第一篇：第五章、大數(shù)定律與中心極限定理

第五章、大數(shù)定律與中心極限定理

一、選擇題：

1．若隨機(jī)變量X的數(shù)學(xué)期望與方差分別為EX =1，DX = 0.1，根據(jù)切比雪夫不等式，一定有（）

A．P{?1?X?1}?0.9B．P{0?x?2}?0.9

C．P{?1?X?1}?0.9D．P{0?x?2}?0.9

2．設(shè)X1,X2,?X9相互獨(dú)立，EXi?1,DXi?1(i?1,2,?9)，根據(jù)切比雪夫不等式，???1有（）

A．P{?xi?1??}?1??B．P{?xi?1??}?1???2 9i?1i?1?29

C．P{?2D． x?9??}?1??P{x?9??}?1?9??i?i?

2i?1i?199

3．若X1、X2、2?1000即都?X1000為獨(dú)立同分布的隨機(jī)變量，且Xi~B(1,p)i?

1、服從參數(shù)為p的0-1分布，則（）不正確

100011000

A．Xi?PB．?Xi~B(1000、P)?1000i?1i?

11000

C．P{a??X

i?1i?b}??(b)??(a)

1000

D

．P{a??Xi?b}??i?1?? 1，根據(jù)切比雪夫不等式，164．設(shè)隨機(jī)變量X的數(shù)學(xué)期望EX = 1，且滿足P{X?1?2}?

X的方差必滿足（）

11B．DX? 16

41C．DX?D．DX?1 2A．DX?

5．設(shè)隨機(jī)變量X的數(shù)學(xué)期望EX = 1，方差DX = 1，且滿足P{X?1??}?1，根據(jù)切16

比雪夫不等式，則?應(yīng)滿足（）

A．??4B．??4

C．??

11D．?? 44

二、填空題：

1.若隨機(jī)變量X的數(shù)學(xué)期望與方差分別為EX = 1，DX = 1，且 P{X?1??}?

切比雪夫不等式，?應(yīng)滿足。

2.若隨機(jī)變量X的數(shù)學(xué)期望與方差均存在，且EX = 1，P{X?1?1}?

夫不等式，DX應(yīng)滿足。

3.設(shè)X1,X2,?,X9相互獨(dú)立，且EXi?1,DXi?1,i?1、2、?9，根據(jù)切比雪夫不等式，則???0有P{1，根據(jù)41，根據(jù)切比雪4?X

i?19i?9??}?。

4.設(shè)X1,X2,?,X9相互獨(dú)立，且EXi?1,DXi?1,i?1、2、?9，根據(jù)切比雪夫不等式，19

則???0有P?Xi?1??}? 9i?

1三、計(jì)算題：

1．計(jì)算機(jī)進(jìn)行加法計(jì)算時，把每個加數(shù)取為最接近它的整數(shù)來計(jì)算。設(shè)所有的取整誤差是

相互獨(dú)立的隨機(jī)變量，并且都在[-0.5,0.5]上服從均勻分布，求：300個數(shù)相加時誤差總和的絕對值小于10的概率。

（附：?(1)?0.8413,?(2)?0.9772,?(3)?0.99865,?(4)?0.99968）

2． 一顆螺絲釘?shù)闹亓渴且粋€隨機(jī)變量,期望值是1兩,標(biāo)準(zhǔn)差是0.1兩.求一盒

(100個)同型號螺絲釘?shù)闹亓砍^10.2斤的概率.（附：?(1)?0.8413,?(2)?0.9772,?(3)?0.99865,?(4)?0.99968）

3．已知一本1000頁的書中每頁印刷錯誤的個數(shù)服從泊松分布P（0.1），求這本書的印刷錯

誤總數(shù)大于120的概率。

（附：?(1)?0.8413,?(2)?0.9772,?(3)?0.99865,?(4)?0.99968）

4．據(jù)以往經(jīng)驗(yàn)，某種電器元件的壽命服從均值為100小時的指數(shù)分布，現(xiàn)隨機(jī)地取25只，設(shè)他們的壽命是互相獨(dú)立的，求這25只元件的壽命總和大于3000小時的概率。

（附：?(1)?0.8413,?(2)?0.9772,?(3)?0.99865,?(4)?0.99968）

第二篇：大數(shù)定律與中心極限定理的若干應(yīng)用

大數(shù)定律與中心極限定理的若干應(yīng)用

摘要：在概率論中，大數(shù)定律是比較重要的內(nèi)容，他主要就是以嚴(yán)格的數(shù)學(xué)形式來表達(dá)概率中隨機(jī)現(xiàn)象的性質(zhì)，也是一定穩(wěn)定性的表現(xiàn)。大數(shù)定律在數(shù)學(xué)的應(yīng)用中比較重要，一般都是利用大數(shù)定律和中心極限定理一起來應(yīng)用。本文根據(jù)在不同的條件下存在的大數(shù)定律和中心極限定理做了具體的分析，對幾種比較常見的大數(shù)定律進(jìn)行了介紹，結(jié)合他們條件的不同，分析了不同數(shù)學(xué)模型的特定，并在各個領(lǐng)域應(yīng)列舉它們的應(yīng)用。這也是將理論具體化的一種表現(xiàn)形式，使得大數(shù)定律與中心極限定理在實(shí)際的生活中應(yīng)用更加廣泛，應(yīng)用價(jià)值更深一層。關(guān)鍵詞：大數(shù)定律；中心極限定理；應(yīng)用；范圍 1前言

