第四章大数定律与中心极限定理
《概率论与数理统计》典型例题 第四章 大数定律与中心极限定理
= 0.15,
µn 为
5000
户中收视
该节目的户数，所以可应用棣莫弗-拉普拉斯中心极限定理，即二项分布以正态 分布为极限定理。
解 ： 设 µn 为 5000 户 中 收 视 该 节 目 的 户 数 ， 则 µn ~ B(n, p) ， 其 中
n = 5000, p = 0.15 。 由棣莫弗-拉普拉斯中心极限定理， µn − np 近似服从 np(1− p)
显然需用到前一不等式，则只需算出 E(X + Y ) 与 D(X + Y ) 即可。
解：由于 E(X + Y ) = 0 ，
D( X + Y ) = DX + DY + 2Cov( X , Y ) = DX + DY + 2ρ XY DX DY = 1+ 4 + 2×1× 2× (−0.5) = 3 ，
( D )服从同一离散型分布。
分析：林德伯格-列维中心极限定理要求的条件是 X 1, X 2,", X n,"相互独
立、同分布、方差存在，这时，当 n 充分大时， Sn 才近似服从正态分布。 根据 条件分析选项即可。
解：显然选项 A 与 B 不能保证 X 1, X 2 , ", X n 同分布，可排除。 选项 C 给出了指数分布，此时独立同分布显然满足，而且由于是指数分布， 方差肯定存在，故满足定理条件。 选项 D 只给出其离散型的描述，此时独立同分布显然满足。 但却不能保证 方差一定存在，因此也应排除。 故选 C 。 注：本例重在考察中心极限定理的条件。
P{ X
− EX
≥ ε}≤
E[g( X − EX )] 。 g(ε )
分析：证明的结论形式与切比雪夫不等式非常相似，利用切比雪夫不等式的 证明思想试试看。
大数定理与中心极限定理
的随机变量，使得X Xi . 易知 i 1
E( X ) np D( X ) npq
由Lindeberg-Levy中心极限定理知
lim
P
X
np
x
1
x t2
e 2 dt
n npq
2
n
理解：在定理条件下，总有 X ~ N(np, npq).
三、中心极限定理的应用
➢ Lindeberg-Levy中心极限定理应用
其概率分布一定是正态分布。
定理4(De Moivre-Laplace中心极限定理) 设随机变量X ~ B(n, p)，则对于任意的实数x，有
lim
P
X
np
x
1
x t2
e 2 dt
n npq
2
证明：因为X ~ B(n, p)，由Bernoulli大数定理证明有
X1, X 2 , , X n为独立同分布于参数为p的两点分布
P
1 n
n i1
1 Xi n
n
E( Xi )
i1
1
D(1 n n i1
2
Xi)
1
M
n 2
所以
lim P n
1 n
n i1
Xi
1 n
n i1
E( Xi )
1
推论：设X1, X 2 , , X n , 是独立同分布
随机变量序列，且数学期望为，方
差 2，则对于任意的正实数有
lim
n
当观测次数n充分大时，“观测值得算术平均值接近 期望值”是一个大概率事件，即下式以大概率成立：
1
n
n i 1
Xi
n充分大
E(X )
第四章 大数定律与中心极限定理
则称{X 依概率收敛 依概率收敛于 则称 n}依概率收敛于X. 可记为
X n →X.
P
或
lim P{| X n − X |≥ ε} = 0
n→∞
二.几个常用的大数定律 几个常用的大数定律
1. 契贝晓夫大数定律 契贝晓夫大数定律 设{Xk,k=1,2,...}为两两不相关的随机变量序 为两两不相关的随机变量序 且它们的方差有界 即存在常数C>0，使 方差有界， 列，且它们的方差有界，即存在常数 ，
lim P{|
n→∞
µn
n
− p |< ε} = 1
即：µn
n
=
∑X
i= 1
i
n
→p
P
3. 辛钦大数定律
为独立同分布随机变量序列, 若{Xi,i=1.2,...}为独立同分布随机变量序列 为独立同分布随机变量序列 EXi=a <∞, i=1, 2, … 则对任意的 ε > 0，有 ∞
1 n 1 n P lim P{| ∑Xi − a |< ε} = 1，即 Yn = ∑Xi →a n→∞ n i=1 n ii=1 =1
2.德莫佛 拉普拉斯中心极限定理 德莫佛-拉普拉斯中心极限定理 德莫佛 拉普拉斯中心极限定理(De Moivre-Laplace) 设随机变量η 服从参数为n, 设随机变量ηn(n=1, 2, ...)服从参数为 p(0<p<1) 服从参数为 的二项分布， 的二项分布，则有 ηn − np L→ξ ~ N(0, 1).
§4.3. 中心极限定理 一.依分布收敛 依分布收敛
为随机变量序列， 为随机变量 为随机变量， 设{Xn}为随机变量序列，X为随机变量，其 为随机变量序列 若在F(x)的 对应的分布函数分别为F 的 对应的分布函数分别为 n(x), F(x). 若在 连续点，有 连续点， limF (x) = F(x),
第四章 大数定律及中心极限定理
数字 1
2
3
4
5
6
7
8
9
频率 0.301 0.176 0.125 0.097 0.079 0.067 0.058 0.051 0.046
数学家们发现，账本上的数据的开头数字出现的频率符合本福特定律， 如果做假账的人更改了真实数据，就会让账本开头数字出现的频率发生变 化，偏离本福特定律中的频率。
非常有趣的是，数学家们发现，在哪些假账中，数字5和6居然是最常 见的打头数字，而不是符合定律的数字1，如果审核账本的人把握了本福 特定律，伪造者就很难制造出虚假的数据了。2001年，美国最大的能源 交易商安然公司宣布破产，当时传出该公司的高层治理人员涉嫌做假账丑 闻。事后人们发现，安然公司在2001年到2002年所宣布的每股盈利数字就 不符合本福特定律，这说明了安然的高层领导确实改动过这些数据。
广州市一些车主或出租车公司已意识到交通事故伤残、死亡赔偿大 幅度提高这一问题，而他们过去购买的第三者人身意外险保额5万元， 显然杯水车薪，保障严重不足。他们决定加保（投保20万元以上），然 而让他们感到诧异的是多家保险公司不约而同拒绝了这一要求。中国人 寿、平安保险公司、太平洋保险公司和金盛人寿保险公司内部有规定： 私家车最高只能投保20万元的保额。已在保监会备案。而金盛人寿保险 公司一位罗小姐说：“公司要保持一定利润，加保太多会影响公司利益”。
按照广东上一年度城镇居民人均可支配收入（元/年）标准：深圳 23905.92、珠海16757.4、汕头10001.64、广州及一般地区为12380.4， 全省农村居民人均纯收入（元/年）4054.58，也就是说一位司机如果疏 忽驾驶，在深圳或其他地方造成一名深圳居民死亡的话，可能会赔偿对 方家属47万元，而在广州发生有死亡交通事故可能赔付24.7万元。
第四章 大数定律和中心极限定理
设需N台车床工作， 现在的问题是：
求满足
P(X≤N)≥0.999
的最小的N.
