概率统计第五章教案（优秀）_概率统计第五章教案

概率统计第五章教案（优秀）由刀豆文库小编整理，希望给你工作、学习、生活带来方便，猜你可能喜欢“概率统计第五章教案”。

第五章：大数定律和中心极限定理

1、引言：在刚开始我们提到事件发生的频率具有稳定性，随着试验次数的增加，事件发生的频率逐渐稳定于某个常数，在实践中，人们还认识到测量值的算术平均值也具有稳定性，这种稳定性就是本章所要讨论的大数定律的客观背景；中心极限定理则从理论上证明了在客观世界上所遇到的许多随机变量的和是服从正态分布或近似服从正态分布的.§5.1大 数 定 律

5.1.1切比雪夫不等式

2、切比雪夫不等式：对于任何具有有限方差的随机变量X，都有PXEXDX2，其中为任一正数.不等式

DX也可写成：PXEX12.证明：设随机变量X为离散型随机变量，其概率分布律为PXxp，k1,2,，则

kkPXEXxkEX122按概率的定义XEXPXxk

第一次放大XEXxkEXpk22求和范围放大按概率的定义xkEXpk XEX21212xk1kEXpk2

按方差的定义DX2.若随机变量X为连续型随机变量，且概率密度函数为fx，则：

PXEXxEX122按概率的定义xEX2fxdx

第一次放大积分范围放大xEXxEXfxdx2

xEXfxdx 按方差的定义DX21223、结论：切比雪夫不等式具体地用随机变量X的数学期望EX和方差DX来估算随机变量X的概率分布，具体地用方差估算了随机变量X取值时以的数学期望EX为中心的分散程度.4、例如：若X~N，，则 XPXEX1

DX22，即PX12.28PX310.8889； 当3时有239215当4时有PX4142160.9375； 224PX510.9600.当5时有2525而实际计算得：PX30.9974，这与用切比雪夫不等式估算的结果不矛盾.5、例1：已知正常男性成人的血液中，每一毫升的白细胞数平均是7300，均方差是700，利用切比雪夫不等式估计每毫升含白细胞数在5200~9400之间的概率.解：设随机变量X表示正常男性成人的血液中每一毫升的白细胞数，则EX7300，DX700

2P5200X9400PX73002100

PXEX2100

1DX27002810.8889.2210096、例

12：在每次试验中事件A以概率2发生，是否可以用大于等于0.975的概率确信，在1000 次试验中，事件A出现的次数在400与600范围内？解：设在1000 次试验中，事件A出现的次数为X，则

7、例

X~B1000,12，EXnp100012500，DXnpq100011212250；

P400X600PX500100PXEX100

1250100212501000010.0250.975.所以可以用大于等于0.975的概率确信，在1000 次试验中，事件A出现的次数在400与600范围内

3：设电站供电网有10000盏电灯，夜晚每盏灯开灯的概率均为0.7，假设灯的开、关是相互独立的，估计夜晚同时开着的灯数在6800到7200盏之间的概率（见课本P124的例1）.解：设随机变量X表示夜晚同时开着的灯的数量，由于每盏灯只有两个可能结果，而且灯的开、关是相互独立的，X~B10000,0.7，若用贝努里公式计算应为

P6800X72007199k6801kC100000.7k10.710000k，计算量很大，不易计算.下面用切比雪夫不等式来估算：

EXnp100000.77000，DXnpq100000.710.72100；

P6800X7200PX7000200

PXEX2002100210011220040000

10.05250.9475.此题说明：虽然10000盏灯，但是只要供应7200盏灯的电力就能以不低于94.75%的概率保证够用.5.1.2伯努利大数定律：

8、定理1（伯努利大数定律）：设是n重伯努利试验中事件A出现的次数，而p是事件A在每次试验中出现的nnlimPp1 概率，则对于任意0，都有证明：设随机变量

nnX1,第i次试验中事件A出现i0,第i次试验中事件A不出现，i1,2,,n

Xi服从参数为p的两点01分布，EXip，DXipq，其中q1p，i1,2,,n，nX1,X2,,Xn相互独立，且nXii1，n从而EnXiEi11nnnEX1niEXini1ni1 1nnp1i1nnpp，nXiDnDi11nnnX1n2Di2DXnii1ni1 1npqnpq122npqi1nn，PDnnnEnnn12 pqPnnp1n21pqn2 则 由切比雪夫不等式得：即： 9

npqlimPplim11 n两边取极限得：nn2n

9、注意：

1伯努利大数定律的实际意义：

nn表示n次试验中事件A

出现的频率，当次数n很大时，事件A出现的频率与事件A出现的概率p的偏差小于任意正数的可能性很大，概率几乎达到1100%.2从伯努利大数定律可知：若事件A的概率很小，事件A出现的频率也很小，或者说事件A很少发生.从而得出小概率事件的实际不可能性原理“概率很小的随机事件在个别（或一次）试验中是不可能发生的”.3确定事件概率的方法：频率