大數(shù)定律是概率歷史上第一個極限定理。由于隨機(jī)變量序列向常數(shù)的收斂有多種不同的形式，按其收斂為依概率收斂，以概率 1 收斂或均方收斂，分別有弱大數(shù)定律、強(qiáng)大數(shù)定律和均方大數(shù)定律。常見的大數(shù)定律有伯努利大數(shù)定理、辛欽大數(shù)定律、重對數(shù)定理等等。中心極限定理是是概率論中討論隨機(jī)變量序列部分和的分布漸近于正態(tài)分布的一類定理。這組定理是數(shù)理統(tǒng)計(jì)學(xué)和誤差分析的理論基礎(chǔ)，指出了大量隨機(jī)變量近似服從正態(tài)分布的條件。

概率理論是數(shù)理理論都是研究現(xiàn)實(shí)世界隨機(jī)現(xiàn)象的一種統(tǒng)計(jì)科學(xué)，大數(shù)定律與中心極限極限定理都是數(shù)學(xué)重要的組成部分，在自然學(xué)科與經(jīng)濟(jì)發(fā)展中有著廣泛的應(yīng)用，大數(shù)定律與中心極限定理都是重要定理，也是概率論與數(shù)理統(tǒng)計(jì)的一個樞紐中心，大數(shù)定律主要闡明的是平均結(jié)果具有穩(wěn)定性，證明了在樣本的條件下，樣本平均值與總體平均值是一樣的，這也是算術(shù)平均值法則的基本理論，在現(xiàn)實(shí)的生活中，經(jīng)常可以看到這樣的數(shù)據(jù)模型。取一個物體的平均值，一般都是反復(fù)測量的結(jié)果，當(dāng)時測量結(jié)果在不斷增大時，算術(shù)平均值的偏差就會越來越小，也是1nn?i?1的偏差也是越來越小。這種思想貫穿在整個的概率理論中，并且占有著重要的左右，在其他的數(shù)學(xué)領(lǐng)域中占有著重要的地位，中心極限定理與大數(shù)定律相比就更加詳細(xì)，中心極限定理是在嚴(yán)格的數(shù)學(xué)形勢下闡明的條件，無論總體是怎樣分布，樣本的平均值都是呈正態(tài)的形式分布，中心極限定理也是以正態(tài)分布作為廣泛的理論基礎(chǔ)應(yīng)用。目前無論是在國內(nèi)還是在國外，大數(shù)定律與中心極限定理已經(jīng)被廣泛的研究，尤其是在實(shí)際生活中的應(yīng)用，銀行業(yè)就是根據(jù)中心極限定理來發(fā)展，而大數(shù)定律更是應(yīng)用在保險(xiǎn)行業(yè)，很多研究者在這個領(lǐng)域都研究了具有一定價(jià)值的成果。推廣大數(shù)定律與中心極限定理的應(yīng)用問題是一個非常有研究價(jià)值的方向，通過這些問題來不斷的推廣，這樣不僅僅能夠加深大叔定理與中心極限定律的理解，并且很多問題也能夠加以解決。2相關(guān)定義定理以及應(yīng)用 2.1相關(guān)定義

定義：設(shè)X1,X2,?,Xn,?是一個隨機(jī)變量序列，a是一個常數(shù)，若對于任意正數(shù)?，有l(wèi)imP?Xn?a????1，n??P則稱序列X1,X2,?,Xn,?依概率收斂于a.記為Xn???a.切比雪夫不等式

設(shè)隨機(jī)變量?具有有限的期望與方差，則對???0，有

P(??E(?)??)?D(?)?2或P(??E(?)??)?1?D(?)?2

證明：我們就連續(xù)性隨機(jī)變量的情況來證明。設(shè)?~p(x)，則有

(x?E(?))2P(??E(?)??)??x?E(?)??p(x)dx??x?E(?)???D(?)2p(x)dx

?1?2?????(x?E(?))p(x)dx?2?2

該不等式表明：當(dāng)D(?)很小時，P(??E(?)??)也很小，即?的取值偏離E(?)的可能性很小。這再次說明方差是描述?取值分散程度的一個量。

切比雪夫不等式常用來求在隨機(jī)變量分布未知，只知其期望和方差的情況下，事件{??E???}概率的下限估計(jì)；同時，在理論上切比雪夫不等式常作為其它定理證明的工具。

定理1（切比雪夫大數(shù)定律）

設(shè){?n}是相互獨(dú)立的隨機(jī)變量序列，每一隨機(jī)變量都有有限的方差，且一致有界，即存在常數(shù)C，使D(?i)?ClimP{1nii?1,2,?，則對任意的??0，有n????ni?1?1niE(??ni?1)??}?0[即

??ni?11ni???E(p??ni?11ni)(n??)] 證明：由切比雪夫不等式知：???0,有：

n0?P{1nn??i?i?11n?nE(?i)??}?1i?1?2D(1nn?D?i?1i??i)?i?1n?22?nCn?22?Cn?2?0(n??)

該定理表明：當(dāng)n很大時，隨機(jī)變量?1,?,?n的算術(shù)平均值ni1nn??i?1i接近于其數(shù)學(xué)期望E(??ni?11)，這種接近是在概率意義下的接近。通俗的說，在定理的條件下，n個相互獨(dú)立的隨機(jī)變量算術(shù)平均值，在n無限增加時將幾乎變成一個常數(shù)。

推論：設(shè)?1,?,?n是相互獨(dú)立的隨機(jī)變量，由相同的數(shù)學(xué)期望和方差E(?i)??,D(?i)??2i?1,2,?，則???0,有

limP{n??1nn??i?1i????}?0（即

1ni??ni?1以概率收斂于?）

這個結(jié)論有很實(shí)際的意義：人們在進(jìn)行精密測量時，為了減少隨機(jī)誤差，往往重復(fù)測量多次，測得若干實(shí)測值?1,?,?n，然后用其平均值

1ni??ni?1來代替?。

定理2（De Moivre-Laplace極限定理）(定理1的特殊情形)設(shè)?n(n?1,2,?)是n重Bernoulli試驗(yàn)中成功的次數(shù)，已知每次試驗(yàn)成功的概率為p?0?p?1?，則對?x?R,有 limP{n???n?npnpq?x}?12??e??xt?22dt???x?。

該定理也可改寫為：?a?b，有l(wèi)imP{a?n???n?npnpq?b}???b????a?