（由于每台车床在开工时需电力1千瓦，N台 工作所需电力即N千瓦.）
由德莫佛-拉普拉斯极限定理
X np 近似N(0,1), np(1 p)
于是 P(X≤N)= P(0≤X≤N)
这里 np=120, np(1-p)=48
第四章
大数定律和中心极限定理
§1 大数定率
一. 切比雪夫不等式 若r.v.X的期望和方差存在，则对任意0，
有
D( X ) P{| X E( X ) | } ; 2
这就是著名的切比雪夫(Chebyshev)不等式。 它有以下等价的形式：
P{| X E( X ) | } 1 D( X ) . 2
P{Y 60000 0.9 }
P{Y>60000}=P{1000012-aX>60000}
=P{X60000/a}0.9; 由中心极限定理,上式等价于
60000 10000 0.006 ( a ) 0.9 10000 0.006 0.994
a 3017
例3 根据以往经验，某种电器元件的寿命服从均值为 100小时的指数分布. 现随机地取16只，设它们的寿 命是相互独立的. 求这16只元件的寿命的总和大于 1920小时的概率. 解: 设第i只元件的寿命为Xi , i=1,2, …,16
7 500 100 100 2 P{ X i 500} 1 35 1 (8.78) 0 i 1 10 12
2.德莫佛-拉普拉斯中心极限定理(De MoivreLaplace)
设随机变量n(n=1, 2, ...)服从参数为n, p(0<p<1) 的二项分布，则
概率论与数理统计(茆诗松)第二版课后第四章习题参考答案
第四章 大数定律与中心极限定理习题4.11． 如果X X Pn →，且Y X Pn →．试证：P {X = Y } = 1．证：因 | X − Y | = | −(X n − X ) + (X n − Y )| ≤ | X n − X | + | X n − Y |，对任意的ε > 0，有⎭⎬⎫⎩⎨⎧≥−+⎭⎬⎫⎩⎨⎧≥−≤≥−≤2||2||}|{|0εεεY X P X X P Y X P n n ，又因X X Pn →，且Y X Pn →，有02||lim =⎭⎬⎫⎩⎨⎧≥−+∞→εX X P n n ，02||lim =⎭⎫⎩⎨⎧≥−+∞→εY X P n n ，则P {| X − Y | ≥ ε} = 0，取k 1=ε，有01||=⎭⎬⎫⎩⎨⎧≥−k Y X P ，即11||=⎭⎬⎫⎩⎨⎧<−k Y X P ， 故11||lim1||}{1=⎭⎬⎫⎩⎨⎧<−=⎭⎬⎫⎩⎨⎧⎭⎬⎫⎩⎨⎧<−==+∞→+∞=k Y X P k Y X P Y X P k k I ． 2． 如果X X Pn →，Y Y Pn →．试证：（1）Y X Y X Pn n +→+； （2）XY Y X Pn n →．证：（1）因 | (X n + Y n ) − (X + Y ) | = | (X n − X ) + (Y n − Y )| ≤ | X n − X | + | Y n − Y |，对任意的ε > 0，有⎭⎫⎩⎨⎧≥−+⎭⎬⎫⎩⎨⎧≥−≤≥+−+≤2||2||}|)()({|0εεεY Y P X X P Y X Y X P n n n n ，又因X X P n →，Y Y P n →，有02||lim =⎭⎫⎩⎨⎧≥−+∞→εX X P n n ，02||lim =⎭⎬⎫⎩⎨⎧≥−+∞→εY Y P n n ，故0}|)()({|lim =≥+−++∞→εY X Y X P n n n ，即Y X Y X Pn n +→+；（2）因 | X n Y n − XY | = | (X n − X )Y n + X (Y n − Y ) | ≤ | X n − X | ⋅ | Y n | + | X | ⋅ | Y n − Y |，对任意的ε > 0，有⎭⎬⎫⎩⎨⎧≥−⋅+⎭⎬⎫⎩⎨⎧≥⋅−≤≥−≤2||||2||||}|{|0εεεY Y X P Y X X P XY Y X P n n n n n ，对任意的h > 0，存在M 1 > 0，使得4}|{|1h M X P <≥，存在M 2 > 0，使得8}|{|2hM Y P <≥， 存在N 1 > 0，当n > N 1时，8}1|{|h Y Y P n <≥−， 因| Y n | = | (Y n − Y ) + Y | ≤ | Y n − Y | + | Y |，有4}|{|}1|{|}1|{|22h M Y Y Y P M Y P n n <≥+≥−≤+≥， 存在N 2 > 0，当n > N 2时，4)1(2||2h M X X P n <⎭⎬⎫⎩⎨⎧+≥−ε，当n > max{N 1, N 2}时，有244}1|{|)1(2||2||||22h h h M Y P M X X P Y X X P n n n n =+<+≥+⎭⎬⎫⎩⎨⎧+≥−≤⎭⎬⎫⎩⎨⎧≥⋅−εε，存在N 3 > 0，当n > N 3时，42||1hM Y Y P n <⎭⎬⎫⎩⎨⎧≥−ε，有244}|{|2||2||||11h h h M X P M Y Y P X Y Y P n n =+<≥+⎭⎬⎫⎩⎨⎧≥−≤⎭⎬⎫⎩⎨⎧≥⋅−εε，则对任意的h > 0，当n > max{N 1, N 2, N 3} 时，有h h h Y Y X P Y X X P XY Y X P n n n n n =+<⎭⎬⎫⎩⎨⎧≥−⋅+⎭⎬⎫⎩⎨⎧≥⋅−≤≥−≤222||||2||||}|{|0εεε，故0}|{|lim =≥−+∞→εXY Y X P n n n ，即XY Y X Pn n →．3． 如果X X Pn →，g (x )是直线上的连续函数，试证：)()(X g X g Pn →． 证：对任意的h > 0，存在M > 0，使得4}|{|h M X P <≥， 存在N 1 > 0，当n > N 1时，4}1|{|h X X P n <≥−， 因| X n | = | (X n − X ) + X | ≤ | X n − X | + | X |，则244}|{|}1|{|}1|{|h h h M X P X X P M X P n n =+<≥+≥−≤+≥， 因g (x ) 是直线上的连续函数，有g (x ) 在闭区间 [− (M + 1), M + 1] 上连续，必一致连续， 对任意的ε > 0，存在δ > 0，当 | x − y | < δ 时，有 | g (x ) − g ( y ) | < ε ，存在N 2 > 0，当n > N 2时，4}|{|hX X P n <≥−δ，则对任意的h > 0，当n > max{N 1, N 2} 时，有{}}|{|}1|{|}|{|}|)()({|0M X M X X X P X g X g P n n n ≥+≥≥−≤≥−≤U U δεh hh h M X P M X P X X P n n =++<≥++≥+≥−≤424}|{|}1|{|}|{|δ， 故0}|)()({|lim =≥−+∞→εX g X g P n n ，即)()(X g X g Pn →．4． 如果a X P n →，则对任意常数c ，有ca cX Pn →． 证：当c = 0时，有c X n = 0，ca = 0，显然ca cX Pn →；当c ≠ 0时，对任意的ε > 0，有0||||lim =⎭⎬⎫⎩⎨⎧≥−+∞→c a X P n n ε， 故0}|{|lim =≥−+∞→εca cX P n n ，即ca cX Pn →．5． 试证：X X P n →的充要条件为：n → +∞ 时，有0||1||→⎟⎟⎠⎞⎜⎜⎝⎛−+−XX X X E n n ．证：以连续随机变量为例进行证明，设X n − X 的密度函数为p ( y )，必要性：设X X Pn →，对任意的ε > 0，都有0}|{|lim =≥−+∞→εX X P n n ，对012>+εε，存在N > 0，当n > N 时，εεε+<≥−1}|{|2X X P n ， 则∫∫∫≥<∞+∞−+++=+=⎟⎟⎠⎞⎜⎜⎝⎛−+−εε||||)(||1||)(||1||)(||1||||1||y y n n dy y p y y dy y p y y dy y p y y XX X X E εεεεεεεεεεεεε=+++<≥−+<−+=++≤∫∫≥<11}|{|}|{|1)()(12||||X X P X X P dy y p dy y p n n y y ，故n → +∞ 时，有0||1||→⎟⎟⎠⎞⎜⎜⎝⎛−+−XX X X E n n ； 充分性：设n → +∞ 时，有0||1||→⎟⎟⎠⎞⎜⎜⎝⎛−+−XX X X E n n ， 因∫∫∫≥≥≥++≤++==≥−εεεεεεεεεε||||||)(||1||1)(11)(}|{|y y y n dy y p y y dy y p dy y p X X P ⎟⎟⎠⎞⎜⎜⎝⎛−+−+=++≤∫∞+∞−||1||1)(||1||1X X X X E dy y p y y n n εεεε， 故0}|{|lim =≥−+∞→εX X P n n ，即X X Pn →．6． 设D (x )为退化分布：⎩⎨⎧≥<=.0,1;0,0)(x x x D试问下列分布函数列的极限函数是否仍是分布函数？（其中n = 1, 2, …．）（1）{D (x + n )}； （2）{D (x + 1/n )}； （3）{D (x − 1/n )}．解：（1）对任意实数x ，当n > −x 时，有x + n > 0，D (x + n ) = 1，即1)(lim =++∞→n x D n ，则 {D (x + n )} 的极限函数是常量函数f (x ) = 1，有f (−∞) = 1 ≠ 0，故 {D (x + n )} 的极限函数不是分布函数； （2）若x ≥ 0，有01>+n x ，11=⎟⎠⎞⎜⎝⎛+n x D ，即11lim =⎟⎠⎞⎜⎝⎛++∞→n x D n ，若x < 0，当x n 1−>时，有01<+n x ，01=⎟⎠⎞⎜⎝⎛+n x D ，即01lim =⎟⎠⎞⎜⎝⎛++∞→n x D n ，则⎩⎨⎧≥<=⎟⎠⎞⎜⎝⎛++∞→.0,1;0,01lim x x n x D n 这是在0点处单点分布的分布函数，满足分布函数的基本性质，故⎭⎬⎫⎩⎨⎧⎟⎠⎞⎜⎝⎛+n x D 1的极限函数是分布函数；（3）若x ≤ 0，有01<−n x ，01=⎟⎠⎞⎜⎝⎛−n x D ，即01lim =⎟⎠⎞⎜⎝⎛−+∞→n x D n ，若x > 0，当x n 1>时，有01>−n x ，11=⎟⎠⎞⎜⎝⎛−n x D ，即11lim =⎟⎠⎞⎜⎝⎛−+∞→n x D n ，则⎩⎨⎧>≤=⎟⎠⎞⎜⎝⎛−+∞→.0,1;0,01lim x x n x D n 在x = 0处不是右连续，故⎭⎬⎫⎩⎨⎧⎟⎠⎞⎜⎝⎛−n x D 1的极限函数不是分布函数．