命题正确的是（ ）．(A) 由辛钦大数定律可以得出切比雪夫大数定律；(B) 由切比雪夫大数定律可以得出辛钦大数定律；(C) 由切比雪夫大数定律可以得出伯努利大数定律；(D) 由伯努利大数定律可以得出切比雪夫大数定律．3．设随机变量X 的方差为2, 则根据切贝雪夫不等式有估计{}≤≥-2||EX X P （ ）．（A ）21； （B ）31； （C ）41； （D ）81． 4．设随机变量 ，n X X X ,,,21独立同分布，其分布函数为 ∞<<∞-+=x b x a x F ,arctan 1)(π，0≠b 则辛钦大数定律对此序列（ ）． （A ）适用； （B ）当常数a 和b 取适当数值十适用；（C ）不适用； （D ）无法判别．5．设随机变量n X X X ,,,21 相互独立, n n X X X S +++= 21, 则根据列维-林德伯格(Levy-Lindeberg)中心极限定理, 当n 充分大时, n S 近似服从正态分布, 只要nX X X ,,,21 （ ）．(A)有相同的数学期望； (B)有相同的方差；(C)服从同一指数分布； (D)服从同一离散型分布．6．设 ，n X X X ,,,21为独立同分布的随机变量序列，且),2,1( =i X i 服从参数为1≠λ的指数分布，则（ ）．（A ）)()(lim 1x x n n X P n i i n Φ=≤-∑=+∞→λ； （B ）)()(lim 1x x nn X P n i i n Φ=≤-∑=+∞→；（C ）)()(lim 1x x n X P n i i n Φ=≤-∑=+∞→λλ； （D ）)()(lim 1x x n X P n i i n Φ=≤-∑=+∞→λλ． 三、解答题1．设n ν是n 次伯努利试验成功的次数，p(0<p<1)是每次试验成功的概率，n f n n ν=是n次独立重复试验成功的频率，设n 次独立重复试验中，成功的频率f n 对概率p 的绝对偏差不小于Δ的概率{}α=∆≥-p f n P ． 试利用中心极限定理，(1) 根据∆和n 求α的近似值； (2) 根据α和n 估计∆的近似值； (3) 根据α和∆估计n ．2．假设某单位交换台有n 部分机，k 条外线，每部分机呼叫外线的概率为p ．利用中心极限定理，解下列问题：(1) 设n =200，k =30，p =0.12，求每部分机呼叫外线时能及时得到满足的概率α的近似值；(2) 设n =200，p =0.12，问为使每部分机呼叫外线时能及时得到满足的概率α≥95%，至少需要设置多少条外线？(3) k =30，p =0.12，问为使每部分机呼叫外线时能及时得到满足的概率α≥95%，最多可以容纳多少部分机？3．设n X X X ,,,21 是独立同分布随机变量，n X 是其算术平均值．考虑概率 {}αμ=∆≥-n X P ，其中μ=i EX ()n i .,2,1 =，()0>∆∆和α(0<α<1)是给定的实数．试利用中心极限定理，根据给定的，(1) ∆和n ，求α的近似值；(2) α和n ，求∆的近似值；(3) α和∆，估计n ．4．某保险公司接受了10000电动自行车的保险，每辆每年的保费为12元．若车丢失，则车主得赔偿1000元．假设车的丢失率为0.006，对于此项业务，试利用中心极限定理，求保险公司：(1) 亏损的概率α；(2) 一年获利润不少于40000元的概率β；(3) 一年获利润不少于60000元的概率γ．5．假设伯努利试验成功的概率为5%．利用中心极限定理估计，进行多少次试验才能以概率80%使成功的次数不少于5次．6．生产线组装每件产品的时间服从指数分布．统计资料表明，每件产品的平均组装时间为10分钟．假设各件产品的组装时间互不影响．试利用中心极限定理，(1) 求组装100件产品需要15到20小时的概率Q ；(2) 求以概率0.95在16个小时内最多可以组装产品的件数．7．将n 个观测数据相加时，首先对小数部分按“四舍五入”舍去小数位后化为整数．试利用中心极限定理估计，(1) 试当n =1500时求舍位误差之和的绝对值大于15的概率；(2) 估计数据个数n 满足何条件时，以不小于90%的概率，使舍位误差之和的绝对值小于10的数据个数n ．8．