?1證明： 令?i???0第i次試驗(yàn)出現(xiàn)成功第i次試驗(yàn)不出現(xiàn)成功 則

{?i}為獨(dú)立同分布的隨機(jī)變量序列,且E?i?p,D?i?p(1?p)均存在

n顯然：?n???i，此時?n?i?1?n?npnpq

該定理為上定理的一個特殊情形，故由上定理該定理得證。2.2幾個大數(shù)定律的關(guān)系及適用場合

2.2.1伯努利定理是泊松定理的特例

泊松定理是指在一定的時間段內(nèi)，平均若干次發(fā)生的時間，有的時候會多，有的時候會少，發(fā)生的次數(shù)是隨機(jī)的時間，這也使泊松分配。P(k,T)?(?T)ke

若是Pk=p,則泊松大數(shù)定理也就是伯努利大數(shù)定理，伯努利大數(shù)定理也完全證明了時間在完全相同的條件下進(jìn)行重復(fù)的試機(jī)實(shí)驗(yàn)，并且頻率比較穩(wěn)定，隨著n的無限增大，n在試驗(yàn)中葉氏趨近于穩(wěn)定，與A出現(xiàn)的頻率的平均值比較接近。

2.2.2泊松大數(shù)定律是切比雪夫大數(shù)定律的特例

在泊松的大數(shù)定理的條件中，D??piqn?1，也能夠滿足切比雪夫大數(shù)定律的條件。

2.2.3切比雪夫大數(shù)定律是馬爾科夫大數(shù)定律的特例

在切比雪夫大數(shù)定律中，D?i?C(i?1,2,3,4.....),根據(jù)隨機(jī)變量序列兩兩不相關(guān)的性質(zhì)可以了解到，1nnD(??i)?i?11n?ni?1D(?i)?cn????0，根據(jù)這樣的式子也能夠看出滿足馬爾可夫大數(shù)定

n??律的條件。由此可見，伯努利大數(shù)定律與泊松大數(shù)定律都是馬爾可夫大數(shù)定律的特例。伯努利大數(shù)定律也使辛欽大數(shù)定律的特別情況。在伯努利的大數(shù)定律中，由于隨機(jī)變量時可以變化的，則?n必然會是獨(dú)立分布的，并且都會服從伯努利分布的基本情況：p??i?1??p,p??i?0??q，并且E??i??p，所以這樣的公式必然會滿足辛欽大數(shù)定律的條件。但是辛欽大數(shù)定律并不是泊松大數(shù)定律與切比雪夫大數(shù)定律的推廣。2.2中心極限定理的基本關(guān)系

在實(shí)際問題中，常常需要考慮許多隨機(jī)因素所產(chǎn)生總影響.例如：炮彈射擊的落點(diǎn)與目標(biāo)的偏差，就受著許多隨機(jī)因素的影響.如瞄準(zhǔn)時的誤差，空氣阻力所產(chǎn)生的誤差，炮彈或炮身結(jié)構(gòu)所引起的誤差等等.對我們來說重要的是這些隨機(jī)因素的總影響.中心極限定理，正是從理論上證明，對于大量的獨(dú)立隨機(jī)變量來說，只要每個隨機(jī)變量在總和中所占比重很小，那么不論其中各個隨機(jī)變量的分布函數(shù)是什么形狀，也不論它們是已知還是未知，而它們的和的分布函數(shù)必然和正態(tài)分布函數(shù)很近似。這就是為什么實(shí)際中遇到的隨機(jī)變量很多都服從正態(tài)分布的原因，也正因如此，正態(tài)分布在概率論和數(shù)理統(tǒng)計(jì)中占有極其重要的地位。中心極限定理也可以分為幾種情況：由于無窮個隨機(jī)變量之和可能趨于∞，故我們不研究n個隨機(jī)變量之和，本身而考慮它的標(biāo)準(zhǔn)化的隨機(jī)變量。

中心極限定理表明：在相當(dāng)一般的條件下，當(dāng)獨(dú)立隨機(jī)變量的個數(shù)增加時，其和的分布趨于正態(tài)分布。因此，只要和式中加項(xiàng)的個數(shù)充分大，就可以不必考慮和式中的隨機(jī)變量服從什么分布，都可以用正態(tài)分布來近似，這在應(yīng)用上是有效的和重要的。

nn?Zn?k?1Xk?E(?Xk)k?1n的分布函數(shù)的極限.D(?Xk)k?1列維一林德伯格中心極限定理：設(shè)隨機(jī)變量相互獨(dú)立,服從同一分布,且有n,n,則隨機(jī)變量之和

n的標(biāo)準(zhǔn)?化變量Yn?i?1Xi?E(?Xi)i?1n?X?i?1i?n?的分布函數(shù)。

D(?Xi)i?1?n將n個觀測數(shù)據(jù)相加時，首先對小數(shù)部分按“四舍五入”舍去小數(shù)位后化為整數(shù)．試?yán)弥行臉O限定理估計(jì)

(1)當(dāng)n=1500時，舍入誤差之和的絕對值大于15的概率；

(2)n滿足何條件時，能以不小于0.90的概率使舍入誤差之和的絕對值小于10．這就可以根

n?據(jù)列維林德伯格中心極限定理來解決問題，當(dāng)n充分大的時候，數(shù)據(jù)個數(shù)n應(yīng)滿足條件：?|Sn|P{|Sn|?10}?P??n/12????0.90 ,即 2Φ(n/12?10i?1Xi?n?近似地?n~N(0,1)，10n/12)?1?0.90 ,Φ(10n/12)?0.95 ,10n/12?1.645 ,n?443.5 ,當(dāng)n<443時，才能夠保證誤差之后的絕對值小于10，概率不小于0.9。3定理的應(yīng)用

