切比雪夫定理不等式45页PPT
合集下载
概率论与数理统计51切比雪夫不等式和大数定律课件
概率论与数理统计51切比雪夫不 等式和大数定律课件
目录
• 切比雪夫不等式 • 大数定律 • 切比雪夫不等式与大数定律的联系 • 案例分析 • 习题与解答
01
切比夫不等式
Chapter
切比雪夫不等式简介
01
切比雪夫不等式是概率论中的一个基本不等式，它提供了在一定条件下，一个随 机变量的概率分布的上界和下界。
注意事项
使用切比雪夫不等式时，应注意其适用条件，特 别是随机变量的方差必须存在。
大数定律
要点一
总结词
大数定律描述了当试验次数趋于无穷时，随机事件的相对 频率趋于其概率的规律。
要点二
详细描述
大数定律表明，当试验次数n趋于无穷时，随机事件的相 对频率将以概率收敛于该事件的概率。具体来说，对于任 意小的正数ε，有$lim_{n to infty} P(| frac{X_n}{n} - p| < varepsilon) = 1$，其中$X_n$是n次试验中事件A发生的 次数，p是事件A的概率。
切比雪夫不等式的限制
虽然切比雪夫不等式在许多情况下都 很有用，但它也有一些限制。例如， 当随机变量的分布不是对称的或者偏 斜度较大时，切比雪夫不等式的估计 可能会不准确。
VS
因此，在使用切比雪夫不等式时，需 要考虑到这些限制，并根据具体情况 进行适当的调整和修正。
02
大数定律
Chapter
大数定律的定义
大数定律
定义
大数定律是指在独立同分布随机变量 序列中，当样本量趋于无穷大时，样 本均值的概率分布趋近于真实均值。
应用
大数定律在统计学中有着重要的应用 ，例如在样本均值的分布、置信区间 估计和假设检验等领域。
切比雪夫不等式与大数定律的联系
目录
• 切比雪夫不等式 • 大数定律 • 切比雪夫不等式与大数定律的联系 • 案例分析 • 习题与解答
01
切比夫不等式
Chapter
切比雪夫不等式简介
01
切比雪夫不等式是概率论中的一个基本不等式，它提供了在一定条件下，一个随 机变量的概率分布的上界和下界。
注意事项
使用切比雪夫不等式时，应注意其适用条件，特 别是随机变量的方差必须存在。
大数定律
要点一
总结词
大数定律描述了当试验次数趋于无穷时，随机事件的相对 频率趋于其概率的规律。
要点二
详细描述
大数定律表明，当试验次数n趋于无穷时，随机事件的相 对频率将以概率收敛于该事件的概率。具体来说，对于任 意小的正数ε，有$lim_{n to infty} P(| frac{X_n}{n} - p| < varepsilon) = 1$，其中$X_n$是n次试验中事件A发生的 次数，p是事件A的概率。
切比雪夫不等式的限制
虽然切比雪夫不等式在许多情况下都 很有用，但它也有一些限制。例如， 当随机变量的分布不是对称的或者偏 斜度较大时，切比雪夫不等式的估计 可能会不准确。
VS
因此，在使用切比雪夫不等式时，需 要考虑到这些限制，并根据具体情况 进行适当的调整和修正。
02
大数定律
Chapter
大数定律的定义
大数定律
定义
大数定律是指在独立同分布随机变量 序列中，当样本量趋于无穷大时，样 本均值的概率分布趋近于真实均值。
应用
大数定律在统计学中有着重要的应用 ，例如在样本均值的分布、置信区间 估计和假设检验等领域。
切比雪夫不等式与大数定律的联系
切比雪夫不等式与大数定律ppt课件
的期望的偏差不小于 的概率的估计式 .
如取 = 3
P{| X E(X ) | 3} 2 0.111 9 2
可见，对任给的分布，只要期望和方差 2存在，
则 r.v X取值偏离E(X)超过 3 的概率小于0.111 .
大数定律的客观背景
大量随机试验中
事件发生的频率稳定于某一常数 测量值的算术平均值具有稳定性
依概率收敛比高等数学中的普通意义下的收敛 弱些，它具有某种不确定性.