利用列维-林德伯格定理，证明棣莫佛-拉普拉斯定理．9．设X 是任一非负（离散型或连续型）随机变量，已知X 的数学期望存在，而 0>ε是任意实数，证明不等式{}εεXX P ≤≥．10．设事件A 出现的概率为=p 0.5，试利用切比雪夫不等式，估计在1000次独立重复试验中事件A 出现的次数在450到550次之间的概率α．11．设随机变量X 的数学期望为μ，方差为2σ，(1)利用切比雪夫不等式估计：X 落在以μ为中心，σ3为半径的区间内的概率不小于多少？(2)如果已知),(~2σμN X ，对上述概率，你是否可得到更好的估计？12．利用切比雪夫不等式来确定，当抛掷一枚均匀硬币时，需抛多少次，才能保证正面出现的频率在0.4至0.6之间的概率不小于90%，并用正态逼近去估计同一问题． 13．设 ，n X X X ,,,21为独立同分布的随机变量序列，且 ,2,1,,2===i DX EX i i σμ，令∑=+=n i i n iX n n Y 1)1(2，试证明：μP n Y →． 14．设}{n X 为一列独立同分布的随机变量序列，其概率密度函数为⎩⎨⎧<≥=--ax a x e x f a x 0)()( 令},,,m in{21n n X X X M =，试证：a M Pn →．15．在一家保险公司里有10000人参加保险，每人每年付12元保险费，在一年内一个人死亡的概率为0.006，死亡时，其家属可向保险公司领取1000元的赔偿费．试求：（1）保险公司没有利润的概率为多大？（2）保险公司一年的利润不少于60000元的概率为多大？16．已知生男孩的概率近似地等于0.515，求在10000个婴孩中，男孩不多于女孩的概率．17．某药厂断言，该工厂生产的某种药品对于医治一种疑难的疾病的治愈率为0.8，某医院试用了这种药品进行治疗，该医院任意抽查了100个服用此药品的病人，如果其中多于75人治愈，医院就接受药厂的这一断言，否则就拒绝这一断言．问：（1）若实际上此药品对这种疾病的治愈率为0.8，那么，医院接受这一断言的概率是多少？（2）若实际上此药品对这种疾病的治愈率为0.7，那么，医院接受这一断言的概率是多少？18．一生产线生产的产品成箱包装, 每箱的重量是随机的, 假设每箱平均重50kg, 标准差为5kg ． 若用最大载重量为5吨的汽车承运, 试利用中心极限定理说明每辆车最多可以装多少箱,才能保障不超载的概率大于0.977．(977.0)2(=Φ)．19．一家有800间客房的大宾馆的每间客房内装有一台2kW （千瓦）的空调机，若该宾馆的开房率为70%，试问应供应多少千瓦的电力才能以99%的概率保证有充足的电力开动空调机？20．设有30个电子器件，他们的使用寿命（单位：小时）3021,,,T T T 均服从平均寿命为10小时的指数分布，其使用情况是第一个损坏第二个立即使用，第二个损坏第三个立即使用等等． 令T 为30个器件使用的总计时间，求T 超过350小时的概率．。
第5章大数定律及中心极限定理习题及答案
第 5 章 大数定律与中心极限定理一、填空题：1.设随机变量μξ=)(E ，方差2σξ=)(D ，则由切比雪夫不等式有≤≥-}|{|σμξ3P 91 . 2.设nξξξ,,,Λ21是n 个相互独立同分布的随机变量，),,,(,)(,)(n i D E i i Λ218===ξμξ对于∑==ni in 1ξξ，写出所满足的切彼雪夫不等式 228εεξεμξn D P =≤≥-)(}|{| ，并估计≥<-}|{|4μξP n211-. 3. 设随机变量129,,,X X X L 相互独立且同分布, 而且有1i EX =,1(1,2,,9)i DX i ==L , 令91i i X X ==∑, 则对任意给定的0ε>, 由切比雪夫不等式直接可得{}≥<-ε9X P 291ε-. 解：切比雪夫不等式指出：如果随机变量X 满足：()E X μ=与2()D X σ=都存在, 则对任意给定的0ε>, 有22{||}P X σμεε-≥≤, 或者22{||}1.P X σμεε-<≥-由于随机变量129,,,X X X L 相互独立且同分布, 而且有 1,1(1,2,9),i i EX DX i ===L 所以999111()()19,i i i i i E X E X E X μ===⎛⎫===== ⎪⎝⎭∑∑∑9992111()()19.i i i i i D X D X D X σ===⎛⎫===== ⎪⎝⎭∑∑∑4. 