nn与概率p的偏差任意小的概率接近1100%，那么我们就可以通过做试验来确定事件的频率，并把它作为随机事件发生的概率的估计，这种方法称为参数估计，它是数理统计主要的研究课题之一.10、序列Y,Y,,Y,依概率收敛于a（定义）：设Y,Y,,Y,是一个相互独立的随机变量序列，a是一个常数，若对12n12n于任意正数，有limPYnna1，则称随机变量序列Y1,Y2,,Yn,依概率收敛于a.11、重新叙述伯努利大数定律：设是n次伯努利试验中事件A出现的次数，而p是事件A在每次试验中出现

n的概率，则频率

nn依概率收敛于概率p.5.1.3切比雪夫大数定律：

11、引言：人们在实践中还发现，除了频率具有稳定性以外，大量观察值的平均值也具有稳定性，这就是切比雪夫大数定律.12、定理2（切比雪夫大数定律）： 设随机变量X,X,,X,相互独立，每一随机变量分别有数学期望EX,EX,,EX,和有限方差DX,DX,,DX,，且有公共上界c，即DXc,DXc,,DXc,则对于任意0，有12n12n12n12n1n1nlimPXiEXi1 nni1ni1 1n1n1nXiEXiEXi； 证明：Eni1ni1ni11n1nX1,X2,,Xn1DXi2DXi2ni1ni1相互独立n12nnccc2； nni1nDX

ii1n由切比雪夫不等式得：

1nDXninn111PXiEXi1i 2nni1i1 11

1n1nXiEXi即：Pnni1i11ncDXini1cn112122n

作为事件的概率都应有0p1，1nc1n12PXiEXi1 nnni1i1取极限得：

1nc1nlim12limPXiEXilim1nni1nnni1n

1n1n1limPXEX1ii即：n nni1i11n1nPXiEXi1.所以：limnni1ni1

13、切比雪夫大数定律的实际意义：相互独立的随机变量的算术平均值

1nXXini1与数学期望的算术平均值1nEXi的差在n充分大时是一个无穷小量，这也意ni1味着在n充分大时，经算术平均后得到的随机变量1nXXi的值将比较紧密地聚集在EXni1的附近.14、推论（由切比雪夫大数定律可得）：设随机变量X,X,,X,服从同一分布，并且有（相同的）数学期望a及方差，则对于任意正数0，有12n21nliPmXinni1a.11215、推论（切比雪夫大数定律的）的实际意义：假如我们要测量某一物理量a，在不变的条件下重复进行n次，得n个测量值X,X,,X，显然它们可以看成是n个相互独立的随机变量，具有相同的分布，并且有数学期望a，由推论可知，当n充分大时，n次测量结果

12nX1X2Xn的平均值可作为a的近似值：an，由此发生的误差可以任意小；这就是关于算术平均值的法则的理论依据.§5.2中 心 极 限 定 理

1、引言：正态分布在随机变量的一切可能的分布中占有特别重要的地位，实践中我们遇到的大量的随机变量都是服从正态分布的；在某些条件下，即使原来并不服从正态分布的一些独立的随机变量，它们的和的分布，当随机变量的个数无限增加时，也是趋于正态分布的.假如所研究的随机变量是由大量的相互独立的随机因素的综合影响所形成的，而其中每一个别因素在总的影响中所起的作用都是微小的，这种随机变量往往近似服从正态分布，在概率论中有关论证随机变量的和的极限的分布是正态分布的一类定理称为中心极限定理.5.2.1独立同分布的中心极限定理

2、定理1（独立同分布中心极限定理）：设随机变量X,X,,X,相互独立，服从同一分布，且具有有限的数学期望和方差EX，DX0i1,2,，则随机变量12ni2inXEXiii1Yni1nDXii1nXi1ninn（这是随机变量X经标

ii1n准化后得到的随机变量）的分布函数Fx对任意的x,，都有

n

nXini1limFnxlimPxnnn

nXix1t2i1limPxe2dtn.n2证明略

3、说明：

1假设被研究的随机变量可以表示为大量独立的随机变量的和，其中每一个随机变量对于总和的作用都很微小，则可以认为这个随机变量总和实际上是服从正态分布的；实际上只要n足够大，便可认为随机变量总和是服从正态分布的.nXiEXii1i1Ynn2DXii1nXi1ninnn，当n很大时，近似服从标准正态分布N0,1，从而有

