学习概率论心得体会

第一篇：学习概率论心得体会

学习概率论心得体会

在大二刚开学我接触到了概率论与数理统计这门课程，虽然在高中时已经接触到了许多跟概率相关的东西，比如随机事件、古典概型以及一系列的计算方法但是在接触到更加高深的层次后还是有许多不一样的感受。

在课程开始之初老师就告诉我们这门课不是很难，关键还在于上课认真听讲。通过老师的简单介绍，我了解到概率论与数理统计是研究随机现象统计规律性的一门数学学科，其理论与方法的应用非常广泛，几乎遍及所有科学技术领域、工农业生产、国民经济以及我们的日常生活。对于作为信息管理与信息系统专业的我，其日后的帮助也是很大的，尤其是对于日后电脑方面的操作有着至关重要的辅助作用。

在这门课程中我们首先研究的是随机事件及一维随机变量二维随机变量的分布和特点。而在第二部分的数理统计中，它是以概率论为理论基础，根据试验或者观察得到的数据来研究随机现象，对研究对象的客观规律性做出种种估计和判断。整本书就是重点围绕这两个部分来讲述的。初学时，就算觉得理解了老师的讲课内容，但是一联系实际也会很难以应用上，简化不出有关所学知识的模型。在期末复习中，自己重新对于整个书本的流程安排还有每个章节的重点重新复习一遍，才觉得有了点头绪。

在长达一个学期的学习中，我增长了不少课程知识，同时也获得了好多关于这门课程的心得体会。整个学期下来这门课程给我最深刻的体会就是这门课程很抽象，很难以理解，但是这门课程给我带来了一种新的思维方式。前几章的知识好多都是高中讲过的，接触下来觉得挺简单，但是后面从第五章的大数定理及中心极限定理就开始是新的内容了。我觉得学习概率论与数理统计最重要的就是要学习书本中渗透的一种全新的思维方式。统计与概率的思维方式，和逻辑推理不一样，它是不确定的，也就是随机的思想。这也是一个人思维能力最主要的体现，整个学习过程中要紧紧围绕这个思维方式进行。这些都为后面的数理统计还有参数估计、检验假设打下了基础。其次，在所有数学学科中，概率论是一门具有广泛应用的数学分支，是一门真正是把实际问题转换成数学问题的学科。在最后一章中，假设检验就是一个很好的例子。由前面所讲的伯努利大数定律知，小概率事件在N次重复试验中出现的概率很小，因此我们认为在一次试验中，小概率事件一般不会发生，如果发生了就该怀疑这件事件的真实性。正是根据这个思想去解决实际中的检验问题，总之概率与数理统计就是一门将现实中的问题建立模型然后应用理论知识解决掉的学科，具有很强的实际应用性。

在整个学期学习过程中，老师生动的讲解让我一直对这门课程保持着浓厚的兴趣，课上总是会讲解一些实际中的问题，比如抽奖先后中奖概率都一样，扔硬币为什么正反面的概率都是二分之一……一些问题还会让我们更理性的对待实际中的一些问题，比如赌博赢的概率很小，彩票中奖概率也是微乎其微，所以不能迷恋那些，不能期望用投机取巧来赚取钱财。总之，概率论与数理统计给予我的帮助是很大的。不仅拓展了我的数学思维，而且还帮助我把课堂上的知识与生活中的例子联系了起来。当然，这些与老师的辛勤劳动是分不开的，在此，十分感谢马金凤老师对我们一学期以来的谆谆教诲。

第二篇：学习概率论的小小感悟

学习概率论的小小感悟

时间过的真快，转眼间半学期又要过去了，我们的概率论也在这周结课，现在是有喜又悲，喜的是我们的课又少了两节，但同时让我们心惊胆战的概率论考试离我们越来越近。。这只是目前的一点小小感受，但话说回来还真有点舍不得我们的和蔼可亲的概率论老师，说实话，大学以来上这么多的课我觉得他是最认真的一个，当然并不是说其他的老师不负责，但相比之下总有一个高低之分，我也并不是借着这个机会恭维老师，我只是陈述一个实事，或我内心的一个真实感受。下面从几方面具体谈一下我学习概率论的感悟。

首先，就是我刚才上面提到的老师。我觉得像概率论这样一个数学性质比较强的课，老师的作用会体现的更加突出，因为本来好多学生就对这种看似无聊的课没有什么兴趣，而如果加上一个不能调动其学生兴趣的老师，那么我觉的这个课的缺课率一定会很高，或者学生的成绩也不会很好，因为我深有感触，在大一的时候叫我们工数的是一位六十多的大爷，一听年龄肯定知道上课的气氛不是很活跃，所以每次上工数，都觉得很无聊听不懂不想听，觉得还不如自己去学，但现在的概率论老师则不一样，他一看上去就很有亲和力，而且上课风趣幽默，真的很有意思，每节课都感觉过的很快，而且我觉的他的讲课方法也很好，每讲完一章总会做大量的不同类型的习题来巩固，而且效率很高。在学习这门课之前还不停地问学姐学长们难不难，真的是心惊胆颤，但真正接触了之后，又有这样一位好老师，真的把我的兴趣调动起来了，而且觉得学起来也不是很难了。

