概率论与数理统计第五章优秀课件

合集下载

第五章《概率论与数理统计教程》课件

第五章《概率论与数理统计教程》课件

试决定常数 3.
X ,Y
C
使得随机变量 cY 服从分布

2
分布。
相互独立,都与 N ( 0 , 9 ) 有相同分布, X 分别是来自总体
X ,Y
1
, X 2 , , X 9和
Y1 ,Y 2 , ,Y 9
的样本,

Z
9
X
i
i1
6 - 23
Y
i1
9
则Z 服从—— ,自由度为——。
2 i
4.
X1, X 2, X 3, X 4
是来自总体
X ~ N ( , )
2
的样本,则随机变
量 Y
X3 X4
服从——分布,其自由度为———。
2
(X i )
i1
2
5.

X 1 , X 2 , , X 10
是来自总体 X
~ N ( ,4 )
2
的样本, ( S 2 P
a ) 0 .1
一. 单个正态总体的统计量的分布
X 1 , X 2 , X n是来自正态总体 ~ N ( , 2 )的样本, X
X , S 分别是样本均值和样本 方差
2
定理1
X
n
1
n
X i ~ N ( ,

n
2
);
i1
定理2 U
1
X
/
~ N ( 0 ,1 );
n
定理3
6 - 18
定理7
当 1
2
2 2
2 2 时, 令 S w
( n1 1) S 1 ( n 2 1) S 2
2

《概率论与数理统计》课件 概率学与数理统计 第五章

《概率论与数理统计》课件 概率学与数理统计 第五章

时,
n
n
X k =BnZn + k
k 1
k 1
n
近似地服从正态分布 N( k,Bn2) 。这说明无论随机变量 Xk (k
i 1
n
=1, 2,…)具有怎样的分布,只要满足定理条件,那么它们的和Xk
k 1
当n很大时就近似地服从正态分布。而在许多实际问题中,所
考虑的随机变量往往可以表示为多个独立的随机变量之和,因
实测值的算术平均值
时,取
作为 a 1 n
n i1 X i
1 n
n i 1
Xi
,根据此定理,当
n
足够大
的近似值,可以认为所发生的误差是
很小的,所以实用上往往用某物体的某一指标值的一系列
实测值的算术平均值来作为该指标值的近似值。
第二节 中心极限定理
在第二章,我们说只要某个随机变量受到许多相互独立 的随机因素的影响,而每个个别因素的影响都不能起决定性 的作用,那么就可以断定这个随机变量服从或近似服从正态 分布。这个结论的理论依据就是所谓的中心极限定理。概率 论中有关论证独立随机变量的和的极限分布是正态分布的一 系列定理称为中心极限定理( Central limit theorem) 。下面介 绍几个常用的中心极限定理.
P{X 102} P{ X 100 102 100} 1 P{X 100 2}
1
1
1 (2) 1 0.977250 0.022750.

对敌人的防御地进行100次轰炸,每次轰炸命中目标的炸弹数目是 一个随机变量,其期望值是2,方差是。求在100次轰炸中有180颗到 220颗炸弹命中目标的概率。 解 令第 i 次轰炸命中目标的炸弹数为 Xi ,100次轰炸中命中目

概率论与数理统计课件第5章-PPT精品文档

概率论与数理统计课件第5章-PPT精品文档

PX Q 0 . 5 2
1
第三四分位数Q3: PX Q 0 . 7 5 3
例1
为对某小麦杂交组合F2代的株高X进行研究,抽
取容量为100的样本,测试的原始数据记录如下(单位: 厘米),试根据以上数据,画出它的频率直方图,求随
机变量X的分布状况。
87 99 86 87 84 85 96 90 103 88 91 94 94 91 88 109 83 89 111 98 102 92 82 80 91 84 88 91 110 99 86 94 83 80 91 85 73 98 89 102 99 81 80 87 95 70 97 104 88 102 69 94 95 92 92 90 94 75 91 95 102 76 104 98 83 94 90 96 80 80 90 92 105 92 92 90 94 97 86 91 95 94 88 96 80 94 92 91 77 83
样本方差( X X i n 1i 1