3.1在生產(chǎn)生活中的應(yīng)用 一生產(chǎn)線生產(chǎn)的產(chǎn)品成箱包裝，每箱的重量是隨機(jī)的,假設(shè)每箱的平均重50千克,標(biāo)準(zhǔn)差5千克.若用最大載重量為5噸的汽車承運(yùn),試?yán)弥行臉O限定理說明每輛車最多可以裝多少箱,才能保證不超載的概率大于0.977.解答：設(shè)n為第i箱的重量(), Yn??Xi?1i由列維-林德伯格中心極限定理,有，近似地~?5000?50n?所以n必須滿足P{Yn?5000}?Φ???0.977?Φ(2)，N(50n,25n)，5n??1000?10nn也就是最多可以裝98箱.?2，? n?98.0199，(供電問題)某車間有200臺車床,在生產(chǎn)期間由于需要檢修、調(diào)換刀具、變換位置及調(diào)換零件等常需停車.設(shè)開工率為0.6, 并設(shè)每臺車床的工作是獨(dú)立的，且在開工時需電力1千瓦.問應(yīng)供應(yīng)多少瓦電力就能以99.9%的概率保證該車間不會因供電不足而影響生產(chǎn)? 解：某一時刻開動的車床數(shù)，X~B(200, 0.6),要求最小的k,使P{0?X?k}?0.999.由D-L近似地定理

? P{0?X?k}?Φ(k?npnpq)?Φ(0?npnpq,)X~N(np,npq)，P{0?X?k}?Φ(k?npnpq)?Φ(0?npnpq)?Φ(k?12048)?Φ(?12048)?Φ(k?12048)?0.999

所以若供電141.5千瓦，那么由于供電不足而影響生產(chǎn)的可能性不到0.001，相當(dāng)于8小時內(nèi)約有半分鐘受影響，這一般是允許的。

某產(chǎn)品次品率p = 0.05,試估計(jì)在1000件產(chǎn)品中次品數(shù)的概率.次品數(shù)X~B(1000,0.05),E(X)?np?1000?0.05?50，D(X)?np(1?p)?50?0.95?47.5，由棣莫弗-拉普拉斯中心極限定理,有：P{40?X?60}?Φ(60?5047.5)?Φ(40?5047.5)?2Φ(1.45)?1?0.853.次品數(shù)：X~B(1000,0.05),E(X)?np?1000?0.05?50,D(X)?np(1?p)?50?0.95?47.5，P{40?X?60}?Φ(60?5047.5)?Φ(40?5047.5)?2Φ(1.45)?1?0.853.若是使用切比雪夫的不等式來進(jìn)行計(jì)算，P{40?X?60}?P{X?50?10}?1?47.5102?0.525.但是這樣的計(jì)算并不完整，有點(diǎn)過于保守。

3.2在數(shù)學(xué)分析中的應(yīng)用

在一次試驗(yàn)中事件A出現(xiàn)的概率為0.4，應(yīng)至少進(jìn)行多少次試驗(yàn)，才能使事件A出現(xiàn)的頻率與概率之差在之間的概率不低于0.9 ？

解答：由中心極限定理知, Xn N(np, npq)，P(Xnn?p?0.1)?P(Xn?npnpq?0.1npq)

?2Φ(0.1npq)?1?0.9? Φ(0.1npq)?0.95? 0.1npq?1.65? n?66.設(shè)第i次射擊得分為,則的分布律為

100E(Xi)?9.15,D(Xi)?1.227.由中心極限定理，?Xi N(915, 122.7)

i?1100? P{900??i?1Xi?930}?P{?1511.08??Xi?100122.7?1511.08}?2Φ(1.354)?1?2?0.9115?1?0.823.高爾頓（Galton）釘板試驗(yàn)：

如下圖中每一黑點(diǎn)表示釘在板上的一顆釘子，它們彼此的距離均相等，上一層的每一顆的水平位置恰好位于下一層的兩顆正中間。從入口處放進(jìn)一個直徑略小于兩

顆釘子之間的距離的小圓玻璃球，當(dāng)小圓球向下降落過程中，碰到釘子后皆以1/2的概率向左或向右滾下，于是又碰到下一層釘子。如此繼續(xù)下去，直到滾到底板的一個格子內(nèi)為止。把許許多多同樣大小的小球不斷從入口處放下，只要球的數(shù)目相當(dāng)大，它們在底板將堆成近似于正態(tài) 的密度函數(shù)圖形（即：中間高，兩頭低，呈左右對稱的古鐘型），其中 為釘子的層數(shù)。

令 量（表示某一個小球在第 次碰了釘子后向左或向右落下這一隨機(jī)現(xiàn)象相聯(lián)系的隨機(jī)變表示向右落下，表示向左落下），由題意，的分布列可設(shè)為下述形式：對

則有，對

令，其中 相互獨(dú)立。則 表示這個小球第 次碰釘后的位置。試驗(yàn)表明近似地服從正態(tài)分布。

上述例子表明，需要研究相互獨(dú)立隨機(jī)變量和的極限分布是正態(tài)分布的問題，這是本章要介紹的中心極限定理刻畫的主要內(nèi)容。這個問題的解決，對概率論在自然科學(xué)和技術(shù)應(yīng)用中一個最重要的手段奠定了理論基礎(chǔ)，這一手段是把一個現(xiàn)象或過程看作是許多因素的獨(dú)立影響下出現(xiàn)的，而每一因素對該現(xiàn)象或過程所發(fā)生的影響都很小。如果我們關(guān)心的是該現(xiàn)象或過程的研究，則只要考慮這些因素的總作用就行了。