定理2的另一种叙述形式
设随机变量X1，X 2 , , X n , 相互独立，且具
有相同的数学期望和方差：E( X k ) = m, D( X k ) = 2
(k = 1, 2,
)，则序列X
=
1 n
n k =1
X k依概率收敛于m，即
一个常数.若对于任意正数，有
lim
n
P{|
Yn
a
|
}
=
1
则称序列Y1,Y2, Yn , 依概率收敛于a.记为
Yn P a.
请注意 :
X n依概率收敛于a，意味着对任意给定的 0，
当n充分大时，事件 X n X 的概率很大，接近于1； 并不排除事件 X n X 的发生，而只是说他发生的
可能性很小.
n
P{|
1 n
n i =1
Xi
m
|
} = 1
E(Xk ) D(Xk )
=m =2
E( X ) = m lim
n
P{|
1 n
n i =1
Xi
m
|
}
=1
k
大数定律以严格的数学形式表达了随机现
象最根本的性质之一：
3-8切比雪夫不等式
目录 上一页 下一页 返回 结束
概率论与数理统计教程（第四版）
§3.8 切比雪夫不等式与大数定律
[例] 从某工厂生产的产品中任取 200 件来检查， 是否相信该工厂的产品 结果发现其中有 6 件次品， 的次品率 p ≤ 1% ? 解：假设该工厂的次品率 p ≤ 1%, 则检查 200 件产品 发现其中次品数 X ≥ 6的概率
概率论与数理统计教程（第四版）
目录
上一页
下一页
返回
结束
§3.8 切比雪夫不等式与大数定律
小结
D X) ( [ 1. 切比雪夫不等式： P X −E(X) ≥ε] ≤ 2 .
2. 大数定律及其含义. 3. 小概率事件的实际不可能性原理. .
ε
概率论与数理统计教程（第四版）
目录
上一页
下一页
返回
结束
§3.8 切比雪夫不等式与大数定律
D X) ( ≥1− 2 .
ε
切比雪夫不等式给出了离差与方差的关系， 可用它 注： 来估计 [ X − E ( X ) < ε ] 的概率.
概率论与数理统计教程（第四版）
目录
上一页
下一页
返回
结束
§3.8 切比雪夫不等式与大数定律
2.大数定律 .
[定义 对随机变量序列 X 1 , X 2 ,⋯ , X n ,⋯, 若存在 定义] 定义 常数 a , 使得对于任意的 正数 ε ,
概率论与数理统计教程（第四版）
目录
上一页
下一页
返回
结束
第三章 随机变量的数字特征
§3.8 切比雪夫不等式与大数定律
概率论中用来阐明大量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.
概率论与数理统计教程（第四版）
§3.8 切比雪夫不等式与大数定律
[例] 从某工厂生产的产品中任取 200 件来检查， 是否相信该工厂的产品 结果发现其中有 6 件次品， 的次品率 p ≤ 1% ? 解：假设该工厂的次品率 p ≤ 1%, 则检查 200 件产品 发现其中次品数 X ≥ 6的概率
概率论与数理统计教程（第四版）
目录
上一页
下一页
返回
结束
§3.8 切比雪夫不等式与大数定律
小结
D X) ( [ 1. 切比雪夫不等式： P X −E(X) ≥ε] ≤ 2 .
2. 大数定律及其含义. 3. 小概率事件的实际不可能性原理. .
ε
概率论与数理统计教程（第四版）
目录
上一页
下一页
返回
结束
§3.8 切比雪夫不等式与大数定律
D X) ( ≥1− 2 .
ε
切比雪夫不等式给出了离差与方差的关系， 可用它 注： 来估计 [ X − E ( X ) < ε ] 的概率.
概率论与数理统计教程（第四版）
目录
上一页
下一页
返回
结束
§3.8 切比雪夫不等式与大数定律
2.大数定律 .
[定义 对随机变量序列 X 1 , X 2 ,⋯ , X n ,⋯, 若存在 定义] 定义 常数 a , 使得对于任意的 正数 ε ,
概率论与数理统计教程（第四版）
目录
上一页
下一页
返回
结束
第三章 随机变量的数字特征
§3.8 切比雪夫不等式与大数定律
概率论中用来阐明大量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.