几个常用的统计量
设 (X ,X , 1 2 是总体 X 的一个样本, ,X n) 样本均方差或标准差
2 1 n S X i X n 1i 1


它们的观测值用相应的小写字母表示.反映总 体X取值的平均,或反映总体X取值的离散程度。
几个常用的统计量
设 (X ,X , 1 2 是总体 X 的一个样本, ,X n)
子样的K阶(原点)矩
1 n k Ak X i n i 1
子样的K阶中心矩
1 B k X i X n i1
n


k
数据的简单处理
为了研究随机现象,首要的工作是收集原始数据. 一般通过抽样调查或试验得到的数据往往是杂乱无章

第五章 大数定律与中心极限定理 《概率论》PPT课件

第五章  大数定律与中心极限定理  《概率论》PPT课件

概率论与数理统计
§5.2 中心极限定理
2)中 心极限 定理表明,若 随 机 变 量 序 列
X 1 , X 2 , , X n 独立同分布,且它们的数学期
望及方差存在,则当n充分大时,其和的分布,
n
即 X k 都近似服从正态分布. (注意:不一定是 k 1
标准正态分布)
3)中心定理还表明:无论每一个随机变量 X k ,
概率论与数理统计
§5.1 大数定律
定理1(Chebyshev切比雪夫大数定律)
假设{ Xn}是两两不相关的随机
变量序列,EXn , DXn , n 1,2, 存在,
其方差一致有界,即 D(Xi) ≤L,
i=1,2, …, 则对任意的ε>0,
lim P{|
n
1 n
n i1
Xi
1 n
n i1
E(Xi ) | } 1.
概率论与数理统计
§5.2 中心极限定理
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.
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.
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——林德 伯格(Levy-Lindberg)定理.
概率论与数理统计
§5.2 中心极限定理
大量的随机现象平均结果的稳定性
大量抛掷硬币 正面出现频率
生产过程中的 字母使用频率 废品率
概率论与数理统计
§5.1 大数定律
一、大数定律
阐明大量的随机现象平均结果的稳定性的一系
列定理统称为大数定律。
定义1 如果对于任意 0, 当n趋向无穷时,事件
" Xn X " 的概率收敛到1,即

概率论与数理统计第五章-75页PPT资料

概率论与数理统计第五章-75页PPT资料

解:设两个方案的年总费用都是施工设备的使用天数X的函数: (1)租赁设备年费用为:C1=(300+100)·X (2)购买设备年费用为: C2 =30×104×(A/P,10%,15)+4000+100X 令C1= C2,解得X=145天
PCS Q
由上式可看出,固定成本占总成本比例越大,盈亏平衡业务量越高,盈亏平衡 单位业务量变动成本越低。高的盈亏平衡业务量和低的盈亏平衡业务量变 动成本会导致项目在面临不确定因素的变动发生亏损的可能性增大。因此 控制固定成本对于盈亏平衡点下降有利。
3、方案评选:
例2:某道路施工企业,需要一套大型施工设备,若自 己购买需一次性投资30万元,使用寿命15年,折现率 为10%,年维修费4000元,运行费用100元/日;如果 租赁这种设备,租金为300元/日,运行费用为100元/ 日。问应采取哪种方案?
1、盈亏平衡产量:
Q* C f P Cv
2、若项目设计生产能力为 Q C ,则盈亏平衡生产能力
利用率:
E*Q *10 % 0 Cf 10 % 0
Q C
(PC v)Q C
3、盈亏平衡价格:
P*
Q BQ CCv
Cf Qቤተ መጻሕፍቲ ባይዱ
P*为保本价格
4、盈亏平衡单位产品变动成本:
Cv*
P
Cf Q
5、经营安全率: q Q Q
式中:B——销售收入; C f ——固定成本;
C v ——单位产品变动成本 P——单位产品价格; Q——产品产量 ; C——总生产成本
线性量-本-利分析图
Break even Point 盈亏平衡点
解析方法
在盈亏平衡点,销售收入B等于总成本C,设对应于 盈亏平衡点的产量为Q*,则有:

概率论与数理统计课件_第五章2

概率论与数理统计课件_第五章2

X n X T ~ t(n 1) 2 S n (n 1)S (n 1) 2

别是来自正态总体N(1 ,2)和N(2 ,2)的样本,且 它们相互独立,则统计量
定理5.3 设(X1,X2,…,Xn1)和(Y1,Y2,…,Yn2) 分
X Y (1 2) T ~ t(n1 n2 2) Sn 1 1 n1 n2
, ( t )
其图形如图5-6所示(P106), 其形状类似标准正态分布 的概率密度的图形. 当n较大时, t分布近似于标准正态分布.
当n较大时, t分布近似于标准正态分布. 一般说来,当n>30时,t分布与标准正态分布N(0, 1)就非常接近. 但对较小的n值,t分布与标准正态分布之间有较大 差异.且P{|T|≥t0}≥P{|X|≥t0},其中X ~N(0,1),即在t分 布的尾部比在标准正态分布的尾部有着更大的概率.

O
u
x
所以, u0.05 =1.645.
对标准正态分布变量U~N(0, 1)和给定的, 称满足条件 的点u/2为标准正态分布的双侧分位数或双侧临界值. 如图.
U—分布的双侧分位数 P{|U|≥u/2} =
(x)
u/2可由P{U≥u/2}= /2 即 (u /2) =1- /2
上侧临界值. 如图.
概率分布的分位数(分位点) 定义 对总体X和给定的 (0<<1),若存在x, 使P{X≥x} =, 则称x为X分布的上侧分位数或 y
P { X ≥ x } =
o
若存在数1、2,使
x x
x


f(x)dx
y
2 P{X ≥ 1 }= P{X ≤ 2 }

同济大学概率论与数理统计第五章.ppt

同济大学概率论与数理统计第五章.ppt

概率函数或边缘分布(律)为
P Y bj
pij
p

j
j
1, 2,
i
例2. 一口袋中有 5 个球,4 个白的、1 个 红的。无放回抽样接连摸两次,

X
1 0
第一次取到红球 , 第一次取到白球
1 Y 0
第二次取到红球 第二次取到白球
,试求:(1)
X
与Y 的边缘概率函数;(2) P X Y 。
例 4.设 X 与Y 的联合密度函数为
f
x,
y
2 xy
0
x, yG ,
其余
区域 G 由直线 y x 、 x 2 及 x 轴所围。 2
试求 X 与Y 的边缘密度函数。
定理 2.
设 X ,Y
N
1,
2
,12
,
2 2
,

则 X
N 1,12 , Y
N
2
,
2 2

四 随机变量的相互独立性
概率函数。
设随机向量 X,Y 的联合分布为
P X ai ,Y bj pij , i, j 1, 2, ,
X 的值域为 X a1, a2, ,则 X 的边缘
概率函数为 P X ai pij pi ,
j
i 1, 2, ;
Y 的值域为 Y b1,b2, ,定义Y 的边缘
利用联合概率函数,可求任意随机事件的概率:
P X ,Y D P X ai ,Y bj ai ,bj D
pij
i, j, ai ,bj D
(二) 边缘概率函数
对于二维随机向量 X,Y ,分量 X 或Y
本身是一个(一维)随机变量,它的概

概率论与数理统计教程第二版茆诗松课件PPT第五章

概率论与数理统计教程第二版茆诗松课件PPT第五章

12 April 2016
第五章 统计量及其分布
第19页
§5.2 样本数据的整理与显示
5.2.1 经验分布函数
设 x1, x2, …, xn 是取自总体分布函数为F(x)的样 本,若将样本观测值由小到大进行排列,为 x(1), x(2), …, x(n),则称 x(1), x(2), …, x(n) 为有序样本, 用有序样本定义如下函数 0, x < x(1) Fn ( x ) k / n , x(k ) x x(k 1) , 1, x(n ) x
原因在于总体的差异上!
1979年4月17日日本《朝日新闻》刊登调查报 告指出,日产SONY彩电的彩色浓度服从正态 分布N(m, (5/3)2) ,而美产SONY彩电的彩色浓 度服从(m5 , m+5)上的均匀分布。
12 April 2016
第五章 统计量及其分布
第8页
图5.1.1 SONY彩电彩色浓度分布图
第五章 统计量及其分布
第22页
其经验分布函数为
Fn(x) =
0, 0.2, 0.4, 0.8, 1,
x < 344 344 x < 347 347 x < 351 351 x < 355 x 355
由伯努里大数定律: 只要 n 相当大,Fn(x)依概率收敛于F(x) 。
12 April 2016
第五章 统计量及其分布
第6页
比如:两个生产同类产品的工厂的产品的总体 分布:
X p 0 0.983 1 0.017
X
p
0
0.915
1
0.085
12 April 2016
第五章 统计量及其分布

