第 四 章 大 数 定 理 与 中 心 极 限 定 理.

Slides:



Advertisements
Similar presentations
第一章 、随机事件与概率 1.1 、随机事件 1.2 、随机事件的概率 1.3 、随机事件概率的计算 1.4 、伯努利概型.
Advertisements

高等数学( XJD ) 第二章 导数与微分 返回 高等数学( XAUAT ) 高等数学( XJD ) 求导法则 基本公式 导 数 导 数 微 分微 分 微 分微 分 求导方法 高阶导数 微分法则 导数与微分关系图导数与微分关系图.
一、 一阶线性微分方程及其解法 二、 一阶线性微分方程的简单应用 三、 小结及作业 §6.2 一阶线性微分方程.
第五节 全微分方程 一、全微分方程及其求法 二、积分因子法 三、一阶微分方程小结. 例如 所以是全微分方程. 定义 : 则 若有全微分形式 一、全微分方程及其求法.
第五节 函数的微分 一、微分的定义 二、微分的几何意义 三、基本初等函数的微分公式与微分运算 法则 四、微分形式不变性 五、微分在近似计算中的应用 六、小结.
第二章 导数与微分 习题课 主要内容 典型例题 测验题. 求 导 法 则求 导 法 则 求 导 法 则求 导 法 则 基本公式 导 数 导 数 微 分微 分 微 分微 分 高阶导数 高阶微分 一、主要内容.
Yunnan University Chapt 5. 微分学基本定理及其应用 导 数导 数 函数性质 中值定理 §1. 中值定理 §2. 泰勒公式 §3. 函数的升降、凸性与极值 §4. 平面曲线的曲率 §5. 待定型.
第八章 第四节 机动 目录 上页 下页 返回 结束 一个方程所确定的隐函数 及其导数 隐函数的微分法.
2.5 函数的微分 一、问题的提出 二、微分的定义 三、可微的条件 四、微分的几何意义 五、微分的求法 六、小结.
全微分 教学目的:全微分的有关概念和意义 教学重点:全微分的计算和应用 教学难点:全微分应用于近似计算.
第三节 微分 3.1 、微分的概念 3.2 、微分的计算 3.3 、微分的应用. 一、问题的提出 实例 : 正方形金属薄片受热后面积的改变量.
§5.2 中心极限定理 定理3(同分布中心极限定理)设随机变量X1, X2, …, Xn, …相互独立,服从相同分布,且有有限的数学期望和方差,即: E(Xk) =,D(Xk) =2,k = 1, 2, … 则随机变量 的分布函数Fn(x)满足: 对任意的x,有.
第四章 随机变量的数字特征 随机变量的分布是对随机变量的一种完整的描述,知道随机变量的分布就全都知道随机变量的所有特征。然后随机变量的概率分布往往不容易求得的。 随机变量的这些统计特征通常用数字表示的。这些用来描述随机变量统计性的数字称为随机变量的数字特征。其中最重要的是数学期望(均值)和方差二种。
一、二阶行列式的引入 用消元法解二元线性方程组. 一、二阶行列式的引入 用消元法解二元线性方程组.
基于R软件的统计模拟 奚 潭 (南京财经大学统计系2006级).
6.6 单侧置信限 1、问题的引入 2、基本概念 3、典型例题 4、小结.
概率论与 数理统计 高教自考复习 总第十四讲.
《高等数学》(理学) 常数项级数的概念 袁安锋
概率论与数理统计 (Probability and Statistics).
第四节 对数留数与辐角原理 一、对数留数 二、辐角原理 三、路西定理 四、小结与思考.
例题 教学目的: 微积分基本公式 教学重点: 牛顿----莱布尼兹公式 教学难点: 变上限积分的性质与应用.
高等数学电子教案 第五章 定积分 第三节 微积分基本定理.
一、原函数与不定积分 二、不定积分的几何意义 三、基本积分公式及积分法则 四、牛顿—莱布尼兹公式 五、小结
第二节 微积分基本公式 1、问题的提出 2、积分上限函数及其导数 3、牛顿—莱布尼茨公式 4、小结.
第四章 函数的积分学 第六节 微积分的基本公式 一、变上限定积分 二、微积分的基本公式.
第三节 协方差及相关系数 协方差 相关系数 课堂练习 小结 布置作业.
第5章 定积分及其应用 基本要求 5.1 定积分的概念与性质 5.2 微积分基本公式 5.3 定积分的换元积分法与分部积分法
定积分习题课.
主要内容 § 3.1 多维随机变量及联合分布 联合分布函里数 联合分布律 联合概率密度 § 3.2 二维随机变量的边缘分布
第三节 函数的求导法则 一 函数的四则运算的微分法则 二 反函数的微分法则 三 复合函数的微分法则及微分 形式不变性 四 微分法小结.
第三节 格林公式及其应用(2) 一、曲线积分与路径无关的定义 二、曲线积分与路径无关的条件 三、二元函数的全微分的求积 四、小结.
§5 微分及其应用 一、微分的概念 实例:正方形金属薄片受热后面积的改变量..
第三章 导数与微分 习 题 课 主要内容 典型例题.
2-7、函数的微分 教学要求 教学要点.
§5 微分及其应用 一、微分的概念 实例:正方形金属薄片受热后面积的改变量..
1.2 事件的频率与概率 一、事件的频率 二、概率的公理化体系 1.2 事件的频率与概率.
第三章 多维随机变量及其分布 §2 边缘分布 边缘分布函数 边缘分布律 边缘概率密度.
例1 :甲击中的环数; X :乙击中的环数; Y 平较高? 试问哪一个人的射击水 : 的射击水平由下表给出 甲、乙两人射击,他们
第六章 概率初步 6.2 频率的稳定性.
第五章:随机变量的收敛性 随机样本:IID样本 , 统计量:对随机样本的概括 收敛性:当样本数量n趋向无穷大时,统计量的变化
本次课讲授:第二章第十一节,第十二节,第三章第一节, 下次课讲第三章第二节,第三节,第四节; 下次上课时交作业P29—P30
计算机数学基础 主讲老师: 邓辉文.
概率论 Probability.
概 率 统 计 主讲教师 叶宏 山东大学数学院.
连续型随机变量及其概率密度 一、概率密度的概念与性质 二、常见连续型随机变量的分布 三、小结.
第七章 参数估计 7.3 参数的区间估计.
第一章 函数与极限.
习题 一、概率论 1.已知随机事件A,B,C满足 在下列三种情况下,计算 (1)A,B,C相互独立 (2)A,B独立,A,C互不相容
概率论 ( Probability) 2016年 2019年4月13日星期六.
抽样和抽样分布 基本计算 Sampling & Sampling distribution
实数与向量的积.
概 率 统 计 主讲教师 叶宏 山东大学数学院.
5.2 常用统计分布 一、常见分布 二、概率分布的分位数 三、小结.
第5章 大数定律和中心极限定理 5.1 大数定律 5.2 中心极限定理.
§5.2 中心极限定理 人们已经知道,在自然界和生产实践中遇到的大量随机 变量都服从或近似服从正态分布,正因如此,正态分布占有
第三章 随机变量的数字特征 (一)基本内容 一、一维随机变量的数学期望 定义1:设X是一离散型随机变量,其分布列为:
概 率 统 计 主讲教师 叶宏 山东大学数学院.
第一节 不定积分的概念与性质 一、原函数与不定积分的概念 二、不定积分的几何意义 三、基本积分表 四、不定积分的性质 五、小结 思考题.
4.3 中心极限定理 一、问题的引入 二、基本定理 三、典型例题 四、小结.
第四节 随机变量函数的概率分布 X 是分布已知的随机变量,g ( · ) 是一个已知 的连续函数,如何求随机变量 Y =g(X ) 的分布?
第一部分:概率 产生随机样本:对分布采样 均匀分布 其他分布 伪随机数 很多统计软件包中都有此工具 如在Matlab中:rand
第二节 中心极限定理 一、问题的引入 二、基本定理 三、典型例题 四、小结.
§5.2 抽样分布   确定统计量的分布——抽样分布,是数理统计的基本问题之一.采用求随机向量的函数的分布的方法可得到抽样分布.由于样本容量一般不止2或 3(甚至还可能是随机的),故计算往往很复杂,有时还需要特殊技巧或特殊工具.   由于正态总体是最常见的总体,故本节介绍的几个抽样分布均对正态总体而言.
2019/5/20 第三节 高阶导数 1.
第二节 函数的极限 一、函数极限的定义 二、函数极限的性质 三、小结 思考题.
难点:连续变量函数分布与二维连续变量分布
第三节 数量积 向量积 混合积 一、向量的数量积 二、向量的向量积 三、向量的混合积 四、小结 思考题.
§4.1数学期望.
第五章 大数定律和中心极限定理 关键词: 马尔可夫不等式 切比雪夫不等式 大数定律 中心极限定理.
第3讲 概率论初步 3.1 概率 条件概率和加法公式 3.3 计数原则.
Presentation transcript:

第 四 章 大 数 定 理 与 中 心 极 限 定 理

4.1 大数定律 一、问题引入 二、基本定理 三、典型例题 四、小结

一、问题的引入 概率论与数理统计是研究随机现象统计规律性的学科. 随机现象的规律性只有在相同的条件下进行大量重复试验时才会呈现出来. 也就是说,要从随机现象中去寻求必然的法则,应该研究大量随机现象.

研究大量的随机现象,常常采用极限形式,由此导致对极限定理进行研究. 极限定理的内容很广泛,其中最重要的有两种: 与 大数定律 中心极限定理 下面我们先介绍大数定律

大数定律的客观背景 大量的随机现象中平均结果的稳定性 生产过程中的 废品率 字母使用频率 大量抛掷硬币 正面出现频率 ……

二、基本定理 定理4.1(贝努里大数定理) 伯努利 证明 引入随机变量

显然

[证毕]

关于贝努里定理的说明: 故而当n很大时, 事件发生的频率与概率有较大偏差的可能性很小. 在实际应用中, 当试验次数很大时, 便可以用事件发生的频率来代替事件的概率.

大数定律的定义 定义4.1

定理4.2(契贝晓夫大数定理) 契贝晓夫

证明 由契贝晓夫不等式可得 [证毕]

关于定理4.2的说明: (这个接近是概率意义下的接近) 即在定理条件下, n个随机变量的算术平均, 当n无限增加时, 几乎变成一个常数.

定理4.4(辛钦大数定律) 设随机变量 服从独立同分布且期望为 关于辛钦定理的说明: (1) 与定理4.2相比, 不要求方差存在; 辛钦资料 设随机变量 服从独立同分布且期望为 关于辛钦定理的说明: (1) 与定理4.2相比, 不要求方差存在; (2) 贝努利定理是辛钦定理的特殊情况.

三、典型例题 例1 解 独立性依题意可知, 检验是否具有数学期望?

说明每一个随机变量都有数学期望, 检验是否具有有限方差? 说明离散型随机变量有有限方差, 故满足契比雪夫定理的条件.

例2 解 由辛钦定理知

四、小结 贝努里大数定理 三个大数定理 契贝晓夫大数定理 辛钦定理   频率的稳定性是概率定义的客观基础, 而伯努利大数定理以严密的数学形式论证了频率的稳定性.