3.3在信息論中的應(yīng)用

設(shè)在某保險(xiǎn)公司有1萬個人參加投保,每人每年付120元保險(xiǎn)費(fèi).在一年內(nèi)一個人死亡的概率為0.006,死亡時其家屬可向保險(xiǎn)公司領(lǐng)得1萬元,問:(1)該保險(xiǎn)公司虧本的概率為多少?(2)該保險(xiǎn)公司一年的利潤不少于40,60,80萬元的概率各是多少? 設(shè)一年內(nèi)死亡的人數(shù)為X,則X?B(10000, 0.006),由D-L中心極限定理,(1)P{10000X?1200000}?P{X?120}

?P{X?npnpq?120?npnpq}?1?Φ(120?6060?0.994)?1?Φ(7.77)?0,通過計(jì)算可得到即該保險(xiǎn)公司虧本的概率幾乎為0.2)P{1200000?10000X?400000}?P{X?80}?Φ(80?6060?0.994)?Φ(2.589)?0.995，P{1200000?10000X?600000}?P{X?60}?Φ(60?6060?0.994)?Φ(0)?0.5, P{1200000?10000X?800000}?P{X?40}?P{X?40}

?Φ(40?6060?0.994)?1?Φ(2.589)?0.005.假設(shè)生產(chǎn)線組裝每件成品的時間服從指數(shù)分布,統(tǒng)計(jì)資料表明每件成品的組裝時間平均為10分鐘.設(shè)各件產(chǎn)品的組裝時間相互獨(dú)立.(1)試求組裝100件成品需要15到20小時的概率；(2)以95%的概率在16小時內(nèi)最多可以組裝多少件成品? 解答：設(shè)第i件組裝的時間為Xi分鐘,i=1,?,100.利用獨(dú)立同分布中心極限定理.100E(Xi)?10,D(Xi)?10,i?1,2,?,100,P{900?1002?i?1Xi?1200}

?P{900?100?10100?102??i?1Xi?100?10100?102?1200?100?10100?102}

100?P{900?100?10100?10n2??i?1Xi?100?10100?102?1200?100?10100?102}

?X0.95?P{i?1i?10n?960?10n100n100n}

?Φ(960?10n100n通過表可查的)，960?10n100n?1.645，n?81.18,故最多可組裝81件成品。

Vk(k?1,2,?,20)20一加法器同時收到20個噪聲電壓，設(shè)它們是相互獨(dú)立的隨變量，且都

V?在區(qū)間（0，10）上服從均勻分布。記

?Vk?1k，求P(V?105)的近似值。

解：E(Vk)?5,D(Vk)?10012(k?1,2,?,20)，由定理1，得 P(V?105?P(V?20?5(1012)20?105?20?5(1012)20)?P(V?100(1012)20V?100(10?0.387)

?1?P(12)20?0.387)

?1??(0.387)

?0.348

即有 P(V?105)?0.348

抽樣檢查產(chǎn)品質(zhì)量時，如果發(fā)現(xiàn)次品多于10個，則拒絕接受這批產(chǎn)品，設(shè)某批產(chǎn)品的次品率為10％，問至少應(yīng)抽取多少個產(chǎn)品檢查才能保證拒絕接受該產(chǎn)品的概率達(dá)到0.9？

解 設(shè) 為至少應(yīng)抽取的產(chǎn)品數(shù)，為其中的次品數(shù)

則

拉斯定理，有，，由德莫佛-拉普

當(dāng) 充分大時，4結(jié)語，隨著試驗(yàn)次數(shù)的增加，事件發(fā)生的頻率逐漸穩(wěn)定于某個常數(shù)，這一事實(shí)顯示了可以用一個數(shù)來表征事件發(fā)生的可能性大小，這使人們認(rèn)識到概率是客觀存在的，進(jìn)而由頻率的三條性質(zhì)的啟發(fā)和抽象給出了概率的定義，而頻率的穩(wěn)定性是概率定義的客觀基礎(chǔ)。在實(shí)踐中人們還認(rèn)識到大量測量值的算術(shù)平均值也具有穩(wěn)定性，而這種穩(wěn)定性就是本節(jié)所要討論的大數(shù)定律的客觀背景，而這些理論正是概率論的理論基礎(chǔ)。

參考文獻(xiàn) [1] 錢和平宋家樂.強(qiáng)混合鞅差序列部分和乘積的幾乎處處中心極限定理 [J]．《中國科技信息》 2012年 第8期

[2] 羅中德．中心極限定理教學(xué)方法研究 [ J]．《現(xiàn)代商貿(mào)工業(yè)》 2012年 第8期 [3] 馮鳳香.獨(dú)立隨機(jī)變量序列部分和乘積的幾乎處處中心極限定理 [J]．《吉林大學(xué)學(xué)報(bào)：理學(xué)版》 2012年 第2期

[4] 許道云 秦永彬 劉長云.學(xué)習(xí)《概率論與數(shù)理統(tǒng)計(jì)》應(yīng)該注意的若干問題（6）——極限性質(zhì)及其應(yīng)用 [J]．《銅仁學(xué)院學(xué)報(bào)》 2011年 第6期

[5] 王丙參 魏艷華 林朱．大數(shù)定律及中心極限定理在保險(xiǎn)中的應(yīng)用 [ J]．《通化師范學(xué)院學(xué)報(bào)》 2011年 第12期

[6] 任敏 張光輝.非同分布φ-混合序列部分和乘積的幾乎處處中心極限定理 [J]．《黑龍江大學(xué)自然科學(xué)學(xué)報(bào)》 2011年 第6期

[7] 王媛媛.部分和乘積的幾乎處處中心極限定理 [J]．《桂林理工大學(xué)學(xué)報(bào)》 2011年 第3期

[8] 張鑫．大數(shù)定理發(fā)展邊程初探 [ J]．《科技信息》 2011年 第22期

[9] 陳曉材 吳群英 鄧光明 周德宏.不同分布φ^~混合序列的弱大數(shù)定理 [J]．《平頂山學(xué)院學(xué)報(bào)》 2010年 第2期