《概率论与数理统计》课件第五章大数定律及中心极限定理

《概率论与数理统计》课件第五章大数定律及中心极限定理
有极其重要的地位?
4.大样本统计推断的理论基础
是什么?
大数定律中心极限定理
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频率
字母使用频率
生产过程中的废品率
§5.1 大数定律
背景:1. 频率稳定性2. 大量测量结果算术平均值的稳定性
回顾
随机现象的主要研究方法
概率分布
01
证:_x001A__x001B__x001B_,_x001A__x001B__x001B_,⋯, _x001A__x001B__x001B_, ⋯相互独立同分布,则_x001A__x001B__x001B__x001B_,_x001A__x001B__x001B__x001B_, ⋯,_x001A__x001B__x001B__x001B_, ⋯也相互独立同分布,由辛钦大数定律得证.
第五章 大数定律及中心极限定理
§5.1 大数定律§5.2 中心极限定理
要点:用切比雪夫不等式估算概率独立同分布,用中心极限定理计算对于二项分布,当n很大时,计算
本章要解决的问题
1.为何能以某事件发生的频率
作为该事件的概率的估计?
2.为何能以样本均值作为总体
期望的估计?
3.为何正态分布在概率论中占
解:(1)设X表示一年内死亡的人数,则~(, ),其中=,=.%. 设Y表示保险公司一年的利润,=×−.需要求的是_x001A_<_x001B_.
由中心极限定理
_x001A_<_x001B_=_x001A_×−<_x001B_ =_x001A_>_x001B_=−_x001A_≤_x001B_
且,
由中心极限定理
解:设为第i个螺丝钉的重量, 相互独立同分布. 于是,一盒螺丝钉的重量为

概率论与数理统计第五章ppt课件

概率论与数理统计第五章ppt课件

完整编辑ppt
8
定理1 (切贝谢夫定理)设1,2,...,是相互独立的随机 变量序列,各有数学期望E1,E2,...及方差D1,D2,... 并且对于所有i=1,2,...Di M,M与i无关,则任给0
limP n
1 n
n i1
i
1 n
n i1
Ei
1
此 定 理 表 明 n 个 独 立 随 机 变 量 的 平 均 值 n 1i n 1 i 依 概 率 收 敛 于 其 数 学 期 望 n 1i n1Ei
E
E (x E 2 )2 (x )d x E (x E 2 )2 (x )d x
(xE)2 2
(x)dx
D 2
完整编辑ppt
3
例 1设 是 掷 一 颗 骰 子 所 出 现 的 点 数 , 若 给 定 = 1, 2, 实 际 计 算 P(|-E|),并 验 证 切 贝 谢 夫 不 等 式 成 立 。
完整编辑ppt
23
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。
解 : 5 0 0 发 炮 弹 中 命 中 飞 机 的 数 目 服 从 二 项 分 布
n=500 p=0.01
np 5
npq 2.225
(1)直接计算
P ( 5 ) C 5 5 0 00 .0 1 5 0 .0 9 4 9 5=0.17635
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。
切贝谢夫不等式: 设 随 机 变 量 有 期 望 值 E 与 方 差 D 。 对 任 给 >0,有 P(|E|)D 2 P(|E|)1D 2
证 : 若 是 离 散 型 随 机 变 量 ,