接着，就是对概率论本身的一些感悟了。首先最大的感觉就是它真的不是很难，比工数要简单的多了，最起码什么都能弄懂，不像工数大部分都是出于模糊状态，考试之所以还可以是因为出了大部分的原题，而概率论如果不出原题应该也不会很惨吧，我们的概率论是考试课，可以看出它在我们专业的重要地位，以我个人的理解，如果说微积分、线性代数只是分析数学、或是说解题的工具，那么概率论才是真正把实际问题转换为数学问题的学问，因为它解决的并非纯数学问题，不是给你一个命题让你去解决，而恰恰是让你去构思命题，进而构建模型来想方设法解决实际问题。因此我们学习它不是要会算多少题，而是在我们做题的过程中培养我们的一种逻辑思维，我想学校之所以让我们学习这门课程的初衷也应该包括这一方面，可以简单的试想一下，当我们走出大学步入工作岗位的那一刻，面试官不会出一道概率题让你算，而是通过其他的方式来验证你某些方面的素质，学过概率论的和没有学过的他们的思维应该是有很大差别的，所以我的一些亲朋或者学姐学长们也经常叮嘱我要好好学习它，但经过半年来的学习我觉得我应该不会让他们失望。

概率论与数理统计这门课程在现实生活中有着广泛的运用。要衡量一个班级期末成绩的好坏，严格上来说仅看平均分是远远不够的，因为从平均分中我们无法得知分数段、不知道分数的波动有多大；光拿平均分作为比较两个班成绩优劣的标准也是不够完善的，也许A班的表现比较平均，都是中等偏上，而B班有好几个不合格，但由于有几个同学拿了很高的分数，结果反而平均分比A班还要高，难道我们能就此断言B班要优秀一点吗？再比如说像套圈、射击这种只要命中目标就能拿到奖品的游戏，乍一看似乎简单又划算，但事实上由于游戏条件比较苛刻，要在有限的次数中击中目标是个小概率事件，因此店主才能那么悠闲的任你玩。其他方面还可以举出很多例子，比如国家作一次人口普查、企业做产品满意程度调查、天气质量检测就需要充分地用到数理统计的方法，拿到一组原始的数据，用不同的模型、不同的分布函数去分析，可以得到许多不同角度的分析结果，进而能对总体进行更为立体的分析。通过学习这门课程，我还可以更理性的对待生活中的一些问题。比如通过计算某些赌博赢钱机会的概率可以发现，庄家和赌博者之间看似平等，但综合对赌场的熟悉情况、出牌规定等因素，实际上庄家占有某种优势。懂得这个道理,作为赌博者就应怀有平常心,押宝不能押太大，对输赢也不要过于介怀。另外，概率论与其他课程之间的关系也是不容忽视的，对我们管理学院学经济的来说是有很大关系的，比如我们学的经济学，就是用经济方法研究经济数学模型的实用化或探索实证经济规律，其目的在与理论检验和预测应用，从思路和方法上来看与数理统计都有着紧密的联系。以及我们通过概率论学到的置信区间等等，对我们以后经济业务的估计和测评有很大的帮助，尤其是和我们今年学习的统计学密切相关，如概率、区间估计、各类分布等等都有密切联系，为我们学习统计学打下了很好的基础，在听统计课的时候不至于手忙脚乱，并在此基础上有了更深的了解。以上是我这段时间以来学习概率论的一点小小感悟，虽然现在的概率论考试还没开始，也不知道我最终的战果到底如何，但我现在正在努力备考，凭借我平时的基础和我的不懂就问的性格，相信我一定能拿到一个满意的成绩，而且我高兴地是我遇到了一位负责的好老师，我尽最大努力去领悟每一节课，无论最终结果怎样，我想说我真的是享受了这个过程，我对的起我自己。

2011年12月1日星期四

第三篇：学习概率论与数理统计感想

学习概率论与数理统计感想

作者：丁彦军

学号：1130610816

班级：1306108 摘要：概率论与数理统计是一门与生活息息相关的学科，在生活中很多方面都有很广泛的应用，通过本学期对于这门课程的学习，我更加深刻的体会到了这一点。同时，了解一些概率论的发展历史和现状有助于我们更好的理解和学习这门课程的研究对象和方法，也有助于我们掌握这门课程的精髓。