7． 设分布函数列 {F n (x )} 弱收敛于连续的分布函数F (x )，试证：{F n (x )} 在 (−∞, +∞) 上一致收敛于分布函数F (x )． 证：因F (x ) 为连续的分布函数，有F (−∞) = 0，F (+∞) = 1，对任意的ε > 0，取正整数ε2>k ，则存在分点x 1 < x 2 < … < x k −1，使得1,,2,1,)(−==k i kix F i L ，并取x 0 = −∞，x k = +∞， 可得k k i k x F x F i i ,1,,2,1,21)()(1−=<=−−L ε， 因 {F n (x )} 弱收敛于F (x )，且F (x ) 连续，有 {F n (x )} 在每一点处都收敛于F (x )，则存在N > 0，当n > N 时，1,,2,1,2|)()(|−=<−k i x F x F i i n L ε，且显然有20|)()(|00ε<=−x F x F n ，20|)()(|ε<=−k k n x F x F ，对任意实数x ，必存在j ，1 ≤ j ≤ k ，有x j −1 ≤ x < x j ，因2)()()()(2)(11εε+<≤≤<−−−j j n n j n j x F x F x F x F x F ，则εεεε−=−−>−−>−−222)()()()(1x F x F x F x F j n ，且εεεε=+<+−<−222)()()()(x F x F x F x F j n ，即对任意的ε > 0和任意实数x ，总存在N > 0，当n > N 时，都有 | F n (x ) − F (x ) | < ε ， 故 {F n (x )} 在 (−∞, +∞) 上一致收敛于分布函数F (x )．8． 如果X X Ln →，且数列a n → a ，b n → b ．试证：b aX b X a Ln n n +→+． 证：设y 0是F aX + b ( y ) 的任一连续点，则对任意的ε > 0，存在h > 0，当 | y − y 0 | < h 时，4|)()(|0ε<−++y F y F b aX b aX ，又设y 是满足 | y − y 0 | < h 的F aX + b ( y ) 的任一连续点，因⎟⎠⎞⎜⎝⎛−=⎭⎬⎫⎩⎨⎧−≤=≤+=+a b y F a b y X P y b aX P y F X b aX }{)(，有a b y x −=是F X (x )的连续点，且X X L n→， 有)()(lim x F x F X X n n =+∞→，存在N 1，当n > N 1时，4|)()(|ε<−x F x F X X n ，即4|)()(|ε<−++y F y F b aX b aX n ，则当n > N 1且 | y − y 0 | < h 时，2|)()(||)()(||)()(|00ε<−+−≤−++++++y F y F y F y F y F y F b aX b aX b aX b aX b aX b aX n n ， 因X 的分布函数F X (x ) 满足F X (−∞) = 0，F X (+∞) = 1，F X (x ) 单调不减且几乎处处连续， 存在M ，使得F X (x ) 在x = ± M 处连续，且41)(ε−>M F X ，4)(ε<−M F X ，因X X Ln →，有41)()(lim ε−>=+∞→M F M F X X n n ，4)()(lim ε<−=−+∞→M F M F X X n n ，则存在N 2，当n > N 2时，41)(ε−>M F n X ，4)(ε<−M F n X ，可得2)(1)(}|{|ε<−+−=>M F M F M X P n n X X n ，因数列a n → a ，b n → b ，存在N 3，当n > N 3时，M h a a n 4||<−，4||h b b n <−， 可得当n > max{N 2, N 3}时，⎭⎫⎩⎨⎧>−+−=⎭⎬⎫⎩⎨⎧>+−+2|)()(|2|)()(|h b b X a a P h b aX b X a P n n n n n n n2}|{|24||42||||||ε<>=⎭⎬⎫⎩⎨⎧>+⋅≤⎭⎬⎫⎩⎨⎧>−+⋅−≤M X P h h X M hP h b b X a a P nn n n n ， 则⎭⎬⎫⎩⎨⎧⎭⎬⎫⎩⎨⎧>+−+⎭⎬⎫⎩⎨⎧+≤+≤≤+=+2|)()(|2}{)(000h b aX b X a h y b aX P y b X a P y F n n n n n n n n b X a n n n U222|)()(|200ε+⎟⎠⎞⎜⎝⎛+<⎭⎬⎫⎩⎨⎧>+−++⎭⎬⎫⎩⎨⎧+≤+≤+h y F h b aX b X a P h y b aX P b aX n n n n n n ， 且⎭⎬⎫⎩⎨⎧⎭⎬⎫⎩⎨⎧>+−+≤+≤⎭⎬⎫⎩⎨⎧−≤+=⎟⎠⎞⎜⎝⎛−+2|)()(|}{22000h b aX b X a y b X a P h y b aX P h y F n n n n n n n n b aX n U2)(2|)()(|}{00ε+<⎭⎬⎫⎩⎨⎧>+−++≤+≤+y F h b aX b X a P y b X a P n n n b X a n n n n n n n ， 即22)(22000εε+⎟⎠⎞⎜⎝⎛+<<−⎟⎠⎞⎜⎝⎛−+++h y F y F h y F b aX b X a b aX n n n n n ，因当n > N 1且 | y − y 0 | < h 时，2)()(2)(00εε+<<−+++y F y F y F b aX b aX b aX n ，在区间⎟⎠⎞⎜⎝⎛++h y h y 00,2取F aX + b ( y ) 的任一连续点y 1，满足 | y 1 − y 0 | < h ，当n > max{N 1, N 2, N 3}时，εεε+<+≤+⎟⎠⎞⎜⎝⎛+<++++)(2)(22)(0100y F y F h y F y F b aX b aX b aX b X a n n n n n ，在区间⎟⎠⎞⎜⎝⎛−−2,00h y h y 取F aX + b ( y ) 的任一连续点y 2，满足 | y 2 − y 0 | < h ，当n > max{N 1, N 2, N 3}时，εεε−>−≥−⎟⎠⎞⎜⎝⎛−>++++)(2)(22)(0200y F y F h y F y F b aX b aX b aX b X a n n n n n ，即对于F aX + b ( y ) 的任一连续点y 0，当n > max{N 1, N 2, N 3}时，ε<−++|)()(|00y F y F b aX b X a n n n ， 故)()(y F y F b aX Wb X a n n n ++→，b aX b X a Ln n n +→+． 9． 如果X X Ln →，a Y Pn →，试证：a X Y X Ln n +→+． 证：设y 0是F X + a ( y ) 的任一连续点，则对任意的ε > 0，存在h > 0，当 | y − y 0 | < h 时，4|)()(|0ε<−++y F y F a X a X ，又设y 是满足 | y − y 0 | < h 的F X + a ( y )的任一连续点，因F X + a ( y ) = P {X + a ≤ y } = P {X ≤ y − a } = F X ( y − a )，有x = y − a 是F X (x )的连续点，且X X Ln →， 有)()(lim x F x F X X n n =+∞→，存在N 1，当n > N 1时，4|)()(|ε<−x F x F X X n ，即4|)()(|ε<−++y F y F a X a X n ， 则当n > N 1且 | y − y 0 | < h 时，2|)()(||)()(||)()(|00ε<−+−≤−++++++y F y F y F y F y F y F a X a X a X a X a X a X n n ，因a Y Pn →，有02||lim =⎭⎫⎩⎨⎧>−+∞→h a Y P n n ，存在N 2，当n > N 2时，22||ε<⎭⎬⎫⎩⎨⎧>−h a Y P n ， 则⎭⎬⎫⎩⎨⎧⎭⎫⎩⎨⎧>−⎭⎬⎫⎩⎨⎧+≤+≤≤+=+2||2}{)(000h a Y h y a X P y Y X P y F n n n n Y X n n U222||200ε+⎟⎠⎞⎜⎝⎛+<⎭⎬⎫⎩⎨⎧>−+⎭⎬⎫⎩⎨⎧+≤+≤+h y F h a Y P h y a X P a X n n n ， 且⎭⎬⎫⎩⎨⎧⎭⎫⎩⎨⎧>−≤+≤⎭⎬⎫⎩⎨⎧−≤+=⎟⎠⎞⎜⎝⎛−+2||}{22000h a Y y Y X P h y a X P h y F n n n n a X n U2)(2||}{00ε+<⎭⎬⎫⎩⎨⎧>−+≤+≤+y F h a Y P y Y X P n n Y X n n n ， 即22)(22000εε+⎟⎠⎞⎜⎝⎛+<<−⎟⎠⎞⎜⎝⎛−+++h y F y F h y F a X Y X a X n n n n ，因当n > N 1且 | y − y 0 | < h 时，2)()(2)(00εε+<<−+++y F y F y F a X a X a X n ，在区间⎟⎠⎞⎜⎝⎛++h y h y 00,2取F X + a ( y ) 的任一连续点y 1，满足 | y 1 − y 0 | < h ，当n > max{N 1, N 2}时，εεε+<+≤+⎟⎠⎞⎜⎝⎛+<++++)(2)(22)(0100y F y F h y F y F a X a X a X Y X n n n n ，在区间⎟⎠⎞⎜⎝⎛−−2,00h y h y 取F X + a ( y ) 的任一连续点y 2，满足 | y 2 − y 0 | < h ，当n > max{N 1, N 2}时，εεε−>−≥−⎟⎠⎞⎜⎝⎛−>++++)(2)(22)(0200y F y F h y F y F a X a X a X Y X n n n n ，即对于F X + a ( y ) 的任一连续点y 0，当n > max{N 1, N 2}时，ε<−++|)()(|00y F y F a X Y X n n ， 故)()(y F y F a X WY X n n ++→，a X Y X Ln n +→+． 