第五章大数定律与中心极限定理
大数定律
中心极限定理
§1 大数定律一.依概率收敛 p145
设{Y
n
}为随机变量序列,a为常数,若任给 ε>0,
使得
1}|{|lim =<?
∞→
εaYP
n
n
则称{X
n
}依概率收敛 于a,可记为
.aY
P
n
→?
aX
P
n

∞→n
时,X
n
落在意思是:当
),( εε +? aa
内的概率越来越大.
n
X
a
ε?a ε+a
,当
0
nn>
0
,0 n?>?ε
aX
n
→而 意思是:
ε<? || aX
n
二.几个常用的大数定律
1,切比雪夫大数定律 设{X
k
,k=1,2,...}为独立的随机变量序列,且有相同的数学期望 μ,及方差 σ
2
,则
μ?→?==

=
P
n
k
kn
X
n
YX
1
1
即任给 ε>0,有
1}|
1
{|lim
}|{|lim
1
=<?=
<?

=
∞→
∞→
εμ
εμ
n
k
k
n
n
n
X
n
P
YP
证明:由切比雪夫不等式
.
)(
1}|)({|
2
ε
ε
n
nn
YD
YEYP?≥<? 这里
μ==

=
n
k
kn
XE
n
YE
1
)(
1
)(
n
XD
n
YD
n
k
kn
2
1
2
)(
1
)(
σ
==

=
.1}|{|
2
2
ε
σ
εμ
n
YP
n
≥<?

1}|{|lim =<?
∞→
εμ
n
n
YP

=
=
n
k
k
X
n
X
1
1
定理的意义,P145
1,当n很大时,随机变量X
1,
…,X
n
的算术平均接近于数学期望E(X
1
)=E(X
2
)=…=E(X
n
)=μ.
这种接近是在概率意义下的接近。
X
2,对于同一个 r.v.X,进行n次独立观察,每次观察的值为Xi,它们也是r.v.,当n充分大时,所有观察值的算术平均依概率收敛于E(X)。
E(X):理论上的均值,:实际得到的观察值的均值,n很大时,两者会在概率意义下接近。
3,第1000次的观察值也许比第10次的离 μ远。但前
1000次的平均值接近 μ的概率应当比前10次的大。
2,伯努里大数定律 进行n次独立重复试验,每次试验中事件A发生的概率为p,记n
A
为n次试验中事件A发生的次数,为频率,则
pfn
p
n
→∞→时,当
n
n
f
A
n
=
=
0
1
i
X
第i次试验事件A发生证明:设第i次试验事件A不发生则
)1()(,)( ppXDpXE
ii
==
由切比雪夫大数定理
p
n
X
f
P
n
i
i
n
→=

= 1
3,辛钦大数定律若{X
k
,k=1.2,...}为独立同分布随机变量序列,EX
k
=μ <∞,k=1,2,… 则
μ?→?=

=
P
n
k
kn
X
n
Y
1
1
1}|
1
{|lim
}|{|lim
1
=<?=
<?

=
∞→
∞→
εμ
εμ
n
k
k
n
n
n
X
n
P
YP即任给 ε>0,有辛钦定律要求同分布,切比雪夫定律要求方差存在。
1,独立同分布中心极限定理 (Levy-Lindeberg)
设 {X
n
}为独立同分布随机变量序列,若 E(X
k
)=μ<∞,
D(X
k
)= σ
2
>0,k=1,2,…,则令随机变量
§2,中心极限定理
σ
μ
n
nX
Y
n
k
k
n
=

=1
)(xFY
nn
的分布函数为
dtexxF
t
x
n
n
2
2
2
1
)()(lim
∞?
∞→

=Φ=
π
σ
μ
n
nX
XD
XEX
Y
n
k
k
n
k
k
n
k
k
n
k
k
n
=
=


∑∑
=
=
== 1
1
11
)(
)(

=
n
k
k
X
1
标准化
1.
)()(lim xxF
n
n
Φ=
∞→
)(xFY
nn
的分布函数为
2.
σ
μ
n
nX
n
k
k

=1
近似地

N(0,1)
3.
在一般情况下,很难求出n个随机变量之和的分布函数。n充分大时,可以用正态分布近似。

=
n
k
k
X
1
近似计算公式:
)(}{
1
σ
μ
n
nx
xXp
n
i
i
Φ≈≤

=
)(
1
aa
n
nX
p
n
k
k
Φ≈


=
σ
μ
σ
μ
n
nx
a
=
例1,将一颗骰子连掷100次,则点数之和不少于
500的概率是多少?
解:设 X
k
为第k 次掷出的点数,k=1,2,…,100,则
X
1
,…,X
100
独立同分布.
12
35
4
49
6
1
)(,
2
7
)(
6
1
2
=?==

=i
kk
kXDXE
由中心极限定理
×
×?
Φ?≈≥

=
12
35
100
2
7
100500
1}500{
100
1i
i
XP
0)78.8(1 ≈Φ?=
2.德莫佛-拉普拉斯定理(De Moivre-Laplace)
设随机变量 η
n
(n=1,2,...)服从参数为n、p(0<p<1)
的二项分布,则
)(lim xx
npq
np
P
n
n
Φ=

∞→
η
证明:设
=
0
1
i
X

=
=?==
n
i
inii
XppXDpXE
1
),1()(,)( η
第i次试验事件A发生第i次试验事件A不发生则由独立同分布中心极限定理,结论得证。

=
n
k
k
X
1 σ
μ
n
nX
Y
n
k
k
n
=

=1
标准化
)(xFY
nn
的分布函数为
)()(lim xxF
n
n
Φ=
∞→
σ
μ
n
nX
n
k
k

=1
近似地

N(0,1)
n
n
k
k
X η=

=1
1.
npq
np
Y
n
n
=
η
2.

= x
npq
np
PxF
n
n
η
)(
3.
p150(2.5)式
X
k
服从同一个0-1分布,μ=p,σ
2
=pq
二项分布可用正态分布近似计算
n
η
~B (n,p)
{}
Φ≈

=≤
npq
npa
npq
npa
npq
np
PaP
n
n
η
η
例2 在一家保险公司里有10000个人参加寿命保险,每人每年付12元保险费。在一年内一个人死亡的概率为0.6%,死亡时其家属可向保险公司领得1000元,问
(1)保险公司亏本的概率有多大?
(2)其他条件不变,为有90%的把握使保险公司一年的利润不少于60000元,赔偿金至多可设为多少?
解,设 X表示一年内死亡的人数,则 X~b(n,p),
其中 n= 10000,p=0.6%,np=60,设 Y表示保险公司一年的利润,Y=10000×12-1000X
于是由中心极限定理
(1) P{Y<0}=P{10000×12-1000X<0}
=1?P{X≤120}≈1 - Φ(7.77)=0;
{}
)7693.7(
7227.7
60
994.060
60120
994.060
60
120
Φ=
Φ≈

=≤
X
PXP
9.0}60000{ ≥≥YP
P{Y>60000}=P{X≤60000/a}≥0.9;
(2)设赔偿金为a元,则令由中心极限定理,上式等价于
9.0
7227.7
60
60000
7227.7
60
60000
7227.7
6060000

Φ≈

=

a
a
X
P
a
XP
6.857
,29.1
7227.7
60
60000


a
a