第三篇：第五章 大數(shù)定律及中心極限定理

第五章

大數(shù)定律及中心極限定理

概率統(tǒng)計(jì)是研究隨機(jī)變量統(tǒng)計(jì)規(guī)律性的數(shù)學(xué)學(xué)科，而隨機(jī)現(xiàn)象的規(guī)律只有在對大量隨機(jī)現(xiàn)象的考察中才能顯現(xiàn)出來。研究大量隨機(jī)現(xiàn)象的統(tǒng)計(jì)規(guī)律，常常采用極限定理的形式去刻畫，由此導(dǎo)致對極限定理進(jìn)行研究。極限定理的內(nèi)容非常廣泛，本章中主要介紹大數(shù)定律與中心極限定理。

5.1 切比雪夫Chebyshev不等式

一個隨機(jī)變量離差平方的數(shù)學(xué)期望就是它的方差，而方差又是用來描述隨機(jī)變量取值的分散程度的。下面我們研究隨機(jī)變量的離差與方差之間的關(guān)系式。

定理5－1（切比雪夫不等式）設(shè)隨機(jī)變量X的期望E（X）及方差D（X）存在，則對任意小正數(shù)ε>0，有:

或：

［例5-1］設(shè)X是拋擲一枚骰子所出現(xiàn)的點(diǎn)數(shù)，若給定ε=2,2.5，實(shí)際計(jì)算P{|X-E（X）|≥ε}，并驗(yàn)證切比雪夫不等式成立。

解 X的分布律為

所以

當(dāng)ε=2時，當(dāng)ε=2.5時，可見，切比雪夫不等式成立。

[例5-2]設(shè)電站供電網(wǎng)有10 000盞燈，夜晚每一盞燈開燈的概率都是0.7，而假定所有電燈開或關(guān)是彼此獨(dú)立的。試用切比雪夫不等式估計(jì)夜晚同時開著的燈數(shù)在6 800～7 200的概率。

解：設(shè)X表示在夜晚同時開著的電燈的數(shù)目，它服從參數(shù)n=10 000,p=0.7的二項(xiàng)分布。于是有

E（X）=np=10 000×0.7=7 000，D（X）=npq=10 000×0.7×0.3=2100，P{6 800

可見，雖然有10 000盞燈，但是只要有供應(yīng)7 000盞燈的電力就能夠以相當(dāng)大的概率保證夠用。

[例5-3補(bǔ)充] 用切比雪夫不等式估計(jì)

解： 的三倍的可能性極

可見，隨機(jī)變量X取值與期望EX的差的絕對值大于其均方差小。

5.2 大數(shù)定律

在第一章中曾經(jīng)提到過，事件發(fā)生的頻率具有穩(wěn)定性，即隨著試驗(yàn)次數(shù)增多，事件發(fā)生的頻率將逐漸穩(wěn)定于一個確定的常數(shù)值附近。另外，人們在實(shí)踐中還認(rèn)識到大量測量值的算術(shù)平均值也具有穩(wěn)定性，即平均結(jié)果的穩(wěn)定性。大數(shù)定律以嚴(yán)格的數(shù)學(xué)形式表示證明了在一定的條件下，大量重復(fù)出現(xiàn)的隨機(jī)現(xiàn)象呈現(xiàn)的統(tǒng)計(jì)規(guī)律性，即頻率的穩(wěn)定性與平均結(jié)果的穩(wěn)定性。

5.2.1 貝努利大數(shù)定律

定理5-2 設(shè)m是n次獨(dú)立重復(fù)試驗(yàn)中事件A發(fā)生的次數(shù)，p是事件A的概率，則對任意正數(shù)ε，有

貝努利大數(shù)定律說明，在大量試驗(yàn)同一事件A時，事件A的概率是A的頻率的穩(wěn)定值。

5.2.2 獨(dú)立同分布隨機(jī)變量序列的切比雪夫大數(shù)定律

先介紹獨(dú)立同分布隨機(jī)變量序列的概念。

稱隨機(jī)變量序列X1,X2,…Xn,…是相互獨(dú)立的，若對任意的n>1,X1,X2,…Xn是相互獨(dú)立的。此時，若所有的Xi又具有相同的分布，則稱X1,X2,…Xn,…是獨(dú)立同分布隨機(jī)變量序列。

定理5-3 設(shè)X1,X2,…Xn,…是獨(dú)立同分布隨機(jī)變量序列E（Xi）=μ,D（Xi）=σ2（i=1,2…）均存在，則對于任意ε>0有

這一定理說明：經(jīng)過算術(shù)平均后得到的隨機(jī)變量在統(tǒng)計(jì)上具有一種穩(wěn)定性，它的取值將比較緊密聚集在它的期望附近。這正是大數(shù)定律的含義。在概率論中，大數(shù)定律是隨機(jī)現(xiàn)象的統(tǒng)計(jì)穩(wěn)定性的深刻描述；同時，也是數(shù)理統(tǒng)計(jì)的重要理論基礎(chǔ)。

5.3 中心極限定理

5.3.1獨(dú)立同分布序列的中心極限定理

定理5-4 設(shè)X1,X2,…Xn,…是獨(dú)立同分布的隨機(jī)變量序列，且具有相同數(shù)學(xué)期望和方差E（Xi）=μ，D（Xi）=σ2（i=1,2,…）。記隨機(jī)變量 的分布函數(shù)為Fn（x），則對于任意實(shí)數(shù)x，有

（不證）

其中φ（x）為標(biāo)準(zhǔn)正態(tài)分布函數(shù)。

由這一定理知道下列結(jié)論：

（1）當(dāng)n充分大時，獨(dú)立同分布的隨機(jī)變量之和的分布近似于正態(tài)分布N2（nμ，nσ）。我們知道，n個獨(dú)立同分布的正態(tài)隨機(jī)變量之和服從正態(tài)分布。中心極限定理進(jìn)一步告訴我們。