10．如果X X Ln →，0Pn Y →，试证：0Pn n Y X →．证：因X 的分布函数F X (x ) 满足F X (−∞) = 0，F X (+∞) = 1，F X (x ) 单调不减且几乎处处连续，则对任意的h > 0，存在M ，使得F X (x ) 在x = ± M 处连续，且41)(h M F X −>，4)(hM F X <−， 因X X L n →，有41)()(lim h M F M F X X n n −>=+∞→，4)()(lim h M F M F X X n n <−=−+∞→，则存在N 1，当n > N 1时，41)(h M F n X −>，4)(hM F n X <−，可得2)(1)(}|{|hM F M F M X P n n X X n <−+−=>，因0Pn Y →，对任意的ε > 0，有0||lim =⎭⎬⎫⎩⎨⎧>+∞→M Y P n n ε，存在N 2，当n > N 2时，2||h M Y P n <⎭⎬⎫⎩⎨⎧>ε， 则当n > max{N 1, N 2}时，有h M Y P M X P M Y M X P Y X P n n n n n n <⎭⎬⎫⎩⎨⎧>+>≤⎭⎬⎫⎩⎨⎧⎭⎬⎫⎩⎨⎧>>≤>εεε||}|{|||}|{|}|{|U ，故0}|{|lim =>+∞→εn n n Y X P ，即0Pn n Y X →．11．如果X X Ln →，a Y Pn →，且Y n ≠ 0，常数a ≠ 0，试证：aXY X L n n →． 证：设y 0是F X / a ( y ) 的任一连续点，则对任意的ε > 0，存在h > 0，当 | y − y 0 | < h 时，4|)()(|0//ε<−y F y F a X a X ，又设y 是满足 | y − y 0 | < h 的F X / a ( y ) 的任一连续点，因)(}{)(/ay F ay X P y a X P y F X a X =≤=⎭⎬⎫⎩⎨⎧≤=，有x = ay 是F X (x )的连续点，且X X Ln →，有)()(lim x F x F X X n n =+∞→，存在N 1，当n > N 1时，4|)()(|ε<−x F x F X X n ，即4|)()(|//ε<−y F y F a X a X n ，则当n > N 1且 | y − y 0 | < h 时，2|)()(||)()(||)()(|0////0//ε<−+−≤−y F y F y F y F y F y F a X a X a X a X a X a X n n ，因X 的分布函数F X (x )满足F X (−∞) = 0，F X (+∞) = 1，F X (x )单调不减且几乎处处连续，存在M ，使得F X (x ) 在x = ± M 处连续，且121)(ε−>M F X ，12)(ε<−M F X ，因X X Ln →，有121)()(lim ε−>=+∞→M F M F X X n n ，12)()(lim ε<−=−+∞→M F M F X X n n ，则存在N 2，当n > N 2时，121)(ε−>M F n X ，12)(ε<−M F n X ，可得6)(1)(}|{|ε<−+−=>M F M F M X P n n X X n ，因0≠→a Y Pn ，有02||lim =⎭⎬⎫⎩⎨⎧>−+∞→h a Y P n n ，存在N 3 > 0，当n > N 3时，62||||ε<⎭⎬⎫⎩⎨⎧>−a a Y P n ，有62||||ε<⎭⎬⎫⎩⎨⎧<a Y P n ，且64||2ε<⎭⎬⎫⎩⎨⎧>−M h a a Y P n ， 可得当n > max{N 1, N 2, N 3}时，⎭⎬⎫⎩⎨⎧>⋅−⋅=⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧>−=⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧>−2||||||||2)(2h Y a a Y X P h aY Y a X P h a X Y X P n n n n n n n n n ⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧⎭⎬⎫⎩⎨⎧<⎭⎬⎫⎩⎨⎧>−>≤2||||4||}|{|2a Y M h a a Y M X P n n n U U22||||4||}|{|2ε<⎭⎬⎫⎩⎨⎧<+⎭⎬⎫⎩⎨⎧>−+>≤a Y P M h a a Y P M X P n n n ，则⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧⎪⎭⎪⎫⎪⎩⎪⎨⎧>−⎭⎬⎫⎩⎨⎧+≤≤⎭⎬⎫⎩⎨⎧≤=22)(000/h a X Y X h y a XP y Y X P y F n n n n n n Y X n n U22220/0ε+⎟⎠⎞⎜⎝⎛+<⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧>−+⎭⎬⎫⎩⎨⎧+≤≤h y F h a X Y X P h y a X P a X n n n n n ，且⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧>−⎭⎬⎫⎩⎨⎧≤≤⎭⎬⎫⎩⎨⎧−≤=⎟⎠⎞⎜⎝⎛−222000/h a X Y X y Y X P h y a X P h y F n n n nn n a X n U2)(20/0ε+<⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧>−+⎭⎬⎫⎩⎨⎧≤≤y F h a X Y X P y Y X P n n Y X n n n n n ，即22)(220/0/0/εε+⎟⎠⎞⎜⎝⎛+<<−⎟⎠⎞⎜⎝⎛−h y F y F h y F a X Y X a X n n n n ，因当n > N 1且 | y − y 0 | < h 时，2)()(2)(0//0/εε+<<−y F y F y F a X a X a X n ，在区间⎟⎠⎞⎜⎝⎛++h y h y 00,2取F X / a ( y ) 的任一连续点y 1，满足 | y 1 − y 0 | < h ，当n > max{N 1, N 2, N 3}时，εεε+<+≤+⎟⎠⎞⎜⎝⎛+<)(2)(22)(0/1/0/0/y F y F h y F y F a X a X a X Y X n n n n ，在区间⎟⎠⎞⎜⎝⎛−−2,00h y h y 取F X / a ( y ) 的任一连续点y 2，满足 | y 2 − y 0 | < h ，当n > max{N 1, N 2, N 3}时，εεε−>−≥−⎟⎠⎞⎜⎝⎛−>)(2)(22)(0/2/0/0/y F y F h y F y F a X a X a X Y X n n n n ，即对于F X / a ( y ) 的任一连续点y 0，当n > max{N 1, N 2, N 3}时，ε<−|)()(|0/0/y F y F a X Y X n n ，故)()(//y F y F a X WY X n n →，aX Y X L n n →． 12．设随机变量X n 服从柯西分布，其密度函数为+∞<<∞−+=x x n nx p n ,)1π()(22．试证：0Pn X →．证：对任意的ε > 0，)arctan(π2)arctan(π1)1π(}|{|22εεεεεεn nx dx x n n X P n ==+=<−−∫， 则12ππ2)arctan(lim π2}|0{|lim =⋅==<−+∞→+∞→εεn X P n n n ， 故0Pn X →．13．设随机变量序列{X n }独立同分布，其密度函数为⎪⎩⎪⎨⎧<<=.,0;0,1)(其他ββx x p其中常数β > 0，令Y n = max{X 1, X 2, …, X n }，试证：βPn Y →．证：对任意的ε > 0，P {| Y n − β | < ε} = P {β − ε < Y n < β + ε} = P {max{X 1, X 2, …, X n } > β − ε}= 1 − P {max{X 1, X 2, …, X n } ≤ β − ε} = 1 − P {X 1 ≤ β − ε} P {X 2 ≤ β − ε} … P {X n ≤ β − ε}n⎟⎟⎠⎞⎜⎜⎝⎛−−=βεβ1， 则11lim }|{|lim =⎥⎥⎦⎤⎢⎢⎣⎡⎟⎟⎠⎞⎜⎜⎝⎛−−=<−+∞→+∞→nn n n Y P βεβεβ， 故βPn Y →．14．设随机变量序列{X n }独立同分布，其密度函数为⎩⎨⎧<≥=−−.,0;,e )()(a x a x x p a x 其中Y n = min{X 1, X 2, …, X n }，试证：a Y Pn →．证：对任意的ε > 0，P {| Y n − a | < ε} = P {a − ε < Y n < a + ε} = P {min{X 1, X 2, …, X n } < a + ε}= 1 − P {min{X 1, X 2, …, X n } ≥ a + ε} = 1 − P {X 1 ≥ a + ε} P {X 2 ≥ a + ε} … P {X n ≥ a + ε}εεεn na a x n a a x dx −∞++−−∞++−−−=⎟⎠⎞⎜⎝⎛−−=⎟⎠⎞⎜⎝⎛−=∫e 1e 1e 1)()(， 则1)e 1(lim }|{|lim =−=<−−+∞→+∞→εεn n n n a Y P ，故a Y Pn →．15．设随机变量序列{X n }独立同分布，且X i ~ U(0, 1)．令nni i n X Y 11⎟⎟⎠⎞⎜⎜⎝⎛=∏=，试证明：c Y P n →，其中c 为常数，并求出c ．