设随机变量X 满足：2(),()E X D X μσ==, 则由切比雪夫不等式, 有{||4}P X μσ-≥ 116≤. 解：切比雪夫不等式为：设随机变量X 满足2(),()E X D X μσ==, 则对任意的0ε>, 有22{||}.P X σμεε-≥≤由此得 221{||4}.(4)16P X σμσσ-≥≤=5、设随机变量2σξμξξ==)(,)(,D E ，则≥<-}|{|σμξ2P 43.6、设n ξξξ,,,Λ21为相互独立的随机变量序列，且),,(Λ21=i i ξ服从参数为λ的泊松分布，则≤-∑=∞→}{lim x n n P ni in λλξ1∞--xt dt e22 .7、设n η表示n 次独立重复试验中事件A 出现的次数，p 是事件A 在每次试验中出现的概率，则≈≤<}{b a P n η⎰-----)1()1(2221p np np b p np np a t dt e π.8. 设随机变量n ξ, 服从二项分布(,)B n p , 其中01,1,2,p n <<=L , 那么, 对于任 一实数x , 有lim {|||}n n P np x ξ→+∞-<= 0 .9. 设12,,,n X X X L 为随机变量序列,a 为常数, 则{}n X 依概率收敛于a 是指 {}=<->∀+∞>-εεa X P n n lim ,0 1 ,或{}=≥->∀+∞>-εεa X P n n lim ,0 0 。
大数定律和中心极限定理例题与解析
要点二
详细描述
中心极限定理是指无论随机变量的个体分布是什么，当样 本量足够大时，样本均值的分布近似正态分布。例如，从 一个总体中随机抽取的100个样本的均值应该接近总体的 均值，并且其分布近似正态分布。
主题总结与启示
• 总结词：大数定律和中心极限定理是概率论中的重要概念，它们揭示了随机现 象的规律性，对于理解和预测随机现象具有重要意义。
大数定律和中心极限定理例题与解 析
目 录
• 引言 • 大数定律例题 • 中心极限定理例题 • 解析与总结
01 引言
主题简介
主题概述
大数定律和中心极限定理是概率论中 的重要概念，它们在统计学、金融、 计算机科学等领域有着广泛的应用。
主题背景
大数定律和中心极限定理分别描述了 在大量数据和独立同分布的情况下， 随机变量的分布规律。
假设我们进行大量的抛硬币实验，每次实验的结果只有两种可能：正面朝上或反面 朝上。根据大数定律，当实验次数足够多时，正面朝上的频率趋近于50%，反面朝 上的频率也趋近于50%。
例题二：抽取彩票
总结词
在抽取大量彩票时，中奖概率趋近于预设的中奖率。
详细描述
假设一张彩票的中奖概率为1%，那么在抽取100张彩票时，根据大数定律，大 约有1张彩票中奖。随着抽取的彩票数量增加，中奖的彩票数量趋近于预设的中 奖率。
例题二：保险精算
总结词
保险精算是中心极限定理在保险业中的一个重要应用 ，用于计算保险费和赔偿金。
详细描述
保险精算是保险业中一项重要的工作，它涉及到如何 合理地计算保险费和赔偿金。在保险精算中，中心极 限定理常常被用来估计某个事件发生的概率。例如， 一个保险公司可能会根据中心极限定理来估计某个特 定人群在未来一年内发生特定事件的概率，从而制定 相应的保险费和赔偿金方案。通过中心极限定理，保 险公司可以更准确地预测风险，从而做出更合理的决 策。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
=X
2 3k
2
X 3k 1 X 3k
,由于{X n}是独立同分布的随机变量序列
所以，{Yn}也是独立同分布的随机变量序列，且
n
Yk
X12
X2X3
X
2 4
X5X6
L
X2 3n2
X 3n1 X 3n
k 1
E[Yk
]
E[
X2 3k 2
X 3k 1 X 3k
]
E[
X2 3k 2
]
E[
X 3k 1 X 3k
解：用 Xi=1表示第i台机床正常工作, 反之记为Xi=0.