概率论与数理统计PPT第5章

概率论与数理统计PPT第5章

三、大数定律
14
三、大数定律 例4
15
1 2 3
三、大数定律 解
16
三、大数定律 例4 续
01
OPTION
17
Байду номын сангаас
02
OPTION
03
OPTION
18
目录/Contents
5.1 5.2
大数定律 中心极限定理
中心极限定理 例5(高尔顿钉板实验)
19
如图,有一排有一个板上面有排钉子,每排相
邻的两个钉子之间的距离均相等。上一排钉子的水 平位置恰巧位于下一排紧邻的两个钉子水平位置的 正中间。从上端入口处放入小球,在下落过程中小 球碰到钉子后以相等的可能性向左或向右偏离,碰
1
随机事件与概率
05
《概率论与数理统计》 & 人民邮电出版社
2
目录/Contents
5.1 5.2
大数定律 中心极限定理
3
目录/Contents
5.1
大数定律
一、切比雪夫(Chebyshev)不等式 二、依概率收敛 三、大数定律
一、切比雪夫不等式 例1
4
一、切比雪夫不等式 定理1(切比雪夫不等式)
28
顾客,试用中心极限定理来揭穿这个街头赌博中的
骗术。

中心极限定理
29
-1 0.5
1 0.5
中心极限定理
30
中心极限定理 定理7(德莫弗—拉普拉斯中心极限定理)
31
中心极限定理 例7 某 单 位 的 局 域 网 有 100 个 终 端 , 每 个 终 端 有 10% 的时间在使用 , 如果各个终端使用与否是相互 独立的.(1)计算在任何时刻同时最多有15个个终 端在使用的概率;(2)用中心极限定理计算在任

华东理工大学概率论与数理统计课件第五章

华东理工大学概率论与数理统计课件第五章

例11:设随机变量X 服从正态分布N ( , 2 , ) 而 X1 ,, X 9
分别是来自总体 X 的 s.r.s,且
2 Y1 X i / 6,Y2 X i / 3,s 2 = (X i -Y2) /2 i 1 i 7 i 7 6 9 9
求证:
Z=
证:
( 2 Y1 -Y2) ~t(2) s
3) X与 S 相互独立.
2
X

2
n 2 (n 1) S

2
/(n 1)
X ~ t (n 1) S/ n
4)设X~N(μ1,σ12),Y~ N(μ2,σ22),从中分别抽取
容量为n1,n2的样本,且两组样本独立,则
( X Y ) ( 1 2 )
2 5)当 1
2