2X~Nn,nii15.2.2棣音同弟莫弗-拉普拉斯DeMoiverLaplace中心极限定理：

4、定理2：设随机变量n1,2,服从参数为n,p0p1的二项分布，则对于任意区间a,b，恒有

nlimPant2bnnp12bedt.a2np1p证明：由于服从二项分布的随机变量可视为n个相互独立、服从同一参数p0p1的01分布的随机变量X,X,,X之和，n12n即nXi，其中EXip，Di1nXipq，i1,2,,n，q1p，故由独立同分布中心极限定理可得：

nXint2x12i1nnplimPxlimPxedtnn，n2npq即n~Nn,npq，于是对于任意a,b有

limPant2bnnp12bedta.2np1p

5、说明：棣莫弗-拉普拉斯中心极限定理表明：正态分布是二项分布的极限分布，当n充分大时，服从二项分布的随机变量的概率计算可以转化为正态随机变量的概率计算.nanpnnpbnpbnpanpPanbP

npqnpqnpqnpqnpq

6、例1：设电站供电网有10000盏电灯，夜晚每盏灯开灯的概率均为0.7，假设灯的开、关是相互独立的，估计夜晚同时开着的灯数在6800到7200盏之间的概率（此题在本章讲稿的第三页已用切比雪夫不等式估算过）.解：n~Bn,pB10000,0.7，Ennp100000.77000，Dnnpq100000.70.32100，Dn210045.8258，P6800n7200Pn7000200

7000nPDn Dn200n7000200P4.364445.825845.8258

4.36444.3644

4.364414.3644

24.3644120.99999510.99999.即亮灯数介于6800~7200之间的概率为0.99999.7、例２：某计算器进行加法计算时，把每个加数取为最接近于它的整数来计算，设所有取整误差是相互独立的随机变量，并且都在0.5,0.5上服从均匀分布.求：（1）1200个数相加时，误差总和的绝对值小于10的概率.（2）多少个数相加可使误差总和的绝对值小于10的概率大于0.9？ii解：设X表示第i个数相加时的误差，则X服从区间0.5,0.5上的均匀分布，即X~U0.5,0.5，i其密度函数为：

10.50.5,0.5x0.51,0.5x0.5fx其它0,0,其它2，0.50.50.50.51EX0DX从而有i，i； 21212120012001200EXiEXi00

i1i1i112001112001200DXiDXi1200100；

12i112i1i1（1）由于大量随机变量的和的分布是近似服从正态

分布的，1200Xi01200标准化10i1PXi10P1100100i1 查标准正态分布表11111211

20.841310.6826.（2）设需n个数相加可使误差总和的绝对值小于10的概

率大于0.9.则

nXin0n标准化10203i1PXi10Pnn i1nDXi12203203203210.9nn n20310.90.95n，2

查标准正态分布表得：1.6450.9

5203203从而有n1.645n1.645443.4289.n443

2（即不要多于443个数相加可使误差总和的绝对值小于10的概率大于0.9）.8、例3：每发炮弹命中目标的概率为0.01，求500发炮弹至少命中5发的概率.解：用随机变量X表示500发炮弹命中目标的炮弹数，则X~B500,0.01，EXnp5000.015，DXnpq5000.010.994.95

DX4.952.223；

方法一：用二项分布来计算

kPX5C5000.01k10.01k54500500k

k1C5000.01k0.99500kk0012C5000.99500C5000.010.99499C5000.0120.9949813C0.0130.99497C40.0140.994965005000.56039.方法二：当n很大，p很小时的二项分布，可近似用泊松分布来计算X~Pnp.4kePX51PX41 k!k01k045000.01k!ke5000.01

5ke510.5595.k!k04方法三：用中心极限定理计算.1，第i发炮弹击中目标设Xi0，第i发炮弹未击中目标

Xi近似服从正态分布 则Xi1500XEX5EXPX5P

DXDX标准化55000.01XEXP

5000.010.99DXXEXXEX1P0P0 DXDX1010.50.5.

概率统计教案1

第一章概率论的基本概念1.确定性现象: 在一定条件下必然发生的现象.2.统计规律性: 在个别试验或观察中可以出现这样的结果，也可以出现那样的结果，但在大量重复试验或观察中所......

统计与概率教案

第1课时 统计与概率（1） 【教学内容】 统计表。【教学目标】使学生进一步认识统计的意义，进一步认识统计表，掌握整理数据、编制统计表的方法，学会进行简单统计。 【重点难点】让学......

概率统计教案5

第五章 大数定律及中心极限定理§5.1 大数定律1.设Y1 , Y2 ,  , Yn , 是一个a是一个常数.随机变量序列，若对于任意正数，有limP{Ya}1， nn则称序列Y1 , Y2 ,  , Yn , 依概P 率收......

概率统计教案2

第三章 多维随机变量及其分布一、教材说明本章内容包括：多维随机变量的联合分布和边际分布、多维随机变量函数的分布、多维随机变量的特征数，随机变量的独立性概念，条件分布与......

统计与概率教案

刀豆文库小编为你整合推荐5篇统计与概率教案，也许这些就是您需要的文章，但愿刀豆文库能带给您一些学习、工作上的帮助。......