大数定理与中心极限定理的应

《大数定理与中心极限定理的应》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、勤学好问必有所获大数定理与中心极限定理的应用第四章大数定理与中心极限定理概率论Chebysherv不等式两个常用大数定理两个常用的中心极限定理Chebysherv不等式一、Chebysherv不等式定理：二、Chebysherv不等式的应用概率的估算例4.1解：设该地区次小麦品种的亩产量为X.理论证明的工具例4.2大数定理一、大数定律的客观背景大量随机试验中大量抛掷硬币正面出现频率生产过程中的废品率文章中字母使用频率Thelawoflargenumbers二、两个常用的大数定理随机变量序列依概率收敛D

2、ef大数定理Chebysherv定理1(Chebysherv大数定理)Khintchin推论：定理2(Bernoulli大数定理)Bernoulli三、大数定理的应用Khintchin大数定理应用Bernoulli大数定理应用寻找随机事件概率提供了一条实际可行的途径寻找随机变量的期望值提供了一条实际可行的途径中心极限定理Thelawoflargenumbers一、中心极限定律的客观背景在实际问题中许多随机变量是由相互独立随机因素的综合（或和)影响所形成。例如：炮弹射击的落点与目标的偏差，就受着许多随机

3、因素（如瞄准，空气阻力，炮弹或炮身结构等）综合影响的。每个随机因素的对弹着点（随机变量和）所起的作用都是很小的。那么弹着点服从怎样分布呢？自从高斯发现测量误差服从正态分布之后，人们通过大量的观察和研究发现，正态分布在自然界中极为常见。在概率论中，习惯于把随机变量和的分布收敛于正态分布这一类定理叫作中心极限定理。二、两个常用的中心极限定律随机变量序列依分布收敛Def定理3(Lindeberg-Levy中心极限定理)中心极限定理即:一个由许多独立同分布随机变量作用形成的随机变量，其概率分布一定是正态分布。

4、定理4(DeMoivre-Laplace中心极限定理)三、中心极限定理的应用Lindeberg-Levy中心极限定理应用DeMoivre-Laplace中心极限定理应用例4.3例4.4某车间有200台车床,在生产期间由于需要检修、调换刀具、变换位置、调换工件等常需停车。设每台车床开工率为0.6,每台车床是否开工是独立的，每台车床在开工时需电力1千瓦。问应供应多少瓦电力就能以99.9%的概率保证该车间不会因供电不足而影响生产?解：对每台车床的观察作为一次试验，每次试验是观察该台车床在某时刻是否开工,开工

5、的概率0.6,共进行200次独立重复试验。用X表示在某时刻开工的车床数，依题意X~B(200,0.6)。设有N台车床开工，也即需要N千瓦电。现在的问题转化为：求满足P{X≤N}≥0.999的最小的N.由3σ准则该项为0答：应供应142千瓦电就能以99.9%的概率保证该车间不会因供电不足而影响生产.