第45讲 切比雪夫不等式
概率论与数理统计主讲：四川大学四川大学第45讲切比雪夫不等式1第五章大数定律及中心极限定理四川大学第45讲切比雪夫不等式3第五章大数定律及中心极限定理§0切比雪夫不等式§1 大数定律§2中心极限定理四川大学第45讲切比雪夫不等式4§5.0 切比雪夫不等式四川大学第45讲切比雪夫不等式5第45讲切比雪夫不等式四川大学牟尼沟四川大学第45讲切比雪夫不等式6切比雪夫(1821~1894)ЧебышёвChebyshev俄罗斯数学家、力学家。
他一生发表了70多篇科学论文，内容涉及数论、概率论、函数逼近论、积分学等方面。
他证明了贝尔特兰公式，自然数列中素数分布的定理，大数定律的一般公式以及中心极限定理。
四川大学第45讲切比雪夫不等式15例子四川大学第45讲切比雪夫不等式16-四川大学第45讲切比雪夫不等式24例5 证明方差的性质4 ( 教材103页(第41讲) )：设()0{()}1D X P XE X =⇔==证充分性（教材103页）{()}1P X E X ==则22[()]{}1P X E X ==2()X 2]E X=⨯2[()]E X =22()()[()]D X E X E X =-0=四川大学四川大学四川大学第45讲切比雪夫不等式26例6 设某电网有10000盏电灯，夜间每一盏灯开灯的概率都是0.7。
假设电灯开、关时间彼此独立，试估计夜晚同时开着的电灯数在6800与7200盏之间的概率。
解用X 表示在夜晚开着的电灯的盏数，则X 服从参数n =10000, p =0.7的二项分布。
(k =0, 1, …, n ){}P X k =(1)kk n k n C p p -=-{68007200}P X <<100007199100006801(0.7)(0.3)k k k k C -==∑计算量太大。
下面用切比雪夫不等式估计概率四川大学四川大学四川大学第45讲切比雪夫不等式28例7 一机床加工长为50cm 的零件，由于随机扰动，零件长度有一定误差。
切比雪夫不等式
不等式的其它形式
例1 估计
的概率
解
例2一电网有1万盏路灯， 晚上每盏灯开的概率为0.7. 一电网有1万盏路灯， 晚上每盏灯开的概率为0.7. 求同时开的灯数在6800至7200之间的概率。 求同时开的灯数在6800至7200之间的概率。 6800 之间的概率 解 为同时开的灯数。 设X 为同时开的灯数。
≤
| x− |≥
∫ε µ
1
2
|x − µ |
2
ε
2
f ( x)dx
2
≤∫
|x − µ |2
≤
ε
∫ (x − µ)
f ( x)dx
σ = 2 ε
ε
2
f ( x)dx
2
是 于 P{| X − µ |< ε} ≥ 1−σ / ε
2
2
P{| X − µ |≥ ε } ≤ σ 2 / ε 2
P{| X − µ |< ε } ≥ 1−σ / ε
2 2
称此式为切比晓夫不等式. 称此式为切比晓夫不等式.
P{| X − µ |≥ ε } ≤σ 2 / ε 2
P{| X − µ |< ε } ≥ 1−σ / ε
2
2
证明：设X为连续性（离散型类似），其密度为 f ( x). 证明： 为连续性（离散型类似），其密度为 ），
P{| X − µ |≥ ε }
定理：（切比雪夫不等式） 定理：（切比雪夫不等式） ：（切比雪夫不等式
设随机变量X 设随机变量X 有数学期望 EX = µ, 方 DX = σ 2 差 对任意 ε > 0 , 不等式
P{| X − µ |≥ ε } ≤ σ 2 / ε 2
或 成立， P{| X − µ |< ε } ≥ 1−σ / ε 成立，
第45讲 切比雪夫不等式
第五章大数定律及中心极限定理§0 切比雪夫不等式§1大数定律§2中心极限定理§5.0切比雪夫不等式定理（切比雪夫不等式）设随机变量X 的数学期望E (X )和方差D (X )都 存在，则对任意ε > 0，都有百度传课 我们知道，随机变量X 的方差D (X )描述的是X 的取值偏离其均值E (X )的程度。
下面这个定理给出了方差与均值满足的一个 不等式。
四川大学 徐小湛证（连续型）设X的概率密度为f(x)百度传课证（离散型）设X的分布律为p k =P{X =xk}(k =1,2,..)切比雪夫不等式的意义：在随机变量X的分布未知，而只知道X的均值和方差（或已知分布但很复杂）的情况下，切比雪夫不等式给出了概率的一个估计范围。
切比雪夫不等式可用于以下情形：在已知E(X), D(X)的情况下(1)对给定的ε> 0，估计|X-E(X)| ≥ε的概率。
(2)对给定的概率p ，确定所需的区间长度，即确定满足不等式的ε。