1
2 0.975
(10) 20.483
ห้องสมุดไป่ตู้
2
2 0.05
(10) 3.940
例 设 X 1 , X 2 , X 3 , X 4是取自总体N(0,4)的简单随机样本
X a( X 1 2 X 2 ) b(3 X 3 4 X 4 ) 当a =___,b=___时,
X1 ,, X 25
P(0 X 6, 57.7 s 151.73)
2
解:
P(0 X 6, 57.7 s 2 151.73) =P(0 X 6)P(57.7 s 2 151.73)
0-3 X-3 6-3
24s 2 =P( )P(13.848 36.4152) 100 100 100 100 25 25 25 =(2(1.5) -1)(0.95-0.05) =(2 0.9332-1) 0.9 =0.77976
  1. 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. 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. 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)。
定理5.1
设{Xn} 相互独立,且Xn方差存在,有 共同的上界,则 {Xn}服从大数定律. 证明用到切比雪夫不等式.
贝努利大数定律
定理5.2
设 n 是n重贝努利试验中事件A出现的次数, 每次试验中 P(A) = p, 则对任意的 > 0,有
nlim P
n
n
p
1
辛钦大数定律
定理5.3
若随机变量序列{Xn}独立同分布,且Xn的
2 i
i1
注意点
当{Xn} 为独立同分布时, ai=, i=,则
P
a
n i 1
Xi
b
b n
a n
n 2 n 2
例 每袋茶叶的净重为随机变量,平均重量为100克, 标准差为10克。一箱内装200袋茶叶,求一箱茶叶的 净重大于20500克的概率? P112(6)
解: 设箱中第 i 袋茶叶的净重为 Xi, 则X1 独立同分布, 且 E(Xi)=100,Var(Xi) =100,
一、给定 n 和 y,求概率
例: P113 100个独立工作(工作的概率为0.9)的部件组成一
(13) 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}
2 4.08 1 2 0.99997748 1 0.99995496
二、给定 n 和概率,求 y
例: 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%的可能性保证正常生产? P113(10)
解:用 Xi=1表示第i台机床正常工作, 反之记为Xi=0.
由中心极限定理得,所求概率为:
P
200 i 1
Xi
20500
1
20500 200 100 200 100
1 (3.54) = 0.0002
故一箱茶叶的净重大于20500克的概率为0.0002. (很小)
例 设 X 为一次射击中命中的环数,其分布列为
X 10 9 8 7
6
P 0.8 0.1 0.05 0.02 0.03
数学期望存在E(Xi)=a。则 {Xn}服从大数
定律.
nlim
P
1 n
n
i 1
Xi
a
1
§5.4 中心极限定理
正态分布是概率统计中最重要的分布, 其原因在于:
1. 很多随机现象可以用正态分布描述; 2. 很多随机现象可以近似用正态分布描述。
正态分布的来源:误差理论
误差由许多原因引起:
人为的、设备的、环境的、突发的、……
解:
解: 设X 表示100户中被盗索赔户数,则
X ~ b(100, 0.2)
所求 P(14≤X≤30)
30
4
20
14
4
20
(2.5) ( 1.5) (2.5) [1 (1.5)]
= 0.927
注意点
中心极限定理的应用有三大类: i) 已知 n 和 y,求概率; ii) 已知 n 和概率,求y ; iii) 已知 y 和概率,求 n .
(3.53) (6.85) 0.00021
二项分布的正态近似
定理5.5 拉普拉斯中心极限定理
设n 为服从二项分布 b(n, p) 的随机变量,则当 n
充分大时,有
lim
n
P
n
np
npq
y
( y)
例 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
85
90 9
(1.67)
0.95254.
课堂练习
P113 (8)
n 10000, p 0.6.
D
10000 i1
X i
np(1
p)
2400,
E
10000 i 1
X
i
np
6000,
P
10000
5800 X 6200 i i 1
6200 6000 2400
5800 6000 2400
求100次射击中命中环数在900环到930环之间的概率.
解: 设 Xi 为第 i 次射击命中的环数,则Xi 相互独立同分布,
且 E(Xi) =9.62,Var(Xi) =0.82,故
P
900
100 i 1
Xi
930
930 100 9.62 100 0.82
900 100 9.62 100 0.82
(1)
P( X
5)
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
例 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%. 随机抽查100户,求被盗索赔户 不少于14户且不多于30户的概率.
又记Y=X1+X2+…+X200,则 E(Y)=140,Var(Y)=42.
设供电量为y, 则
P{15Y
y}
y
/ 15 140 42
0.95
二、给定 n 和概率,求 y
例: 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%的可能性保证正常生产? P113(10)
概率论与数理统计 第五章
大数定律
➢ 讨论 “概率是频率的稳定值”的确切含义; ➢ 给出几种大数定律:
切比雪夫大数定律(定理5.1)P105; 贝努里大数定律(定理5.2)P106 ; 辛钦大数定律(定理5.3)P107.
大数定律一般形式:
若随机变量序列{Xn}满足:
nlim
P
1 n
n
i 1
Xi
1 n
n
E(Xi)
i 1
1
则称{Xn} 服从大数定律.
§5.2 切比雪夫不等式
设随机变量X的方差存在(这时均值也存在), 则 对任意正数ε,有下面不等式成立
P{| X E( X ) | } Var( X ) 2
P{| X E( X ) | } 1 Var( X ) 2
§5.3 切比雪夫大数定律
X1、 X2、
n
所以总误差= Xi i1
X3、
X4、……
中心极限定理:什么条件下
n
Xi 的分布可以用正态分布近似?
i1
定理5.4 李雅普诺夫中心极限定理 P108
设 {Xn} 为独立随机变量序列,数学期望为ai,
方差为 i2>0,则有
lim
n
P
n i1
(
Xi Sn
ai
)
x (Biblioteka x)nSn
相关文档
最新文档