证：设∑∏===⎟⎟⎠⎞⎜⎜⎝⎛==n i i n i i n n X n X n Y Z 11ln 1ln 1ln ，因X i ~ U (0, 1)， 则1)ln (ln )(ln 101−=−==∫x x x xdx X E i ，2)2ln 2ln (ln )(ln 12122=+−==∫x x x x x xdx X E i ，1)](ln [)(ln )Var(ln 22=−=i i i X E X E X ， 可得1)(ln 1)(1−==∑=n i i n X E n Z E ，n X nZ ni in 1)Var(ln 1)Var(12==∑=，由切比雪夫不等式，可得对任意的ε > 0，221)Var(}|)({|εεεn Z Z E Z P n n n =≤≥−，则01lim }|)({|lim 02=≤≥−≤+∞→+∞→εεn Z E Z P n n n n ，即0}|)({|lim =≥−+∞→εn n n Z E Z P ，1)(−=→n P n Z E Z ，因n Z n Y e =，且函数e x 是直线上的连续函数，根据本节第3题的结论，可得1e e −→=PZ n n Y ， 故c Y Pn →，其中1e −=c 为常数．16．设分布函数列{F n (x )}弱收敛于分布函数F (x )，且F n (x ) 和F (x ) 都是连续、严格单调函数，又设 ξ 服从(0, 1)上的均匀分布，试证：)()(11ξξ−−→F F Pn． 证：因F (x ) 为连续的分布函数，有F (−∞) = 0，F (+∞) = 1，则对任意的h > 0，存在M > 0，使得21)(h M F −>，2)(h M F <−， 因F (x ) 是连续、严格单调函数，有F −1( y ) 也是连续、严格单调函数， 可得F −1( y ) 在区间 [F (− M − 1), F (M + 1)] 上一致连续， 对任意的ε > 0，存在δ > 0，当y , y * ∈ [F (− M − 1), F (M + 1)] 且 | y − y * | < δ 时，| F −1( y ) − F −1( y *) | < ε， 设y * 是 [F (−M ), F (M )] 中任一点，记x * = F −1( y *)，有x * ∈ [−M , M ]，不妨设0 < ε < 1， 则对任意的x 若满足 ε≥−|*|x x ，就有 δ≥−|*)(|y x F ，根据本节第7题的结论知，{F n (x )} 在 (−∞, +∞) 上一致收敛于分布函数F (x )， 则对δ > 0和任意实数x ，总存在N > 0，当n > N 时，都有 | F n (x ) − F (x ) | < δ， 因当n > N 时，δ<−|)()(|x F x F n 且δ≥−|*(|y x F ，有*)(y x F n ≠，即*)(1y F x n −≠， 则对任意的0 < ε < 1，当n > N 时，*)(1y F n −满足ε<−=−−−−|*)(*)(||**)(|111y F y F x y F n n ， 可得对任意的0 < ε < 1，当n > N 时，h M F M F P F F P n −>−∈≥<−−−1)]}(),([{}|)()({|11ξεξξ由h 的任意性可知1}|)()({|lim 11=<−−−+∞→εξξF F P n n ，故)()(11ξξ−−→F F Pn．17．设随机变量序列{X n }独立同分布，数学期望、方差均存在，且E (X n ) = µ，试证：µP n k k X k n n →⋅+∑=1)1(2．证：令∑=⋅+=nk k n X k n n Y 1)1(2，并设Var (X n ) = σ 2， 因µµµ=+⋅+=+=∑=)1(21)1(2)1(2)(1n n n n k n n Y E nk n ， 且222212222)1(324)12)(1(61)1(4)1(4)Var(σσσ++=++⋅+=+=∑=n n n n n n n n k n n Y nk n ， 则由切比雪夫不等式可得，对任意的ε > 0，222)1(3241)Var(1}|{|1σεεεµ++−=−≥<−≥n n n Y Y P n n ， 因1)1(3241lim 22=⎥⎦⎤⎢⎣⎡++−+∞→σεn n n n ，由夹逼准则可得1}|{|lim =<−+∞→εµn n Y P ， 故µP n k kn X k n n Y →⋅+=∑=1)1(2． 18．设随机变量序列{X n }独立同分布，数学期望、方差均存在，且E (X n ) = 0，Var (X n ) = σ 2．试证：E (X n ) = 0，Var (X n ) = σ 2．试证：2121σP n k k X n →∑=． 注：此题与第19题应放在习题4.3中，需用到4.3节介绍的辛钦大数定律．证：因随机变量序列}{2n X 独立同分布，且222)]([)Var()(σ=+=n n n X E X X E 存在，故}{2nX 满足辛钦大数定律条件，}{2nX 服从大数定律，即2121σP n k k X n →∑=．19．设随机变量序列{X n }独立同分布，且Var (X n ) = σ 2存在，令∑==n i i X n X 11，∑=−=n i i n X X n S 122)(1．试证：22σPnS →．证：2122112122122121)2(1)(1X X n X n X X X n X X X X n X X n S n i i ni i n i i n i i i n i i n−=⎟⎟⎠⎞⎜⎜⎝⎛+−=+−=−=∑∑∑∑∑=====，设E(X n ) = µ，{X n }满足辛钦大数定律条件，{X n }服从大数定律，即µP nk k X n X →=∑=11，则根据本节第2题第（2）小问的结论知，22µPX →，因随机变量序列}{2n X 独立同分布，且2222)]([)Var()(µσ+=+=n n n X E X X E 存在，则}{2nX 满足辛钦大数定律条件，}{2nX 服从大数定律，即22121µσ+→∑=P n k k X n ，故根据本节第2题第（1）小问的结论知，22222122)(1σµµσ=−+→−=∑=P n i i nX X n S ．20．将n 个编号为1至n 的球放入n 个编号为1至n 的盒子中，每个盒子只能放一个球，记⎩⎨⎧=.,0;,1反之的盒子的球放入编号为编号为i i X i 且∑==ni i n X S 1，试证明：0)(Pn n n S E S →−． 证：因n X P i 1}1{==，nX P i 11}0{−==，且i ≠ j 时，)1(1}1{−==n n X X P j i ，)1(11}0{−−==n n X X P j i ， 则n X E i 1)(=，⎟⎠⎞⎜⎝⎛−=n n X i 111)Var(， 且i ≠ j 时，)1(1)(−=n n X X E j i ，)1(11)1(1)()()(),Cov(22−=−−=−=n n n n n X E X E X X E X X j i j i j i ， 有1)()(1==∑=ni i n X E S E ，1)1(1)1(11),Cov(2)Var()Var(211=−⋅−+−=+=∑∑≤<≤=n n n n n X X X S nj i j i ni i n ， 可得0)]()([1)(=−=⎥⎦⎤⎢⎣⎡−n n n n S E S E n n S E S E ，221)Var(1)(Var n S n n S E S n n n ==⎥⎦⎤⎢⎣⎡−， 由切比雪夫不等式，可得对任意的ε > 0，2221)(Var 1)()(εεεn n S E S n S E S E n S E S P n n n n n n =⎥⎦⎤⎢⎣⎡−≤⎭⎬⎫⎩⎨⎧≥⎥⎦⎤⎢⎣⎡−−−， 则01lim )()(lim 022=≤⎭⎬⎫⎩⎨⎧≥⎥⎦⎤⎢⎣⎡−−−≤+∞→+∞→εεn n S E S E n S E S P n n n n n n ， 故0)(Pn n nS E S →−．习题4.21． 设离散随机变量X 的分布列如下，试求X 的特征函数．1.02.03.04.03210PX解：特征函数ϕ (t ) = e it ⋅ 0 × 0.4 + e it ⋅ 1 × 0.3 + e it ⋅ 2 × 0.2 + e it ⋅ 3 × 0.1 = 0.4 + 0.3 e it + 0.2 e 2it + 0.1 e 3it ．2． 设离散随机变量X 服从几何分布P {X = k } = (1 − p ) k − 1 p ， k = 1, 2, … ．试求X 的特征函数．并以此求E (X ) 和Var (X )． 解：特征函数ititk k ititk k itk p p p p p p t e)1(1e )]1([ee)1(e )(1111−−=−=−⋅=∑∑+∞=−+∞=−ϕ； 因22]e )1(1[e ]e )1(1[]e )1([e ]e )1(1[e )(it it it it it it it p ip p i p p p i p t −−=−−⋅−−⋅−−−⋅⋅=′ϕ，有)()0(2X iE pip ip ===′ϕ，故pX E 1)(=； 因332]e )1(1[]e )1(1[e ]e )1([]e )1(1[e 2]e )1(1[e )(it it it itit itit itp p p i p p ip p i ip t −−−+−=⋅−−⋅−−−−−⋅⋅=′′−−ϕ， 有)(2)2()0(2223X E i pp p p p =−−=−−=′′ϕ，可得222)(p p X E −=， 故222112)Var(p pp p p X −=⎟⎟⎠⎞⎜⎜⎝⎛−−=． 3． 设离散随机变量X 服从巴斯卡分布rk r p p r k k X P −−⎟⎟⎠⎞⎜⎜⎝⎛−−==)1(11}{，k = r , r + 1, …试求X 的特征函数．