简讲-46-1章-6节中心极限定理.pptVIP

  1. 1、本文档共20页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第六节 中心极限定理 中心极限定理的客观背景 在实际问题中,常常需要考虑许多随机因素所产生总影响. 例如:炮弹射击的落点与目标的偏差,就受着许多随机因素的影响. 空气阻力所产生的误差, 对我们来说重要的是这些随机因素的总影响. 如瞄准时的误差, 炮弹或炮身结构所引起的误差等等. 观察表明,如果一个量是由大量相互独立的随机因素的影响所造成,而每一个别因素在总影响中所起的作用不大. 则这种量一般都服从或近似服从正态分布. 自从高斯指出测量误差服从正态分布之后,人们发现,正态分布在自然界中极为常见. 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. 当n无限增大时,这个和的极限分布是什么呢? 在什么条件下极限分布会是正态的呢? 由于无穷个随机变量之和可能趋于∞,故我们不研究n个随机变量之和本身而考虑它的标准化的随机变量 的分布函数的极限. 的分布函数的极限. 可以证明,满足一定的条件,上述极限分布是标准正态分布. 考虑 中心极限定理 这就是下面要介 绍的 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. 我们只讨论几种简单情形. 下面给出的独立同分布随机变量序列的中心极限定理,也称列维一林德伯格(Levy-Lindberg)定理. 定理1(独立同分布下的中心极限定理) 它表明,当n充分大时,n个具有相同期望和方差的独立同分布的r.v.之和近似服从正态分布. 设X1,X2, …是独立同分布的随机 变量序列,且E(Xi)= ,D(Xi)= , i=1,2,…,则 虽然在一般情况下,我们很难求出X1+X2+ …+Xn 的分布的确切形式,但当n很大时,可以求出近似分布. 例6.1 集宁肉联的肉罐头是用机器包装的,有一种肉罐头的平均重量是1斤,方差为0.52。一个大纸箱装有48个肉罐头,它的平均重量是480两,方差为 0.52×48=12。求一箱罐头总重量超过496两的概率。 还有如下的作用: 将左式的分子与分母同时除以n,得 可以看作从平均数为μ,标准差为σ的 总体中,抽取的含量为n的样本的平均数。因 此,可以得到如下重要定理: 前面介绍的棣莫佛-拉普拉斯定理 (二项分布的正态近似)是上述定理的特殊 情况. 若已知总体平均数为μ,标准差为σ,那么,对于从该总体所抽取的含量为n的样本,当n充分大时,其平均数近似地服从正态分布N( μ, σ2/n) 定理2(棣莫佛-拉普拉斯定理) 设随机变量 服从参数n, p(0p1)的二项分布,则对任意x,有 定理表明,当n很大,0p1是一个定值时(或者说,np(1-p)也不太小时),二项变量 的分布近似正态分布 N(np,np(1-p)).

文档评论(0)

nnh91 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档