不論X1,X2,…Xn,…獨(dú)立同服從什么分布，當(dāng)n充分大時，其和Zn近似服從正態(tài)分布。

（2）考慮X1,X2,…Xn,…的平均值，有

它的標(biāo)準(zhǔn)化隨機(jī)變量為，即為上述Yn。因此的分布函數(shù)即是上述的F（，nx）因而有

由此可見，當(dāng)n充分大時，獨(dú)立同分布隨機(jī)變量的平均值 的分布近似于正態(tài)分布

[例5-3]對敵人的防御地段進(jìn)行100次射擊，每次射擊時命中目標(biāo)的炮彈數(shù)是一個隨機(jī)變量，其數(shù)學(xué)期望為2，均方差為1.5，求在100次射擊中有180顆到220顆炮彈命中目標(biāo)的概率。解 設(shè)Xi為第i次射擊時命中目標(biāo)的炮彈數(shù)（i=1,2,…,100），則中命中目標(biāo)的炮彈總數(shù)，而且X1，X2，…X100同分布且相互獨(dú)立。

為100次射擊

由定理5-4可知，隨機(jī)變量近似服從標(biāo)準(zhǔn)正態(tài)分布，故有

[例5-4]某種電器元件的壽命服從均值為100（單位：小時）的指數(shù)分布。現(xiàn)隨機(jī)抽出16只，設(shè)它們的壽命是相互獨(dú)立的，求這16只元件的壽命的總和大于1 920小時的概率。

解 設(shè)第i只電器元件的壽命為Xi=（i=1,2,…16），E（Xi）=100，D（Xi）=1002=10 000，則是這16只元件的壽命的總和。

E（Y）=100×16=1 600，D（Y）= 160 000，則所求概率為：

5.3.2 棣莫弗（De Moivre）-拉普拉斯（Laplace）中心極限定理

下面介紹另一個中心極限定理，它是定理5-4的特殊情況。

定理5-5（棣莫弗－拉普拉斯中心極限定理）設(shè)隨機(jī)變量Zn是n次獨(dú)立重復(fù)試驗(yàn)中事件A發(fā)生的次數(shù)，p是事件A發(fā)生的概率，則對于任意實(shí)數(shù)x

其中q=1-p,φ（x）為標(biāo)準(zhǔn)正態(tài)分布函數(shù)。由棣莫弗-拉普拉斯中心極限定理得到下列結(jié)論：

（1）在貝努利試驗(yàn)中，若事件A發(fā)生的概率為p。又設(shè)Zn為n次獨(dú)立重復(fù)試驗(yàn)中事件A發(fā)生的頻數(shù)，則當(dāng)n充分大時，Zn近似服從正態(tài)分布N（np,npq）。

（2）在貝努利試驗(yàn)中，若事件中A發(fā)生的概率為p，發(fā)生的頻率，則當(dāng)n充分大時，近似服從正態(tài)分布

【例5-5】用中心極限定理得到求解5.1例5-2的概率。

解 設(shè)同時開著的燈數(shù)為X，則

X-B（1000，0.7），np=1000×0.7=7000，為n次獨(dú)立重復(fù)試驗(yàn)中事件A

【例5-6】設(shè)某單位內(nèi)部有1000臺電話分機(jī)，每臺分機(jī)有5%的時間使用外線通話，假定各個分機(jī)是否使用外線是相互獨(dú)立的，該單位總機(jī)至少需要安裝多少條外線，才能以95%以上的概率保證每臺分機(jī)需要使用外線時不被占用？

解：把觀察每一臺分機(jī)是否使用外線作為一次試驗(yàn)，則各次試驗(yàn)相互獨(dú)立，設(shè)X為1000臺分機(jī)中同時使用外線的分機(jī)數(shù)，則

X～B（1000，0.05），np=1000×0.05=50，根據(jù)題意，設(shè)N為滿足條件的最小正整數(shù)

由于φ（-7.255）≈0，故有

查標(biāo)準(zhǔn)正態(tài)分布表得φ（1.65）=0.9505，故有

由此

N≥61.37

即該單位總機(jī)至少需要62條外線，才能以95%以上的概率保證每臺分機(jī)在使用外線時不被占用。

小結(jié) 本章考核要求

（一）知道切比雪夫不等式

或

并且會用切比雪夫不等式估計(jì)事件|X-EX|≥ε或|X-EX|<ε的概率。

（二）知道貝努利大數(shù)定律

其中n是試驗(yàn)次數(shù)，m是A發(fā)生次數(shù)，p是A的概率，它說明試驗(yàn)次數(shù)很多時，頻率近似于概率。

（三）知道切比雪夫不等式大數(shù)定律

取值穩(wěn)定在期望附近。

它說明在大量試驗(yàn)中，隨機(jī)變量

（四）知道獨(dú)立同分布中心極限定理

若

記Yn～Fn（x），則有

它說明當(dāng)n很大時，獨(dú)立同分布的隨機(jī)變量之和近似服從正態(tài)N（nμ,nσ2）所以，無論n個獨(dú)立同分布的X1,X2,…Xn服從何種分布，n很大時，X1+X2+…Xn卻近似正態(tài)N（nμ,nσ2）.（五）知道棣莫弗—拉普拉斯中心極限定理

若Zn表示n次獨(dú)立重復(fù)事件發(fā)生次數(shù)，即

Zn～B（n,p）,則有

即Zn近似正態(tài)N（np,np（1-p）2）。并會用中心極限定理計(jì)算簡單應(yīng)用問題。

第四篇：CH5 大數(shù)定律及中心極限定理--練習(xí)題

CH5 大數(shù)定律及中心極限定理

1.設(shè)Ф(x)為標(biāo)準(zhǔn)正態(tài)分布函數(shù)，Xi=?