百度传课 、 。
切比雪夫 (1821~1894) ЧебышёвChe bys hev 俄罗斯数学家、力学家。
他一生发表了70多篇科学论 文，内容涉及数论、概率论 函数逼近论、积分学等方面 他证明了贝尔特兰公式，自 然数列中素数分布的定理， 大数定律的一般公式以及中 心极限定理。
例子解例 若随机变量X 服从参数为 2 的泊松分布， 用切比雪夫不等式估计，P {|X -2|≥4}≤1 8 。
42 16 8P { X -2 ≥ 4} = P { X - E (X ) ≥ 4} ≤ D (X ) = 2 = 1课 例 设某电网有10000盏电灯，夜间每一盏灯 开灯的概率都是0.7。
假设电灯开、关时间彼 此独立，试估计夜晚同时开着的电灯数在6800 与7200盏之间的概率。
10000 7199 k C (0.7)k (0.3)10000-kk =6801 = ∑ 计算量太大。
§5.1 切比雪夫不等式
7
例5.2 设r.v.Ｘ和Ｙ的数学期望都是2，方 差分别为1和4，而相关系数为0.5，利用切比雪 夫不等式给出概率 P X Y 6 的下界估计．
解 若记 Z X Y , 则 EZ 0, 而
DZ D( X Y ) DX DY 2Cov( X , Y )
6
●切比雪夫不等式在概率估计方面起重要
作用．给出了概率 P X EX 的最小上
界和 P X EX 的最大下界估计．
例5.1 设r.v.Ｘ的方差为2，利用切比雪夫 不等式给出概率 P X EX 2 的上界估计．
DX 2 1 解 P X EX 2 2 2 . 2 2 2
DX DY 2 XY DX DY 3,
于是，由切比雪夫不等式得
P X Y 6 P Z EZ 6 DZ 3 11 1 2 1 . 6 36 12
8
例5.3 设电站供电网有10000盏电灯，夜 晚每一盏灯开灯概率都是0.6，而假定各盏灯 开、关彼此独立，估计夜晚同时开着的灯数 在5800至6200之间的概率．
9
第 5章
大数定律与中心极限定理
1
随机现象是本门课程的研究对象，本门课 程的任务是研究随机现象的统计规律，而统计 规律是在大数次重复试验中呈现出来的． 作为概率论中最重要同时也最精彩的极限 定理就是揭示各种统计规律． 大数定律和中心极限定理是统计规律的两 种重要的表现形式，是概率论极限定理中的重
要内容，在概率论和数理统计的理论研究和实
际应用中都具有重要的意义．
2
§5.1 切比4)
3
定理5.1 若r.v.Ｘ的期望 EX 和方差 DX 都存在，则对任意的 0, 有
例5.2 设r.v.Ｘ和Ｙ的数学期望都是2，方 差分别为1和4，而相关系数为0.5，利用切比雪 夫不等式给出概率 P X Y 6 的下界估计．
解 若记 Z X Y , 则 EZ 0, 而
DZ D( X Y ) DX DY 2Cov( X , Y )
6
●切比雪夫不等式在概率估计方面起重要
作用．给出了概率 P X EX 的最小上
界和 P X EX 的最大下界估计．
例5.1 设r.v.Ｘ的方差为2，利用切比雪夫 不等式给出概率 P X EX 2 的上界估计．
DX 2 1 解 P X EX 2 2 2 . 2 2 2
DX DY 2 XY DX DY 3,
于是，由切比雪夫不等式得
P X Y 6 P Z EZ 6 DZ 3 11 1 2 1 . 6 36 12
8
例5.3 设电站供电网有10000盏电灯，夜 晚每一盏灯开灯概率都是0.6，而假定各盏灯 开、关彼此独立，估计夜晚同时开着的灯数 在5800至6200之间的概率．
9
第 5章
大数定律与中心极限定理
1
随机现象是本门课程的研究对象，本门课 程的任务是研究随机现象的统计规律，而统计 规律是在大数次重复试验中呈现出来的． 作为概率论中最重要同时也最精彩的极限 定理就是揭示各种统计规律． 大数定律和中心极限定理是统计规律的两 种重要的表现形式，是概率论极限定理中的重
要内容，在概率论和数理统计的理论研究和实
际应用中都具有重要的意义．
2
§5.1 切比4)
3
定理5.1 若r.v.Ｘ的期望 EX 和方差 DX 都存在，则对任意的 0, 有
3-4切比雪夫不等式与大数定律-PPT文档资料
2 2 2 2
重 要 性 : 不 知 道 X 的 分 布 ( f ( x ) , p ) 情 况 下 , 通 过 E ( X ) , D ( X ) k
ቤተ መጻሕፍቲ ባይዱ
如 取 3 ,则 P { | X E () X |3 } 0 . 1 1 1 9
2 2
估 计 事 件 { | X E () X | } 的 概 率 下 限 .