解：特征函数∑∑+∞=−−+∞=−−+−−−=−⎟⎟⎠⎞⎜⎜⎝⎛−−⋅=r k r k it r k itr r r k r k r itkp r k k r p p p r k t )(e)1)(1()1()!1(e )1(11e )(L ϕ ∑∑+∞=−=−−−+∞=−=−−=+−−−=r k p x r k r r it rk p x r k r it ititdx x d r p x r k k r p e )1(111e )1()()!1()e ()1()1()!1()e (L itit it p x r r it p x r r r it p x k k r r r it x r r p x dx d r p x dx d r p e )1(e )1(11e )1(1111)1()!1()!1()e (11)!1()e ()!1()e (−=−=−−−=+∞=−−−−−⋅−=⎟⎠⎞⎜⎝⎛−⋅−=⎟⎟⎠⎞⎜⎜⎝⎛⋅−=∑rit itr it r it p p p p ⎥⎦⎤⎢⎣⎡−−=−−=e )1(1e ]e )1(1[)e (． 4． 求下列分布函数的特征函数，并由特征函数求其数学期望和方差．（1）)0(,e 2)(||1>=∫∞−−a dt a x F x t a ； （2）)0(,1π)(222>+=∫∞−a dt at a x F x ． 解：（1）因密度函数||11e 2)()(x a ax F x p −=′=，故⎥⎥⎦⎤⎢⎢⎣⎡−++=⎥⎦⎤⎢⎣⎡+=⋅=+∞−∞−+∞+−∞−+∞+∞−−∫∫∫0)(0)(0)(0)(||1e e 2e e 2ee 2)(ait a it a dx dx a dx a t x a it x a it x a it x a it x a itx ϕ 222112at a a it a it a +=⎟⎠⎞⎜⎝⎛−−+=； 因222222221)(22)()(a t ta t a t a t +−=⋅+−=′ϕ，有)(0)0(1X iE ==′ϕ， 故E (X ) = 0；因32242242222222221)(26)(2)(22)(2)(a t a t a a t t a t t a a t a t +−=+⋅+⋅−+⋅−=′′ϕ， 有)(22)0(222641X E i a a a =−=−=′′ϕ，可得222)(a X E =， 故222202)Var(aa X =−=；（2）因密度函数22221π)()(ax a x F x p +⋅=′=， 则∫+∞∞−+⋅=dx a x a t itx 2221e π)(ϕ， 由第（1）小题的结论知∫∞+∞−=+=dx x p a t a t itx )(e )(12221ϕ，根据逆转公式，可得∫∫∞+∞−−∞+∞−−−+⋅===dt at a dt t a x p itx itx x a 2221||1e π21)(e π21e 2)(ϕ， 可得||||222e πe 2π21e y a y a itya a a dt a t −−−+∞∞−=⋅=+⋅∫， 故||||222e e ππ1e π)(t a t a itx a a dx ax a t −−+∞∞−=⋅=+⋅=∫ϕ； 因⎩⎨⎧>−<=′−,0,e ,0,e )(2t a t a t atat ϕ 有a a −=+′≠=−′)00()00(22ϕϕ，即)0(2ϕ′不存在， 故E (X ) 不存在，Var (X ) 也不存在．5． 设X ~ N (µ, σ 2)，试用特征函数的方法求X 的3阶及4阶中心矩． 解：因X ~ N (µ, σ 2)，有X 的特征函数是222e)(t t i t σµϕ−=，则)(e)(2222t i t t t i σµϕσµ−⋅=′−，)(e)(e )(222222222σσµϕσµσµ−⋅+−⋅=′′−−t t i t t i t i t ，因)()(3e)(e)(2223222222σσµσµϕσµσµ−⋅−⋅+−⋅=′′′−−t i t i t t t i t t i ，有ϕ″′(0) = e 0 ⋅ (i µ )3 + e 0 ⋅ 3i µ ⋅ (−σ 2) = − i µ 3 − 3i µσ 2 = i 3E (X 3) = − i E (X 3)， 故E (X 3) = µ 3 + 3µσ 2； 又因2222222422)4()(3e)()(6e)(e)(222222σσσµσµϕσµσµσµ−⋅+−⋅−⋅+−⋅=−−−t t i t t i t t i t i t i t ，有ϕ (4)(0) = e 0 ⋅ (i µ )4 + e 0 ⋅ 6(i µ)2 ⋅ (−σ 2) + e 0 ⋅ 3σ 4 = µ 4 + 6µ 2σ 2 + 3σ 4 = i 4E (X 4) = E (X 4)， 故E (X 4) = µ 4 + 6µ 2σ 2 + 3σ 4．6． 试用特征函数的方法证明二项分布的可加性：若X ~ b (n , p )，Y ~ b (m , p )，且X 与Y 独立，则X + Y ~ b (n + m , p )．证：因X ~ b (n , p )，Y ~ b (m , p )，且X 与Y 独立，有X 与Y 的特征函数分别为ϕ X (t ) = ( p e it + 1 − p ) n ，ϕ Y (t ) = ( p e it + 1 − p ) m ， 则X + Y 的特征函数为ϕ X + Y (t ) = ϕ X (t ) ⋅ϕ Y (t ) = ( p e it + 1 − p ) n + m ，这是二项分布b (n + m , p )的特征函数， 故根据特征函数的唯一性定理知X + Y ~ b (n + m , p )．7． 试用特征函数的方法证明泊松分布的可加性：若X ~ P (λ1)，Y ~ P (λ2)，且X 与Y 独立，则X + Y ~ P (λ1 + λ2)．证：因X ~ P (λ1)，Y ~ P (λ2)，且X 与Y 独立，有X 与Y 的特征函数分别为)1(e1e )(−=itt X λϕ，)1(e2e )(−=itt Y λϕ，则X + Y 的特征函数为)1)(e(21e )()()(−++==itt t t Y X Y X λλϕϕϕ，这是泊松分布P (λ1 + λ2)的特征函数，故根据特征函数的唯一性定理知X + Y ~ P (λ1 + λ2)．8． 试用特征函数的方法证明伽马分布的可加性：若X ~ Ga (α1, λ)，Y ~ Ga (α2, λ)，且X 与Y 独立，则X + Y ~ Ga (α1 + α2 , λ)．证：因X ~ Ga (α1, λ)，Y ~ Ga (α2, λ)，且X 与Y 独立，有X 与Y 的特征函数分别为11)(αλϕ−⎟⎠⎞⎜⎝⎛−=it t X ，21)(αλϕ−⎟⎠⎞⎜⎝⎛−=it t Y ，则X + Y 的特征函数为)(211)()()(ααλϕϕϕ+−+⎟⎠⎞⎜⎝⎛−==it t t t Y X Y X ，这是伽马分布Ga (α1 + α2 , λ)的特征函数，故根据特征函数的唯一性定理知X + Y ~ Ga (α1 + α2 , λ)．9． 试用特征函数的方法证明χ 2分布的可加性：若X ~ χ 2 (n )，Y ~ χ 2 (m )，且X 与Y 独立，则X + Y ~ χ 2 (n + m )．证：因X ~ χ 2 (n )，Y ~ χ 2 (m )，且X 与Y 独立，有X 与Y 的特征函数分别为2)21()(n X it t −−=ϕ，2)21()(m Y it t −−=ϕ，则X + Y 的特征函数为2)21()()()(m n Y X Y X it t t t +−+−==ϕϕϕ，这是χ 2分布χ 2 (n + m )的特征函数，故根据特征函数的唯一性定理知X + Y ~ χ 2 (n + m )．10．设X i 独立同分布，且X i ~ Exp(λ)，i = 1, 2, …, n ．试用特征函数的方法证明：),(~1λn Ga X Y ni i n ∑==．证：因X i ~ Exp (λ)，i = 1, 2, …, n ，且X i 相互独立，有X i 的特征函数为11)(−⎟⎠⎞⎜⎝⎛−=−=λλλϕit it t i X ，则∑==ni i n X Y 1的特征函数为nni X Y it t t i n −=⎟⎠⎞⎜⎝⎛−==∏λϕϕ1)()(1，这是伽马分布Ga (n , λ)的特征函数，故根据特征函数的唯一性定理知Y n ~ Ga (n , λ)．11．设连续随机变量X 的密度函数如下：+∞<<∞−−+⋅=x x x p ,)(π1)(22µλλ， 其中参数λ > 0, −∞ < µ < +∞，常记为X ~ Ch (λ, µ )．（1）试证X 的特征函数为exp{i µ t − λ | t |}，且利用此结果证明柯西分布的可加性； （2）当µ = 0, λ = 1时，记Y = X ，试证ϕ X + Y (t ) = ϕ X (t ) ⋅ϕ Y (t )，但是X 与Y 不独立；（3）若X 1, X 2, …, X n 相互独立，且服从同一柯西分布，试证：)(121n X X X n+++L 与X 1同分布． 证：（1）根据第4题第（2）小题的结论知：若X *的密度函数为22π1)(*xx p +⋅=λλ，即X * ~ Ch (λ, 0)， 则X *的特征函数为ϕ * (t ) = e −λ | t |，且X = X * + µ 的密度函数为22)(π1)(µλλ−+⋅=x x p ， 故X 的特征函数为ϕ X (t ) = e i µ t ϕ * (t ) = e i µ t ⋅ e −λ | t | = e i µ t −λ | t |； 若X 1 ~ Ch (λ1, µ1)，X 2 ~ Ch (λ2, µ2)，且相互独立，有X 1与X 2的特征函数分别为||111e )(t t i X t λµϕ−=，||222e )(t t i X t λµϕ−=， 则X 1 + X 2的特征函数为||)()(21212121e )()()(t t i X X X X t t t λλµµϕϕϕ+−++==，这是柯西分布Ch (λ1 + λ2, µ1 + µ2)的特征函数，故根据特征函数的唯一性定理知X 1 + X 2 ~ Ch (λ1 + λ2, µ1 + µ2)； （2）当µ = 0, λ = 1时，X ~ Ch (1, 0)，有X 的特征函数为ϕ X (t ) = e −| t |，又因Y = X ，有Y 的特征函数为ϕ Y (t ) = e −| t |，且X + Y = 2X ，故X + Y 的特征函数为ϕ X + Y (t ) = ϕ 2X (t ) = ϕ X (2t ) = e −| 2t | = e −| t | ⋅ e −| t | =ϕ X (t ) ⋅ϕ Y (t )； 但Y = X ，显然有X 与Y 不独立；（3）因X i ~ Ch (λ, µ )，i = 1, 2, …, n ，且X i 相互独立，有X i 的特征函数为||e )(t t i X t i λµϕ−=， 则)(121n n X X X nY +++=L 的特征函数为 )(e e )()(1||111t n t t t X t t i n t n ti n ni X ni X nY i in ϕϕϕϕλµλµ===⎟⎠⎞⎜⎝⎛==−⎟⎟⎠⎞⎜⎜⎝⎛⋅−⋅==∏∏，故根据特征函数的唯一性定理知)(121n X X X n+++L 与X 1同分布． 