概率论大作业.docx
- 文档编号:868111
- 上传时间:2022-10-13
- 格式:DOCX
- 页数:16
- 大小:172.20KB
概率论大作业.docx
《概率论大作业.docx》由会员分享,可在线阅读,更多相关《概率论大作业.docx(16页珍藏版)》请在冰豆网上搜索。
概率论大作业
概率论大作业
现实生活中的大数定理及中心值定理的应用
电子工程学院
摘要
对于随机现象而言,其统计规律性只有在基本相同的条件下进行大量的重复试验才能显现出来.本文主要是通过大数定律来讨论随机现象最根本的性质——平均结果稳定性的相关内容.大数定律,描述当试验次数很大时所呈现的概率性质的定律,是随机现象统计规律性的具体表现.
本文首先介绍了大数定律涉及的一些基础知识,以便于对文中相关知识的理解.通过比较,就不同条件下存在的大数定律做了具体的分析,介绍了几种较为常见的大数定律和强大数定律,总结了大数定律的应用,主要有大数定律在数学分析中的应用,大数定律在生产生活中的应用,大数定律在经济如:
保险、银行经营管理中的应用等等,将理论具体化,将可行的结论用于具体的数学模型中,使大家对大数定律在实际生活中的应用价值有了更深的认识.
引言
概率论与数理统计是研究随机现象的统计规律的科学,而随机现象的统计规律性只有在相同条件下进行大量重复试验或观察才呈现出来.在随机事件的大量重复出现中,往往呈现几乎必然的规律,这个规律就是大数定律.大数定律是概率论中一个非常重要的课题,而且是概率论与数理统计之间一个承前启后的重要纽带.大数定律阐明了大量随机现象平均结果具有稳定性,证明了在大样本条件下,样本平均值可以看作总体平均值,它是“算数平均值法则”的基本理论,通俗地说,这个定理就是在试验不变的条件下,重复试验多次,随机事件的频率以概率为稳定值.
在现实生活中,经常可以见到这一类型的数学模型,比如,我们向上抛一枚硬币,硬币落下后哪一面朝上本来是偶然的,但当我们向上抛硬币的次数足够多时,达到上万次甚至几十万几百万次之后,我们会发现,硬币向上的次数约占总次数的二分之一,偶然中包含着必然.又如:
在分析天平上称重量为a的物品,若以
表示n次重复称量的结果,经验告诉我们,当n充分大时,它们的算术平均值
与a的偏差就越小.这种思想,不仅在整个概率论中起着重要00作用,而且在其他数学领域里面也占据着相当重要的地位.
大数定律的发展与研究也经历了很长一段时间,伯努利是第一个研究这一问题的数学家,他于1713年首先提出后人称之为“大数定律”的极限定理.现在,大数定律的相关模型已经被国内外广大学者所研究,特别是应用在实际生活中,如保险业得以存在并不断发展壮大的两大基石的一个就是大数定律.许多学者也已经在此领域中研究出了许多有价值的成果,讨论了在统计,信息论,分析、数论等方面的应用.在许多数学领域中,广大学者对某些具有特定类型的数学模型,都能利用大数定律的思考方式总结其代表性的性质及结论,使得这些类型的数学模型在进行讨论的时候大大简化了繁琐的论证过程,方便了研究.大数定律作为概率论的重要内容,其理论成果相对比较完善,这方面的文章较多,结果也比较完美,但对大数定律的应用问题的推广也是一项非常有价值的研究方向,通过对这些问题的应用推广,不仅能加深对大数定律的理解,而且能使之更为有效的服务于各项知识领域中.下面文中就通过对大数定律的讨论,给出了各大数定律之间的关系,归结出一般性结论.最后列举了一些能用大数定律来解决的实例,希望能通过这些实例,来进一步阐明大数定律在各个分支学科中的重要作用,以及在实际生活中的应用价值,加深大家对大数定律的理解.
第二章大数定律
2.1大数定律的发展历史
概率论与数理统计是研究随机现象的统计规律的科学,而随机现象的统计规律性只有在相同条件下进行大量重复试验或观察才呈现出来.从概率的统计定义中可以看出:
一个事件发生的频率具有稳定性,即随着试验次数的增多,事件的频率逐渐稳定在某个常数附近.人们在实践中观察其他一些随机现象时,也常常会发现大量随机个体的平均效果的稳定性.这就是说,无论个别随机个体以及它们在试验进行过程中的个别特征如何,大量随机个体的平均效果与每一个体的特征无关,且不再是随机的.深入考虑后,人们会提出这样的问题:
稳定性的确切含义是什么?