n n 1 n A ( ) X p ( A ) 特例：频率的稳定性。 RA n i n n i 1
n n 1 1 P 核 心 : X , X , . . . , X 满 足 什 么 条 件 时 , X E () X 12 n i i n n i 1 i 1
n
P l i m P { X a } 1 , 则 称 {} X 依 概 率 收 敛 于 a . 记 作 : X a . n n n
说 明 : ( 1 ) 另 一 种 形 式 l i m P { X a } 0 n
n
( 2 ) 对 N , n N 时 , 落 在 邻 域 U ( a , ) 外 的 X 个 数 有 限 , 测 度 为 0 . n
P 即 满 足 什 么 条 件 时 ,X E () X
1、切比雪夫大数定律
设 随 机 变 量 X ,X ,. . . ,X 相 互 独 立 , 且 数 学 期 望 和 方 差 相 同 . 1 2 n 1n 即 EX ( i) = , DX ( i) = ( 比 P 8 9 条 件 弱 ) , 令 X X 则 对 于 i, ni 1
一、切比雪夫不等式
1、马尔科夫不等式
重 要 性 : 不 知 道 X 的 分 布 ( f ( x ) , p ) 情 况 下 , 通 过 E ( X ) , D ( X ) k
ቤተ መጻሕፍቲ ባይዱ
如 取 3 ,则 P { | X E () X |3 } 0 . 1 1 1 9
2 2
估 计 事 件 { | X E () X | } 的 概 率 下 限 .
n n 1 n A ( ) X p ( A ) 特例：频率的稳定性。 RA n i n n i 1
n n 1 1 P 核 心 : X , X , . . . , X 满 足 什 么 条 件 时 , X E () X 12 n i i n n i 1 i 1
n
P l i m P { X a } 1 , 则 称 {} X 依 概 率 收 敛 于 a . 记 作 : X a . n n n
说 明 : ( 1 ) 另 一 种 形 式 l i m P { X a } 0 n
n
( 2 ) 对 N , n N 时 , 落 在 邻 域 U ( a , ) 外 的 X 个 数 有 限 , 测 度 为 0 . n
P 即 满 足 什 么 条 件 时 ,X E () X
1、切比雪夫大数定律
设 随 机 变 量 X ,X ,. . . ,X 相 互 独 立 , 且 数 学 期 望 和 方 差 相 同 . 1 2 n 1n 即 EX ( i) = , DX ( i) = ( 比 P 8 9 条 件 弱 ) , 令 X X 则 对 于 i, ni 1
一、切比雪夫不等式
1、马尔科夫不等式
精品5.1切比雪夫不等式.ppt
16
(2) 切比雪夫不等式也从另一角度体现了方差D(X)
的意义。从切比雪夫不等式可以看出，随机变量
X的方差越小，则X的取值越集中在其中心E(X)的
附近。方差越小，X取值越集中在区间(E(X)-ε,
E(X)+ε)之内。
(3)可以证明方差性质
优选文档
3
例一台设备由10个独立工作的元件组成,每一元件 在时间T发生故障的概率为0.05．设在时间T发生 故障的元件数为X.试用切比雪夫不等式估计随机 变量X与其数学期望的偏差（若不对称？） （a）小于2；(b)不小于2的概率． 解 （a）由题意知X~b(10, 0.05)，且
优选文档
7
• 解：设 表 示 六 颗 骰 子 出 现 的 点 数 总 和。
i，表 示 第 i 颗 骰 子 出 现 的 点 数 ，