12．设连续随机变量X 的密度函数为p (x )，试证：p (x ) 关于原点对称的充要条件是它的特征函数是实的偶函数．证：方法一：根据随机变量X 与−X 的关系充分性：设X 的特征函数ϕ X (t )是实的偶函数，有ϕ X (t ) = ϕ X (−t )，则−X 的特征函数ϕ −X (t ) = ϕ X (−t ) = ϕ X (t )，根据特征函数的唯一性定理知−X 与X 同分布，因X 的密度函数为p (x )，有−X 的密度函数为p (−x )，故由−X 与X 同分布可知p (−x ) = p (x )，即p (x ) 关于原点对称； 必要性：设X 的密度函数p (x ) 关于原点对称，有p (−x ) = p (x )， 因−X 的密度函数为p (−x )，即−X 与X 同分布，则−X 的特征函数ϕ −X (t ) = ϕ X (−t ) = ϕ X (t )，且)(][e ][e ][e )()()(t E E E t t X itX itX X it X X ϕϕϕ=====−−−， 故X 的特征函数ϕ X (t )是实的偶函数． 方法二：根据密度函数与特征函数的关系充分性：设连续随机变量X 的特征函数ϕ X (t )是实的偶函数，有ϕ X (t ) = ϕ X (−t )，因∫+∞∞−−=dt t x p itx )(e π21)(ϕ，有∫∫+∞∞−+∞∞−−−==−dt t dt t x p itxx it )(e π21)(e π21)()(ϕϕ， 令t = −u ，有dt = −du ，且当t → −∞时，u → +∞；当t → +∞时，u → −∞，则)()(e π21)(e π21))((e π21)()(x p du u du u du u x p iuxiux x u i ==−=−−=−∫∫∫+∞∞−−+∞∞−−−∞∞+−ϕϕϕ， 故p (x ) 关于原点对称；必要性：设X 的密度函数p (x ) 关于原点对称，有p (−x ) = p (x )，因∫+∞∞−−==dx x p E t itxitX)(e )(e)(ϕ，有∫∫+∞∞−−+∞∞−−==−dx x p dx x p t itx xt i )(e )(e)()(ϕ，令x = −y ，有dx = −dy ，且当x → −∞时，y → +∞；当x → +∞时，y → −∞， 则)()(e )(e ))((e )()(t dy y p dy y p dy y p t X ity ity y it X ϕϕ==−=−−=−∫∫∫+∞∞−+∞∞−−∞∞+−−，且)(][e ][e ][e )()()(t E E E t t X itX itX X t i X X ϕϕϕ====−=−−， 故X 的特征函数ϕ X (t )是实的偶函数．13．设X 1, X 2, …, X n 独立同分布，且都服从N(µ , σ 2)分布，试求∑==ni i X n X 11的分布．证：因X i ~ N (µ , σ 2)，i = 1, 2, …, n ，且X i 相互独立，有X i 的特征函数为222e)(t t i X t i σµϕ−=，则∑==n i i X n X 11的特征函数为nt t i n t n t i n ni X n i X n X n t t t i i 2211112222ee)()(σµσµϕϕϕ−⎥⎥⎦⎤⎢⎢⎣⎡⎟⎠⎞⎜⎝⎛−⋅====⎟⎠⎞⎜⎝⎛==∏∏，这是正态分布⎟⎟⎠⎞⎜⎜⎝⎛n N 2,σµ的特征函数，故根据特征函数的唯一性定理知⎟⎟⎠⎞⎜⎜⎝⎛=∑=n N X n X ni i 21,~1σµ． 14．利用特征函数方法证明如下的泊松定理：设有一列二项分布{b (k , n , p n )}，若λ=→∞n n np lim ，则L ,2,1,0,e !),,(lim ==−∞→k k p n k b kn n λλ．证：二项分布b (n , p n )的特征函数为ϕ n (t ) = ( p n e it + 1 − p n ) n = [1 + p n (e it − 1)] n ，且n → ∞时，p n → 0，因)1(e)1(e )1(e 1e )]1(e 1[lim )]1(e 1[lim )(lim −−⋅−→→∞→∞=−+=−+=itit n it n n np p itn p n it n n n n p p t λϕ，。
第四章大数定律与中心极限定理
≥ lim (1 −
n→ ∞
D( X n )
ε2
C )=1 ) ≥ lim (1 − 2 n→ ∞ nε
契比雪夫大数定律的特殊情况 推论:设 是两两不相关的随机变量序列, 推论 设{Xk}是两两不相关的随机变量序列 是两两不相关的随机变量序列 具有相同的数学期望E(Xk)=µ和方差 具有相同的数学期望 和方差 D(Xk)=σ2(k=1,2,…),则对于任意给定的 则对于任意给定的ε>0,恒 则对于任意给定的 恒 有
1 n 1 n 2 ∑ Yi = n ∑ ( X i − µ ) n i =1 i =1 1 n 1 n 2 2 ∑ E (Yi ) = n ∑ E [( X i − µ ) ] = σ n i =1 i =1
D (Yn ) = D[( X n − µ ) ] = E [( X n − µ ) ] − σ
2 4 4 Q E ( X n ) 存在 ,∴ E [( X n − µ ) 4 ]存在 4
1 n 2 ∴ lim P ∑ ( X i − µ ) − σ < ε = 1 n→ ∞ n i =1
定理(伯努里大数定律):设进行n 定理(伯努里大数定律):设进行n次独 大数定律):设进行 立重复试验，每次试验中事件A 立重复试验，每次试验中事件A发生 的概率为p 次试验中事件A 的概率为p，记μn为n次试验中事件A 发生的次数，则对任意的ε>0,有 发生的次数，则对任意的ε>0,有
例如对某物的长度进行测量,在测量时有 例如对某物的长度进行测量 在测量时有 许多随机因素影响测量的结果.如温度和 许多随机因素影响测量的结果 如温度和 湿度等因素对测量仪器的影响,使测量产 湿度等因素对测量仪器的影响 使测量产 生误差X 测量者观察时视线所产生的误 生误差 1;测量者观察时视线所产生的误 差X1;测量者心理和生理上的变化产生的 测量者心理和生理上的变化产生的 测量误差X 显然这些误差是微小的、 测量误差 3;…显然这些误差是微小的、 显然这些误差是微小的 随机的,而且相互没有影响 而且相互没有影响.测量的总误差 随机的 而且相互没有影响 测量的总误差 是上述各个因素产生的误差之和,即∑Xi. 是上述各个因素产生的误差之和 即
大数定律与中心极限定理
大数定律与中心极限定理大数定律和中心极限定理是概率论中两个重要的定理，它们在统计学和概率论中有着广泛的应用。
本文将分别介绍大数定律和中心极限定理的概念、原理以及在实际应用中的意义。
大数定律是概率论中的一个重要定理，它描述了随机变量序列的均值在重复试验中的稳定性。
大数定律告诉我们，随着试验次数的增加，样本均值会趋向于总体均值，即样本均值收敛于总体均值的概率接近于1。
大数定律的核心思想是随机现象的规律性，即在大量独立重复试验中，样本均值会逐渐接近总体均值。
以弱大数定律为例，它指出对于独立同分布的随机变量序列，样本均值以概率1收敛于总体均值。
这意味着在进行大量独立重复试验时，样本均值会逐渐接近总体均值，从而使得我们可以通过样本均值来估计总体均值。
大数定律的应用非常广泛，例如在统计学中，通过样本均值来估计总体均值是一种常用的统计方法。
另一个重要的定理是中心极限定理，它描述了大量独立同分布随机变量的和的分布在适当标准化后近似服从正态分布。
中心极限定理的核心思想是当随机变量的数量足够大时，它们的和的分布会趋近于正态分布。
这个定理在实际应用中具有重要意义，因为正态分布具有许多重要的性质，使得我们可以通过正态分布来进行各种统计推断。
中心极限定理有两种形式，一种是林德伯格-莱维中心极限定理，它适用于具有有限方差的随机变量序列；另一种是李雅普诺夫中心极限定理，它适用于具有有限高阶矩的随机变量序列。
这两种中心极限定理在不同情况下具有不同的适用范围，但它们都揭示了随机变量和的分布在适当标准化后趋近于正态分布的规律。
总的来说，大数定律和中心极限定理是概率论中两个重要的定理，它们揭示了随机现象的规律性，并在统计学和概率论中有着广泛的应用。
通过理解和运用这两个定理，我们可以更好地理解和分析随机现象，从而为实际问题的解决提供有力的工具和方法。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
应用之例: 正态随机数的产生； 误差分析
1 June 2018
华东师范大学
第四章 大数定律与中心极限定理
第24页
例4.4.1 每袋味精的净重为随机变量，平均重量为 100克，标准差为10克. 一箱内装200袋味精，求一 箱味精的净重大于20500克的概率? 解: 设箱中第 i 袋味精的净重为 Xi, 则Xi 独立同分布， 且 E(Xi)=100，Var(Xi) =100， 由中心极限定理得，所求概率为：
第四章 大数定律与中心极限定理
第25页
例4.4.2 设 X 为一次射击中命中的环数，其分布列为
X
P 求100次射击中命中环数在900环到930环之间的概率. 解: 设 Xi 为第 i 次射击命中的环数，则Xi 独立同分布，
且 E(Xi) =9.62，Var(Xi) =0.82，故
100 930 100 9.62 900 100 9.62 P 900 X i 930 100 0.82 100 0.82 i 1
华东师范大学
第四章 大数定律与中心极限定理
第16页
4.3.1 依概率收敛
定义4.3.1 (依概率收敛)
lim P Y Y 若对任意的 >0，有 n n 1
则称随机变量序列{Yn}依概率收敛于Y, 记为
Yn
P
Y
大数定律讨论的就是依概率收敛.
