概率论与数理统计第五章.ppt

上传人:hs****ma 文档编号:569849521 上传时间:2024-07-31 格式:PPT 页数:30 大小:1.07MB
返回 下载 相关 举报
概率论与数理统计第五章.ppt_第1页
第1页 / 共30页
概率论与数理统计第五章.ppt_第2页
第2页 / 共30页
概率论与数理统计第五章.ppt_第3页
第3页 / 共30页
概率论与数理统计第五章.ppt_第4页
第4页 / 共30页
概率论与数理统计第五章.ppt_第5页
第5页 / 共30页
点击查看更多>>
资源描述

《概率论与数理统计第五章.ppt》由会员分享,可在线阅读,更多相关《概率论与数理统计第五章.ppt(30页珍藏版)》请在金锄头文库上搜索。

1、第五章第五章 大数定律与中心极限定理大数定律与中心极限定理1 1 切贝谢夫不等式切贝谢夫不等式研究随机变量的离差与方差的关系。切贝谢夫不等式:用切贝谢夫不等式估计:700021002 2 大数定律大数定律测量多次,结果的计算平均值未必等于a测量次数很大时,算术平均值接近于a这种现象为平均结果的稳定性。 大量随机现象中的平均结果与每一个别随机现象无关,几乎不再随机。例2 测量一个长度a,一次测量,结果未必等于a=1也称为切贝谢夫大数定律。它有如下重要的推论。大量重复试验中,事件发生的频率接近于概率。若P(A)很小,则A发生的频率也很小如P(A)=0.001,约在1000次试验中,A发生一次在一次

2、试验中认为A几乎不可能发生。这称为小概率事件的实际不可能性原理。实际应用中,对某一量a,在不变条件下重复测量n次,得到观察值x1,xn3 3 中心极限定理中心极限定理钉板试验 研究在什么条件下,大量独立随机变量和的分布以正态分布为极限,这一类定理称为中心极限定理。 一般地,若某项偶然因素对总和的影响是均匀的、微小的,即没有一项起特别突出的作用,则这些大量独立偶然因素总和的随机变量近似服从正态分布。这就是如下的李雅普诺夫定理:例1 一个螺丝钉重量是一个随机变量,期望值是1两,标准差是0.1两。求一盒(100个)同型号螺丝钉的重量超过10.2斤的概率。=0.02275例2 对敌人的防御地段进行10

3、0次轰炸,每次轰炸命中目标的炸弹数目是一个随机变量,其期望值为2,方差为1.69。求在100次轰炸中有180颗到220颗炸弹命中目标的概率。0.87644=0.008158解法二:正态分布的线性函数也是正态分布0.5=0.008158例4 某大型商场每天接待顾客10000人,设某位顾客的消费额(元)服从100,1000上的均匀分布,且顾客的消费额是独立的,试求该商场的销售额在平均销售额上、下浮动不超过20000元的概率。例5 计算机在进行加法时,每个加数取整数(四舍五入),设所有取整误差是相互独立的,且它们都在-0.5,0.5上服从均匀分布。(1)若将1500个数相加,问误差总和的绝对值超过1

4、5的概率是多少?(2)最少几个数相加在一起可使得误差总和的绝对值小于10的概率不超过90?=0.18024(2)设有n个数相加二项分布可以看成多个0-1分布之和当n增加时,它以正态分布为极限。例6 10部机器独立工作,每部停机的概率为0.2,求3部机器同时停机的概率。(1)直接计算相差较大,这是因为n较小。例7 每颗炮弹命中飞机的概率为0.01,求500发炮弹中命中5发的概率。n=500 p=0.01(1)直接计算0.17635(2)用局部极限定理0.1793(3)由于n很大,p很小,也可用Poisson分布计算P5(5)=0.175467比用正态分布更精确正态分布与Poisson分布都是二项

5、分布的极限分布。用Poisson分布近似计算比用正态分布精确实际应用更多的是积分极限定理n=10000p=0.005=0.9977例8 产品为废品的概率为p=0.005,求10000件产品中废品数不大于70的概率。例9 已知一次试验中P(A)=0.75,分别用切贝谢夫不等式与中心极限定理计算。(1)在1000次试验中,A发生的次数在700-800之间的概率。(2)n取多大时,才能使n次重复独立试验中A出现的频率在0.740.76间的概率至少为0.9?n=1000p=0.75用切贝谢夫不等式计算=0.925用正态分布计算用切贝谢夫不等式用正态分布例10 某单位有200台电话分机,每台大约有5时间使用外线。若各分机是否使用外线是相互独立的,问总机至少要装多少条外线才能使打外线的接通率达到90?设要装k条外线。至少要装14条外线

展开阅读全文
相关资源
正为您匹配相似的精品文档
相关搜索

最新文档


当前位置:首页 > 高等教育 > 研究生课件

电脑版 |金锄头文库版权所有
经营许可证:蜀ICP备13022795号 | 川公网安备 51140202000112号