在什么条件下具有稳定性?
这就是大数定律要研究的问题.
1733年,德莫佛—拉普拉斯在分布的极限定理方面走出了根本性的一步,证明了二项分布的极限分布是正态分布。
拉普拉斯改进了他的证明并把二项分布推广为更一般的分布。
1900年,李雅普诺夫进一步推广了他们的结论,并创立了特征函数法。
这类分布极限问题是当时概率论研究的中心问题,卜里耶为之命名“中心极限定理”。
20世纪初,主要探讨使中心极限定理成立的最广泛的条件,二三十年代的林德贝尔格条件和费勒条件是独立随机变量序列情形下的显著进展。
伯努利是第一个研究这一问题的数学家,他于1713年首先提出后人称之为“大数定律”的极限定理。
因此概率论历史上第一个极限定理属于伯努利。
它是概率论与数理统计学的基本定律之一,属于弱大数定律之一,当然也称为伯努利大数定律。
它可以通俗的理解,有些随机事件无规律可循,但不少却是有规律的,这些“有规律的随机事件”中在大量重复出现的条件下,往往呈现几乎必然的统计特性,这个规律就是大数定律。
通俗地说,这个定理就是,在试验不变的条件下,重复试验多次,随机事件的频率近似于它的概率。
例如:
在重复投掷一枚硬币的随机试验中,观测投掷n次硬币中出现正面的次数。
不同的n次试验,出现正面的频率(出现正面次数与n之比)可能不同,但当试验的次数n越来越大时,出现正面的频率将大体上逐渐接近于1/2。
频率靠近概率的一种客观存在的,可以直接观察到的现象。
而伯努利给这种现象给予了一种确切的含义。
随着数学的发展,随机变量序列服从大数定律的证明,出现了更多更广泛的大数定律,例如契贝晓夫大数定律,伯努利大数定律就是契贝晓夫大数定律的一个特例。
再到后面,出现独立同分布的辛钦大数定律等常用的大数定律。
2.2大数定律的定义
大数定律使用极限方法研究大量随机现象的统计规律性.
人们在长期的实践中发现,频率以及大量测量值的算术平均值具有稳定性,也就是说,无论个别测量值如何,其平均结果实际上与个别测量值的特征无关,几乎不再是随机的了.这种稳定性问题如何从理论上给出解释?
这正是大数定律要解决的问题.
阐明大量重复试验的平均结果具有稳定性的一系列定理都称为大数定律.
一般的大数定律都涉及一个随机变量序列{
},为此我们给出如下定义.
定义2.2.1设有一随机变量序列{
},假如对任意的
有
(1.1.1)
的性质,则称该随机变量序列{
}服从大数定律.
2.3几个常用的大数定律
由于随机变量序列向常数的收敛有多种不同的形式,按其收敛为依概率收敛,以概率1收敛或均方收敛,分别有弱大数定律、强大数定律和均方大数定律。
定义
设有一列随机变量
…..,如果对于任意的
,有
则称随机变量序列
依概率收敛于
,记作
。
定义
设有随机变量
和一列随机变量
,
…..,若
成立,则称
几乎处处收敛于
,记作
定义
若
是随机变量序列,如果存在常数列
使得对任意的
有
(8)
成立,则称随机变量序列
满足大数定律.