1 June 2018
华东师范大学
第四章 大数定律与中心极限定理
第8页
§4.2 大数定律
讨论 “概率是频率的稳定值”的确切含义；
给出几种大数定律：
伯努利大数定律、切比雪夫大数定律、 马尔可夫大数定律、辛钦大数定律.
1 June 2018
华东师范大学
第四章 大数定律与中心极限定理
第9页
4.2.1 伯努利大数定律 定理4.2.1（伯努利大数定律）
性质4.1.1 |(t)| (0)=1
性质4.1.2
性质4.1.3 性质4.1.4 性质4.1.5
1 June 2018
(t ) (t )
aX b(t ) eibt X (at )
X Y (t ) X (t )Y (t ) (0) ik E( X k )
{Xn}两两不相关，且Xn方差存在，有共
同的上界，则 {Xn}服从大数定律.
证明用到切比雪夫不等式.
1 June 2018
华东师范大学
第四章 大数定律与中心极限定理
第12页
马尔可夫大数定律 定理4.2.3
若随机变量序列{Xn}满足：
n 1 Var X i 0 (马尔可夫条件) 2 i 1 n
200 20500 200 100 P X i 20500 1 200 100 i 1
1 (3.54) = 0.0002
故一箱味精的净重大于20500克的概率为0.0002. (很小)
1 June 2018
华东师范大学
1 June 2018
华东师范大学
第四章 大数定律与中心极限定理
第3页
4.1.1 特征函数的定义
定义4.1.1 设 X 是一随机变量，称 (t) = E( eitX ) 为 X 的特征函数. (必定存在)
注意：i 1 是虚数单位.
1 June 2018
华东师范大学
第四章 大数定律与中心极限定理
特征函数的计算中用到复变函数，为此注意： (1) 欧拉公式：
eitx cos(tx) i sin(tx)
(2) 复数的共轭： a bi a bi (3) 复数的模：
a bi a 2 b2
1 June 2018
华东师范大学
第四章 大数定律与中心极限定理
第6页
4.1.2 特征函数的性质
(2) 切比雪夫大数定律是马尔可夫大数定律的特例.
(3) 伯努利大数定律是辛钦大数定律的特例.
1 June 2018
华东师范大学
第四章 大数定律与中心极限定理
第15页
§4.3 随机变量序列的两种收敛性
两种收敛性：
i) 依概率收敛：用于大数定律；
ii) 按分布收敛：用于中心极限定理.
1 June 2018
第四章 大数定律与中心极限定理
第19页
依概率收敛与按分布收敛的关系
P X X L X X n n P a X L a X n n
定理4.3.2
定理4.3.3
1 June 2018
华东师范大学
第四章 大数定律与中心极限定理
第20页
4.3.3 判断弱收敛的方法
第四章 大数定律与中心极限定理
第1页
第四章 大数定律与中心极限定理
§4.1 特征函数
§4.2 大数定律 §4.3 随机变量序列的两种收敛性 §4.4 中心极限定理
1 June 2018
华东师范大学
第四章 大数定律与中心极限定理
第2页
§4.1 特征函数
特征函数是处理概率论问题的有力工具， 其作用在于： 可将卷积运算化成乘法运算； 可将求各阶矩的积分运算化成微分运算； 可将求随机变量序列的极限分布化成一般 的函数极限问题； ……….
第23页
4.4.2
独立同分布下的中心极限定理
定理4.4.1 林德贝格—勒维中心极限定理 设 {Xn} 为独立同分布随机变量序列，数学期 望为, 方差为 2>0，则当 n 充分大时，有
X lim P n
n i 1
i
n n
y ( y )
第28页
注 意 点 (2)
中心极限定理的应用有三大类： i) 已知 n 和 y，求概率； ii) 已知 n 和概率，求y ； iii) 已知 y 和概率，求 n .
1 June 2018
华东师范大学
第四章 大数定律与中心极限定理
第29页
一、给定 n 和 y，求概率
例4.4.3 100个独立工作(工作的概率为0.9)的部件组 成一个系统，求系统中至少有85个部件工作的概率.
第30页
二、给定 n 和概率，求 y
例4.4.4
有200台独立工作(工作的概率为0.7)的机床， 每台机床工作时需15kw电力. 问共需多少电力, 才可 有95%的可能性保证正常生产?
又记Y=X1+X2+…+X200，则 E(Y)=140，Var(Y)=42. 设供电量为y, 则从
解：用 Xi=1表示第i台机床正常工作, 反之记为Xi=0.
P k1 n k2 P k1 0.5 n k2 0.5
k2 0.5 np k1 0.5 np npq npq
1 June 2018
华东师范大学
第四章 大数定律与中心极限定理
则 {Xn}服从大数定律.
1 June 2018
华东师范大学
第四章 大数定律与中心极限定理
第13页
辛钦大数定律 定理4.2.4
若随机变量序列{Xn}独立同分布，且Xn的 数学期望存在。则 {Xn}服从大数定律.
1 June 2018
华东师范大学
第四章 大数定律与中心极限定理
第14页
注意点
(1) 伯努利大数定律是切比雪夫大数定律的特例.
华东师范大学
第四章 大数定律与中心极限定理
第22页
§4.4
4.4.1
中心极限定理
独立随机变量和
Yn X i
i 1 n
设 {Xn} 为独立随机变量序列，记其和为
讨论独立随机变量和的极限分布,
本指出极限分布为正态分布.
1 June 2018
华东师范大学
第四章 大数定律与中心极限定理
y /15 0.5 140 P{15Y y} 0.95 42 中解得 y 2252.
华东师范大学
1 June 2018
第四章 大数定律与中心极限定理
第31页
三、给定 y 和概率，求 n
例4.4.5
用调查对象中的收看比例 k/n 作为某电视节 目的收视率 p 的估计。 要有 90％ 的把握，使k/n与p 的差异不大于0.05，问至少要调查多少对象？ Yn 服从 b(n, p) 分布，k 为Yn的实际取值。根据题意
华东师范大学
第四章 大数定律与中心极限定理
第17页
依概率收敛的性质 定理4.3.1
若 Xn
P
a, Yn
P
b
则{Xn}与{Yn}的加、减、乘、除 依概率收敛到 a 与 b 的加、减、乘、除.
1 June 2018
华东师范大学
第四章 大数定律与中心极限定理
第18页
4.3.2
按分布收敛、弱收敛
对分布函数列 {Fn(x)}而言，点点收敛要求太高.
定义4.3.2 若在 F(x) 的连续点上都有
n
lim Fn ( x) F ( x)
则称{Fn(x)} 弱收敛于 F(x) ，记为
W Fn (x) F ( x) L X 按分布收敛 相应记 X n
1 June 2018
华东师范大学
解：用 Xi=1表示第i个部件正常工作, 反之记为Xi=0. 又记Y=X1+X2+…+X100，则 E(Y)=90，Var(Y)=9. 由此得：
85 0.5 90 P{Y 85} 1 0.966. 9
1 June 2018
华东师范大学