100?1,事件A發(fā)生；?0,事件A不發(fā)生，i=1，2，…，100，且P(A)=0.8,X1,X2,…,X100

相互獨(dú)立。令Y=?

i?1Xi，則由中心極限定理知Y的分布函數(shù)F(y)近似于（）

y?80

4A.Ф(y)

2.從一大批發(fā)芽率為0.9的種子中隨機(jī)抽取100粒,則這100粒種子的發(fā)芽率不低于88%的概率約為.(已知φ(0.67)=0.7486)

3.設(shè)隨機(jī)變量X1，X2，…，Xn，…獨(dú)立同分布，且i=1，2…，0

nB.Ф()C.Ф(16y+80)D.Ф(4y+80)

Yn??

i?1??Xi,n?1，2，?.Φ（x）為標(biāo)準(zhǔn)正態(tài)分布函數(shù)，則limP?n???????1??（）np(1?p)??Yn?np

A．0B．Φ（1）C．1－Φ（1）D．1

4.設(shè)

5.設(shè)X服從(-1,1)上的均勻分布，試用切比雪夫不等式估計(jì)

6.設(shè)

7.報(bào)童沿街向行人兜售報(bào)紙，設(shè)每位行人買報(bào)紙的概率為0.2，且他們買報(bào)紙與否是相互獨(dú)立的。試求報(bào)童在想100為行人兜售之后，賣掉報(bào)紙15到30份的概率

8.一個復(fù)雜系統(tǒng)由n個相互獨(dú)立的工作部件組成，每個部件的可靠性（即部件在一定時間內(nèi)無故障的概率）為0.9，且必須至少有80%的部件工作才能使得整個系統(tǒng)工作。問n至少為多少才能使系統(tǒng)的可靠性為0.95

9.某人有100個燈泡，每個燈泡的壽命為指數(shù)分布，其平均壽命為5小時。他每次用一個燈泡，燈泡滅了之后立即換上一個新的燈泡。求525小時之后他仍有燈泡可用的概率近似值相互獨(dú)立的隨機(jī)變量，且都服從參數(shù)為10的指數(shù)分布，求 的下界 是獨(dú)立同分布的隨機(jī)變量，設(shè), 求

第五篇：ch5大數(shù)定律和中心極限定理答案

一、選擇題

?0,事件A不發(fā)生

1.設(shè)Xi??(i?1,2?,10000),且P(A)=0.8,X1,X2,?,X10000相互獨(dú)立,令

1,事件A發(fā)生?

10000

Y=

?X,則由中心極限定理知Y近似服從的分布是（D）

ii?

1A.N(0,1)

C.N(1600,8000)B.N(8000,40)D.N(8000,1600)

2．設(shè)X1，X2，……，Xn是來自總體N（μ,σ2）的樣本，對任意的ε>0，樣本均值X所滿足的切比雪夫不等式為（B）

?X?n????≥?

n?

C．P?X?????≤1-?

A．P

2n?

?X?????≥1-n?

n?

D．P?X?n????≤

?

B．P

?2

3.設(shè)隨機(jī)變量X的E（X）=?,D(X)=?2，用切比雪夫不等式估計(jì)P(|X?E(X)|?3?)?（C）A.C.1 98 91912

1B.3D.1

4．設(shè)隨機(jī)變量X服從參數(shù)為0.5的指數(shù)分布，用切比雪夫不等式估計(jì)P(|X-2|≥3)≤(C)A.C.1B.3

D.1

二、填空題

1．將一枚均勻硬幣連擲100次，則利用中心極限定理可知，正面出現(xiàn)的次數(shù)大于60的概率

近似為___0.0228________.（附：Φ（2）=0.9772）

2．設(shè)隨機(jī)變量序列X1，X2，…，Xn，…獨(dú)立同分布，且E(Xi)=μ,D(Xi)=σ2>0,i=1,2,…, 則?n?

X?n???i

?i?1?

?x??_對任意實(shí)數(shù)x，limP?

n??n???

????

?

___________.3.設(shè)隨機(jī)變量X的E(X)=?,D(X)??2,用切比雪夫不等式估計(jì)P(|X?E(X)|?3?2)? ___8/9________。

4．設(shè)隨機(jī)變量X～U（0，1），用切比雪夫不等式估計(jì)P（|X－_____1/4___________．

5．設(shè)隨機(jī)變量X~B(100,0.8)，由中心極限定量可知，11

|≥）≤2

P?74?X?86??_0.8664______.(Φ(1.5)=0.9332)

?0,6.設(shè)Xi=??1,事件A不發(fā)生事件A發(fā)生(i=1,2,…,100)，且P(A)=0.8, X1，X2，…，X100相互獨(dú)立，令Y=?X

i?1100i，則由中心極限定理知Y近似服從于正態(tài)分布，其方差為___16________。

7．設(shè)隨機(jī)變量X ~ B（100，0.2），應(yīng)用中心極限定理計(jì)算P{16?X?24}=___0.6826_______.（附：Φ（1）=0.8413）

8.設(shè)?n為n次獨(dú)立重復(fù)試驗(yàn)中事件A發(fā)生的次數(shù)，p是事件A在每次試驗(yàn)中發(fā)生的概率，則對任意的??0,limP{|n???n?p|??}=__1________.n

9．設(shè)隨機(jī)變量X～B(100，0.5)，應(yīng)用中心極限定理可算得P{40

10.設(shè)X1,X2,?,Xn是獨(dú)立同分布隨機(jī)變量序列，具有相同的數(shù)學(xué)期望和方差E(Xi)=0，D(Xi)=1，則當(dāng)n充分大的時候，隨機(jī)變量Zn?

_N(0,1)_______(標(biāo)明參數(shù)).1X?i?1ni的概率分布近似服從