又记Y=X1+X2+…+X200，则 E[Y]=140，Var[Y]=42.
设供电量为x, 供电充足即为15Y≤x，则从
P{15Y x}
中解得 x 2252.
x
/
15
0.5 42
140
0.95
三、给定 x 和概率，求 n
补充例5 用调查对象中的收看比例 k/n 作为某电视节
目的收视率 p 的估计。 要有 90％ 的把握，使k/n与p 的差异不大于0.05，问至少要调查多少对象？
解：用 Xn表示n 个调查对象中收看此节目的人数，则
Xn 服从 b(n, p) 分布，k 为Xn的实际取值。根据题意
P Xn / n p 0.05 2 0.05 n / p(1 p) 1 0.90
望，由于Xi服从[5,53]上的均匀分布，所以E[ Xi ] (53 5) / 2 29,i 1, 2,L , n
所以，当n
时，n 次服务时间的算术平均值
1 n
n i 1
Xi以概率1收敛于2（9 分钟）.
注：本题参考答案有误
中心极限定理的应用例题补充
一、给定 n 和 x，求概率
补充例3 100个独立工作(工作的概率为0.9)的部件组 成一个系统，求系统中至少有85个部件工作的概率.
解：用 Xi=1表示第i个部件正常工作, 反之记为Xi=0. 又记Y=X1+X2+…+X100，则 E[Y]=90，Var[Y]=9.
由此得：
P{Y
85}
1
85
0.5 9
90
0.966.
二、给定 n 和概率，求 x
补充例4 有200台独立工作(工作的概率为0.7)的机床，
每台机床工作时需15kw电力. 问共需多少电力, 才可 有95%的可能性保证供电充足?
]
Var[ X 3k2 ] (E[ X 3k2 ])2 E[ X 3k1]E[ X 3k ]
6 4 4 14 k 1, 2,L , n
{Yn}满足辛钦大数定律条件，所以
n
Yk
k 1
X
2 1
X2X3
X
2 4
X5X6
L
X2 3n2
X 3n1 X 3n
P a, n
n
n
a 14
5.11
C
5 500
0.015
0.99495
＝0.17635
(2) 应用正态逼近:
P(X=5) = P(4.5 < X
<
5.5)
5.5 5 4.95
4.5 5 4.95
= 0.1742
从中解得 0.05 n / p(1 p) 1.645
又由 p(1 p) 0.25 可解得 n 270.6 n = 271
补充例6 设每颗炮弹命中目标的概率为0.01， 求500发炮弹中命中 5 发的概率.
解: 设 X 表示命中的炮弹数, 则 X ~ b(500, 0.01)
(1)
P( X
5)
假设某洗衣店为第i个顾客服务的时间X
服从区间[5,53](单位：分钟)
i
上的均匀分布，且对每个顾客是相互独立的，试问当n 时，n次服务时
间的算术平均值
1 n
n i 1
X i以概率1收敛于何值？
解：依题意，显然有，{X n}是一个独立同分布的随机变量序列，只要存在
有限的公共数学期望，则{X n}的算术平均值依概率收敛于其公共数学期