i = 1，2，…，6 1， 2， … ，6
相互独立，显然
6
i
i1
Ei
1 1 2 3 4 5 6
6
7 2
Di
1 6
12
22
62
49 35 4 12
方差D(X)=2, 则对任意的正数，有
P{|X
|
}
2 2
P{|
X
|
}
1
2 2
--------切比雪夫(chebyshev)不等式．
证明:（X为连续型） 设X的概率密度为f(x)，则
P{| X - | } f ( x)dx
(x )2
f ( x)dx
| x |
|x| 2
1 2
优选文档
5
• 解：设表示1000次独立试验中事件A发生 的次数，则 E(X ) 500, D(X ) 250
5.1 切比雪夫不等式
DX
2
切比谢夫不等式给出了随机变量落在以期望 EX 为中心的对称区间（ EX , EX ）之外（以内） 的概率的上（下）界．
例1
若 DX 0 ，试证 P ( X EX ) 1 ．
证 由切比谢夫不等式知， 对于任意的 0 均有
P ( X EX )
5.1
切比谢夫不等式
切比谢夫不等式
一、切比谢夫不等式
定理1 设随机变量 X 的方差存在， 则对任意的 0 有 P ( X EX ) 证
DX
2
如果 X 是连续型随机变量， ~ p( x ) ，则 X
P ( X EX )
1
x EX
p( x )dx
EX np 200 0.5 100, DX npq 200 0.5 0.5 50 P (80 X 120 ) P ( X 100 20)
50 1 2 0.875. 20
x EX
( x EX )2
2
p( x )dx
DX
( x EX ) p( x )dx 2
2 2
当 X 是离散型随机变量，只需将上述证明中的概率 密度换成分布列，积分号换成求和号即可． 切比谢夫不等式可写成如下形式
P ( X EX ) 1
即 因此
DX
2
0
P ( X EX ) 0
P ( X EX ) 0 P ( X EX ) 1
即
例2 200个新生婴儿中，估计男孩多于80个且少于120
个的概率（假定生男孩和女孩的概率均为0.5）． 解 设 X 表示男孩个数，则 X ~ B( 200,0.5). 用切比谢夫不等式估计：
切比雪夫求积公式PPT课件
Ak , 从而有
14
第14页/共57页
定理得证.
Ak
b a
lk2
(x) (x)dx
0.
由本定理及定理2，则得
推论
高斯求积公式(5.1)是稳定的.
定理7 即
设 f (x) C[a, b], 则高斯求积公式(5.1)收敛，
n
lim
n
k 0
Ak
f
( xk )
b f ( x) ( x)dx.
a
15
1 0.5773503 0.7745967
2 0.0000000
0.8611363 3
0.3399810
0.9061798
4 0.5384693
0.0000000
Ak 2.0000000
1.0000000 0.5555556
0.8888889 0.3478548
0.6521452 0.2369269
( )
(1,1).
带权的高斯求积公式可用于计算奇异积分.
（5.14）
26
解
令公式(5.3)对于
f (x准)确成1立, x，, x2 , x3
得
2
A0 x0 A0
A1
; 3
x0 A0
2; 5
x02 A0
x12 A1
2; 7
x03 A0
x13 A1
2. 9
（5.3） （5.4）
4
第4页/共57页
由于
x0 A0 x1 A1 x0 ( A0 A1) (x1 x0 ) A1,
xk 及Ak
(k 0,1,, n), 使（5.1）具有 2n次代1数精度.