定义
设有随机变量
和随机变量序列
的r阶原点矩
、
(n=1,2……)存在,其中r>0,若
则称
r次平均收敛到
。
记作
。
此时必有
。
当r=2时是常用的二阶矩,
称为均方收敛。
定义
若
是随机变量序列,它们的数学期望
存在,
有
则称随机变量序列
服从弱大数定律。
定义
若
是随机变量序列,它们的数学期望
存在,
有
或等价地
,
则称
服从强大数定律。
上述两个大数定律要注意,强大数定律和弱大数定律区别不仅仅是一个法则的不同,不能简单的把极限符号
从概率号P()中移出来,弱大数定律描述的是一列概率的收敛性,而强大数定律说的是一列随机变量收敛到一个常数,也正是这点,保证了用事件出现的频率来作为事件概率的估计的正确性。
定理
对任意的随机变量
,若
,又
存在,则对任意的正常数
,有
,则称此式子为契贝晓夫不等式。
粗糙地说,如果
越大,那么
也会大一些。
大数定律形式有很多种,我们仅介绍几种最常用的大数定律。
定理
(伯努利大数定律)设
是n重伯努利实验中事件A出现的次数,且A在每次试验中出现的概率为p(0
,有
(5)
此定理表明:
当n很大时,n重伯努利试验中事件A发生的频率几乎等于事件A在每次试验中发生的概率,这个定律以严格的数学形式刻画了频率的稳定性,因此,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。
定理
(契贝晓夫大数定律)设
是一列两两不相关的随机变量,又设它们的方差有界,即存在常数
使有
,则对于任意的
有
(9)
在上述的定理中,因为用到契贝晓夫不等式,都有对方差的要求,其实方差这个条件并不是必要的。
例如独立同分布时的辛钦大数定律
定理
(辛钦大数定律)设
是独立同分布的随机变量序列,且有有限的数学期望
则对于任意的
有
(10)
上式也可表示为
或
并且称
依概率
收敛于
.
定理
(泊松大数定律)设
是相互独立的随机变量序列,
,
,其中
,则
服从泊松大数定律。
泊松大数定律是伯努利大数定律的推广,伯努利大数定律证明了事件在完全相同的条件下重复进行的随机试验中频率的稳定性;而泊松定理表明,当独立进行的随机试验的条件变化时,频率仍然具有稳定性:
随着n的无限增大,在n次独立试验中,事件A的频率趋于稳定在各次试验中事件A出现概率的算术平均值附近。
第三章大数定律的一些应用
3.1大数定律在数学分析中的一些应用
3.1.1大数定律在极限、重积分上的应用
大数定律本身便是概率论中非常重要的定理之一,而它与其他数学理论也有密不可分的联系,而且对这些数学理论分支有不可或缺的作用。
大数定律本身便是频率靠近概率的极限理论,是大量随机现象的平均结果稳定于平均值的极限理论。
可以说大数定律是利用极限才得出的,同时利用大数定律可以来求解极限,这当然只是众多求极限方法之一,但也有它独特的简洁和巧妙。
就以大数定律和极限这个概念的关系为例子,用它来对我们要求的重积分和极限相关的问题进行另一种方式的求解。
极限伴随重积分出现的类型在高数中是常见的,在利用大数定律来求解这类重积分的极限的题目前,先介绍一个相关定理。
3.2大数定律在保险业的应用
3.2.1保险动机的产生
现代保险业已经是社会非常重要的一环,而大数定律就是这大厦最重要的基石之一,下面就看看大数定律是如何撑起这座保险业大厦的。
保险业是根据大数定律的法则,集中众多企业或者个人的风险,建立抵御风险的社会机制。
但是保险业的产生不仅仅是为了避险,当然也有利润这只无形的手的驱使,有利润才能保证保险业真正的发展下去,壮大起来。
同时大数定律不仅仅用于计算保险公司避险需要的客户数,也需要用来计算产生的利润的合理范围。
为了抵御风险,保险公司需要大数目的客户,那么这些企业或者个人是如何愿意自己交出保险费投保的呢?
其实这也是企业或者个人为了自己的利益着想,不但是避险,也是一种投资,这就是保险业能够产生发展的一个基础。
例如某企业有资金Z单位,而接受保险的事件具有风险,当风险发生时遭受的经济损失为
个单位,那么在理性预期的条件下,该企业只能投入的资金
单位。
假设企业投入资金与所得利润之间的函数关系为
,显然有
,当
时为预期风险条件下利润损失额。
当
时,企业就需要有避险的需求,且随差额的增大而增大。
这就是企业的避险需求,也是保险业产生的基础。
具有同种类风险,且风险的发生相互独立的众多企业,当风险发生的时候,需要一定的经济补偿,以使损失最小或得以继续某项生产活动,在这里看来,风险的发生,在整体上看是必然的,但从局部看,
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 概率论 作业
![提示](https://static.bdocx.com/images/bang_tan.gif)