科数网
学习
高中数学
高中物理
微积分
线性代数
概率论
人工智能
赞助本站
在线教程
概率论与数理统计
第五篇 大数定理
中心极限定理
日期:
2023-10-01 11:28
查看:
125
次
编辑
导出本文
中心极限定理
例5 (高尔顿钉板实验) 如图,有一排有一个板上面有 排钉子,每排相邻的两 个钉子之间的距离均相等。上一排钉子的水平位置恰巧位 于下一排紧邻的两个钉子水平位置的正中间。从上端入口 处放入小球,在下落过程中小球碰到钉子后以相等的可能 性向左或向右偏离,碰到下一排相邻的两个钉子中的一个。 如此继续下去,直到落入底部隔板中的一格中。问当有大 量的小球从上端依次放入,任其自由下落,问小球最终在底 板中堆积的形态. 设钉子有 16 排 ![图片](/uploads/2023-01/image_2023010317973c7.png) 首先进行分析。小球堆积的形态取决于小球最终下落在底部隔板的位置的分布。设随机变 量 $X$ 为 "小球最终下落在底部隔板中的位置" 。又引入随机变量 $$ X_i=\left\{\begin{array}{cl} -1, & \text { 小球碰到第 } i \text { 排钉子向左下落, } \\ 1 & \text { 小球碰到第 } i \text { 排钉子向右下落。 } \end{array} i=1, \cdots, n\right. $$ 显然 $X=\sum_{i=1}^n X_i$ 和的分布计算是复杂的。有没有其他的方法呢? 经过试验我们观察发 现小球堆积形态呈现出中间高两边低的特点,能否认为 $X$ 近似服从正态分布? 定理6 (列维一林德伯格中心极限定理) 设随机变量序列 $X_1, X_2, \cdots, X_n, \cdots$ 独立同分布,若 $E\left(X_i\right)=\mu , D\left(X_i\right)=\sigma^2$ 且 $0<\sigma^2<\infty, i=1,2, \cdots, n, \cdots$ 。则对任意实数 $x$ ,有 $$ \lim _{n \rightarrow \infty} P\left(\frac{\sum_{i=1}^n X_i-n \mu}{\sqrt{n} \sigma} \leq x\right)=\Phi(x) . $$ 由于中心极限定理的证明需要使用其它的数学工具,因此这里不给出证明。 ![图片](/uploads/2023-01/image_20230103f97fab1.png) ![图片](/uploads/2023-01/image_20230103019aa8a.png) ![图片](/uploads/2023-01/image_2023010361c7c9d.png) ![图片](/uploads/2023-01/image_20230103fad99a5.png) ![图片](/uploads/2023-01/image_2023010392d0731.png) 定理7 (德莫弗一拉普拉斯中心极限定理) 设随机变量序列 $X_1, X_2, \cdots, X_n, \cdots$ 独立同分布,且 $X_i \sim B\left(1, p_i\right) \quad i=1,2, \cdots$ 则对任何实数 $x$ ,有 $$ \lim _{n \rightarrow \infty} P\left(\frac{\sum_{i=1}^n X_i-n p}{\sqrt{n p(1-p)}} \leq x\right)=\Phi(x) $$ ![图片](/uploads/2023-01/image_20230103f4485db.png) ![图片](/uploads/2023-01/image_2023010362e4e7c.png) ![图片](/uploads/2023-01/image_202301031e8eea0.png)
上一篇:
大数定律
下一篇:
没有了
本文对您是否有用?
有用
(
0
)
无用
(
0
)
赞助我们
0
篇笔记
写笔记
更多笔记
提交笔记