定义4
如果求积公式(5.1)具有 次代数2精n度，1
5.1.1PPT切比雪夫不等式
5.1 切比雪夫不等式
P{|
X
E(X ) |
}
D(X )
2
Note: 当方差已知时，切比雪夫不等式给出了随机变量X与 它的期望的偏差不小于ε的概率的估计式。若D(X)越小，则 事件{|X−E(X)|≥ε}的概率越小，即随机变量X集中在期望附 近的可能性越大。
P
X EX 3
DX 9Βιβλιοθήκη DX DX 21 9
0.111
可见，对任给的分布，只要期望和方差存在，则随机变量 X取值偏离E(X)超过3σ的概率小于0.111
本章 上页 下页
5.1 切比雪夫不等式
例题：已知正常男性成人血液中，每一毫升白细胞数平均 是7300，均方差是700。利用切比雪夫不等式估计每毫升白 细胞数在5200~9400之间的概率。
正常使用主观题需2.0以上版本雨课堂
作答
可为此题添加文 容全部放在本区
解：设每毫升白细胞数为X，依题意，E(X)=7300，D(X)=7002
P5200 X 9400 P2100 X E X 2100
由切比雪夫不等式
P X E X 2100
DX
1 21002
1
7002 21002
1
1 9
8 9
左右两边对称
主观题 10分
答案解析
练习：设某个小区居民每天用于身体锻炼的平均时间为 30min，标准差为10 min，试根据切比雪夫不等式估计该 小区居民每天锻炼的时间在10~50 min之间的概率的取值 范围。
P{|
X
E(X ) |
}
D(X )
2
Note: 当方差已知时，切比雪夫不等式给出了随机变量X与 它的期望的偏差不小于ε的概率的估计式。若D(X)越小，则 事件{|X−E(X)|≥ε}的概率越小，即随机变量X集中在期望附 近的可能性越大。
P
X EX 3
DX 9Βιβλιοθήκη DX DX 21 9
0.111
可见，对任给的分布，只要期望和方差存在，则随机变量 X取值偏离E(X)超过3σ的概率小于0.111
本章 上页 下页
5.1 切比雪夫不等式
例题：已知正常男性成人血液中，每一毫升白细胞数平均 是7300，均方差是700。利用切比雪夫不等式估计每毫升白 细胞数在5200~9400之间的概率。
正常使用主观题需2.0以上版本雨课堂
作答
可为此题添加文 容全部放在本区
解：设每毫升白细胞数为X，依题意，E(X)=7300，D(X)=7002
P5200 X 9400 P2100 X E X 2100
由切比雪夫不等式
P X E X 2100
DX
1 21002
1
7002 21002
1
1 9
8 9
左右两边对称
主观题 10分
答案解析
练习：设某个小区居民每天用于身体锻炼的平均时间为 30min，标准差为10 min，试根据切比雪夫不等式估计该 小区居民每天锻炼的时间在10~50 min之间的概率的取值 范围。
第五章大数定律与中心极限定理切贝谢夫不等式ppt课件
解 ： ( 1 ) 1 2 ... 1 5 0 0 Ei 0
E 0
D125
D
i
1 12
P(||15)1P(||15)1P|1205|
15 125
1(2 0(1.34)1)=0.18024
(2)设有n个数相加
1 2 ... n ,E 0D
n 12
P(||10)P|n102|
记 ＝ 4 1 8i＝ 48 1i,求 P(<0.4)
解 法 一 ： Ei 1 2,D i 11 2
48
记 ＝i,E24,D4 N(24,22) i＝ 1
因为＝ 1
48
P(
0.4)
P
1 48
0.4P(19.2)
P22419.22240(2.4)
10(2.4)=0.008158
解法二：
正态分布的线性函数也是正态分布
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。
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 称为切贝谢夫不等式
证 ： 若 是 离 散 型 随 机 变 量 。
P(xk)pk
P (| E |) P (x k) |x k E |
(2)用 局 部 极 限 定 理 P ( 3 )n 1 p q 0 k n p n q p 1 .2 1 6 5 0 1 3 .2 6 2 5 1.21650(0.79)0.2308
相差较大，这是因为n较小。 一 般 要 求 n30
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
切比雪夫不等式
概概率为 0.75, 利 用切比雪夫不等式求：n需要多么大时，才能使得在 n次独立重复试验中, 事件A出现的频率在0.74~0.76之 间的概率至少为0.90?
解：设X为n 次试验中，事件A出现的次数， 则 X~B(n, 0.75)
E(X)=0.75n, D(X)=0.75×0.25n=0.1875n
概率论
切比雪夫不等式
定理 设随机变量X具有数学期望E( X ) ,方差
D( X ) 2,则对于任意正数，有不等式
或
P{| X E( X P{| X E( X )
) |
|
}
} 1
2
2
2 2
由切比雪夫不等式可以看出，若 2越小，则
事件{|X-E(X)|< }的概率越大，即随机变量X 集
= P(-2100 X-E(X) 2100)
= P{ |X-E(X)| 2100}
概率论
由切比雪夫不等式
P{ |X-E(X)| 2100}
1
D( X ) (2100)2
1 ( 700 )2 1 1 8
2100
99
即估计每毫升白细胞数在5200~9400之间的概率不 小于8/9 .
