资源描述：
《应用概率统计课件.ppt》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。
1、第五章大数定律和中心极限定理关键词：契比雪夫不等式大数定律中心极限定理1§1大数定律2随机变量序列依概率收敛的定义3性质：45678例1：在n重贝努里试验中，若已知每次试验事件A出现的概率为0.75，试利用契比雪夫不等式,(1)若n=7500,估计A出现的频率在0.74至0.76之间的概率至少有多大；（2）估计n,使A出现的频率在0.74至0.76之间的概率不小于0.90。910契比雪夫大数定律表明，当n很大时，的算术平均接近于数学期望。这种接近是在概率意义下的接近。此外，定理中要求随机变量的方差存在，但当随机变量服从相同分布时，就不需要这一要求。11
2、例2：12例：13大数定律的重要意义：贝努里大数定律建立了在大量重复独立试验中事件出现频率的稳定性，正因为这种稳定性，概率的概念才有客观意义，贝努里大数定律还提供了通过试验来确定事件概率的方法，既然频率nA/n与概率p有较大偏差的可能性很小，我们便可以通过做试验确定某事件发生的频率并把它作为相应的概率估计，这种方法即是在第7章将要介绍的参数估计法，参数估计的重要理论基础之一就是大数定理。14§2中心极限定理背景：有许多随机变量，它们是由大量的相互独立的随机变量的综合影响所形成的，而其中每个个别的因素作用都很小，这种随机变量往往服从或近似服从正态分布，或
3、者说它的极限分布是正态分布，中心极限定理正是从数学上论证了这一现象，它在长达两个世纪的时期内曾是概率论研究的中心课题。151617例3：设某种电器元件的寿命服从均值为100小时的指数分布，现随机取得16只，设它们的寿命是相互独立的,求这16只元件的寿命的总和大于1920小时的概率。18例4：某保险公司的老年人寿保险有1万人参加，每人每年交200元,若老人在该年内死亡，公司付给受益人1万元。设老年人死亡率为0.017，试求保险公司在一年内这项保险亏本的概率。19例5：设某工厂有400台同类机器，各台机器发生故障的概率都是0.02，各台机器工作是相互独立的
4、，试求机器出故障的台数不小于2的概率。20例6：21例7：（例1续）在n重贝努里试验中，若已知每次试验事件A出现的概率为0.75，试利用中心极限定理,(1)若n=7500,估计A出现的频率在0.74至0.76之间的概率近似值；（2）估计n,使A出现的频率在0.74至0.76之间的概率不小于0.90。22关键词：总体个体样本统计量第六章数理统计的基本概念23引言：数理统计学是一门关于数据收集、整理、分析和推断的科学。在概率论中已经知道，由于大量的随机试验中各种结果的出现必然呈现它的规律性，因而从理论上讲只要对随机现象进行足够多次观察，各种结果的规律性一定
5、能清楚地呈现，但是实际上所允许的观察永远是有限的，甚至是少量的。例如：若规定灯泡寿命低于1000小时者为次品，如何确定次品率？由于灯泡寿命试验是破坏性试验，不可能把整批灯泡逐一检测，只能抽取一部分灯泡作为样本进行检验，以样本的信息来推断总体的信息，这是数理统计学研究的问题之一。24§1总体和样本总体：研究对象的全体。如一批灯泡。个体：组成总体的每个元素。如某个灯泡。抽样：从总体X中抽取有限个个体对总体进行观察的取值过程。随机样本：随机抽取的n个个体的集合(X1,X2,…,Xn),n为样本容量简单随机样本：满足以下两个条件的随机样本(X1,X2,…,Xn
6、)称为简单随机样本。1.代表性：每个Xi与X同分布2.独立性：X1,X2,…,Xn是相互独立的随机变量[说明]：后面提到的样本均指简单随机样本，由概率论知，若总体X具有概率密度f(x)，则样本（X1,X2,…,Xn）具有联合密度函数：25总体X的分布函数从总体中任取一个个体是随机试验的一个观察值，把它记为X，它是一个随机变量，所以总体有时也用对应的随机变量X表示，X分布F也表示总体分布。262728统计量：样本的不含任何未知参数的函数29常用统计量：设（X1,X2,…,Xn）为取自总体X的样本30性质：3132333435§2常用的分布36373839
7、40414243正态总体样本均值和方差的分布4445WilliamGosset(1876-1937)1908年提出t-分布46474849思考：5152复习思考题61.什么叫总体？什么叫简单随机样本？总体X的样本X1,X2,…,Xn有哪两个主要性质？2.什么是统计量？什么是统计量的值？3.样本均值和样本方差如何计算？4.N(0,1)分布,t分布,χ2分布和F分布的双侧、下侧、上侧分位点是如何定义的？怎样利用附表查这些分位点的值？5.对一个正态总体的三个常用统计量及其分布是什么？6.对两个正态总体的三个常用统计量及其分布是什么？53第七章参数估计关键词：
8、矩估计法最大似然估计法置信区间置信度5455§1参数的点估计56575859最大似然估计的原理