中在期望附近的可能性越大.
概率论
例1 已知正常男性成人血液中 ，每一毫升白细胞 数平均是7300，均方差是700 . 利用切比雪夫不等 式估计每毫升白细胞数在5200~9400之间的概率 .
解：设每毫升白细胞数为X 依题意，E(X)=7300,D(X)=7002
所求为 P(5200 X 9400) P(5200 X 9400)
P(0.74 X 0.76) = P{ |X-E(X)| <0.01n} n
概率论与数理统计 5.1 切比雪夫不等式和大数定律 ppt课件
=
1
.
16
伯努利大数定律是辛钦定理的特殊情况 . 在实际
问题的处理中辛钦定理十分有用也很重要 .
事实上, 由辛钦定理可知, 如果随机变量
X1 ,X2 , … , Xn … 相互独立, 服从同一分布且具有数
学期望 μ , 则前 n 个随机变量的算术平均值
依概率收敛于它们的数学期望 μ .
11
2、定理5.2(切比雪夫定理的特殊情况):
设随机变量 X1 ,X2 , … , Xn , … 相互独立 , 且
具有相同的数学期望和方差:
E( Xk ) = , D( Xk ) = 2 .
作前n个随机变量的算术平均
1n X = n k=1 Xk
则对于任意正数 ε , 有
lim P X
( X E( X ))2
f (x) X E( X )
2
dx
1
2
(X
)2
f ( x)dx
D( X )
2
4
例1、 已知正常男性成人血液中, 单位白细胞数 (单位:个/mL)平均是7300, 均方差是700 . 利用切比雪夫不等式估计单位白细胞数在 5200～9400之间的概率 .
P
1n n k =1
Xk
2 /n
1
Hale Waihona Puke 2=12 n 2
由概率性质知
13
P
1n n k=1 X k
1
.
两边关于 n 取极限,即令 n , 则
- 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)。
拉Байду номын сангаас
60、生活的道路一旦选定，就要勇敢地 走到底 ，决不 回头。 ——左
切比雪夫定理不等式
21、没有人陪你走一辈子，所以你要 适应孤 独，没 有人会 帮你一 辈子， 所以你 要奋斗 一生。 22、当眼泪流尽的时候，留下的应该 是坚强 。 23、要改变命运，首先改变自己。
24、勇气很有理由被当作人类德性之 首，因 为这种 德性保 证了所 有其余 的德性 。--温 斯顿． 丘吉尔 。 25、梯子的梯阶从来不是用来搁脚的 ，它只 是让人 们的脚 放上一 段时间 ，以便 让别一 只脚能 够再往 上登。
56、书不仅是生活，而且是现在、过 去和未 来文化 生活的 源泉。 ——库 法耶夫 57、生命不可能有两次，但许多人连一 次也不 善于度 过。— —吕凯 特 58、问渠哪得清如许，为有源头活水来 。—— 朱熹 59、我的努力求学没有得到别的好处， 只不过 是愈来 愈发觉 自己的 无知。 ——笛 卡儿
60、生活的道路一旦选定，就要勇敢地 走到底 ，决不 回头。 ——左
切比雪夫定理不等式
21、没有人陪你走一辈子，所以你要 适应孤 独，没 有人会 帮你一 辈子， 所以你 要奋斗 一生。 22、当眼泪流尽的时候，留下的应该 是坚强 。 23、要改变命运，首先改变自己。
24、勇气很有理由被当作人类德性之 首，因 为这种 德性保 证了所 有其余 的德性 。--温 斯顿． 丘吉尔 。 25、梯子的梯阶从来不是用来搁脚的 ，它只 是让人 们的脚 放上一 段时间 ，以便 让别一 只脚能 够再往 上登。
56、书不仅是生活，而且是现在、过 去和未 来文化 生活的 源泉。 ——库 法耶夫 57、生命不可能有两次，但许多人连一 次也不 善于度 过。— —吕凯 特 58、问渠哪得清如许，为有源头活水来 。—— 朱熹 59、我的努力求学没有得到别的好处， 只不过 是愈来 愈发觉 自己的 无知。 ——笛 卡儿