关键词：概率论

起源

发展

应用

通过这学期对概率论与数理统计这门课的学习，我认识到，概率是研究随机现象规律的学科，它为人们认识客观世界提供了重要的思维模式和解决问题的方法，同时为统计学的发展提供了理论基础。同时，通过概率课还了解了概率的意义，概率是用来度量随机事件发生可能性大小的一个量，而实际结果是事件发生或不发生这两种情况中的一种。

了解这些后，我对概率论和数理统计的起源和发展历史以及它目前的发展情况产生了浓厚的兴趣。英国数学家格雷舍(Galisber,1848一1928)曾经说过“任何企图将一种科目和它的历史割裂开来:,我确信,没有哪一种科目比数学的损失更大。”了解和研究概率论发展的历史,有助于我们加深对这门课程研究对象、研究方法的了解;有利于总结成功经验和失败教训,启迪我们更好地学习这门课程。

下面介绍概率论的起源和发展历史: 1.古典概率时期（十七世纪）

概率论的早期研究大约在十六世纪到十一七世纪之间。这段期间,欧洲进入文艺复兴时期,工业革命已开始蔓延。伴随工业发展提出的误差问题,伴随航海事业发展产生的天气预报问题,伴随商业发展而产生的贸易、股票、彩票和银行、保险公司等,加之人们越来越需要了解的患病率、死亡率、灾害规律等问题,急需创立一门分析研究随机现象的数学学科。概率论应社会实践的需要出现了。在这个时期,意大利著名物理学家伽俐略(GalileiGalileo,1564.2.18一1642.1.8)就曾对物理实验中出现的误差进行了科学的研究,把误差作为一种随机现象,并估计了他们产生的概率。十七世纪末,瑞士数学家伯努利对惠更斯没有解决的问题给出了解答,并第一次用到了母函数概念。伯努利的成就主要是从理论上证明了大数定理。伯努利的另一重大贡献是研究了独立重复试验概型。由于这种概型研究的是只有两个可能结果的试验,并经多次重复的结果。因此具有很普遍的意义。至今,在许多概率论专著中仍把独立重复试验概型称为“伯努利概型”。2.初等概率时期(十八世纪)

十八世纪,概率论发展很快,几乎初等概率的全部内容都在这个期间形成。法国杰出的数学家德莫哇佛尔(AbrahamDeMoiver,1667--1754)最早研究了随机变量服从正态分布的情形,发现了正态概率分布曲线。接着,他又发现,许多分布的极限正态分布,并证明了二项分布当p=q=的情形。这种证明某一分布的极限是正态分布的各种定理,以后发展成概率论的一个重要组成部分—中心极限定理。英国数学家辛普松(TnomasSimpson,1710一1761)所研究的问题中有一个对产品剔12废及检查很重要的问题:设有n件等级不同的产品,n1件属于第一级,n2属于第二级,„„,我们任意取其中的m件,试求其中取得m1件第一级, m2件第二级,„„的概率。这就是现在常用到的多项分布的情形。法国博物学家蒲丰(CometDeBuffon,1707一1788)提出了用投掷小针计算值的著名“蒲丰问题”:将一根长2l的小针投掷在距离为2a(a>l)的若干等距平行线上,可以证明针与任一直线相交的概率是p=用p≈（n为投掷次数,为针与直线相交次数),则得3.分析概率时期(十九世纪)

拉普拉斯1812年在巴黎出版了他的经典著作《分析概率论》，这部著作对十八世纪概率论的研究成果作了比较完美的总结,内容包括几何概率、伯努利定理、最小二乘法等。他还明确了概率的古典定义,证明了中心极限定理中的德莫哇佛尔—拉普拉斯形式,发展了概率论在观察和测量误差方面的应用。法国数学家泊松通过研究,发现了在概率论中占重要地位的一个分布—泊松分布。他还推广了大数定律,在1837年他的《关于民型审判的概率研究》著作中,第一次提出了“大数定律”这一名称。泊松还是第一个把概率论用到解决射击问题上的数学家。德国数学家高斯(CareFriedriehGauss）首次叙述了在统计学中十分重要的最小二乘法原理。切比雪夫(TellbllllBe）提出的不等式：p：｛|X-E(X)|｝D(X)2l,若an2nl。a2。给出了在未知分布情况下,随机变量与其期望之间差别概率的估计。同时,他作为基础知识在概率论和数理统计中起着十分重要的作用。4.现代概率时期(二十世纪)

二十世纪以来,美籍南斯拉夫数学家费勒(WillamFeller,1906--1970)及法国数学家列维(P·Lvey,1886一1971)在极限理论方面开展了一系列有益的研究工作。1935年,费勒找到了满足中心极限定理的充要条件,后来数学界称这个条件（limmaxnk=0）为费勒条件。英国数学Bn家费歇尔(R·A·Fihser.1890--)以医学、生物实验为背景,提出了似然方法;开创了试验设计、方差分析;确立了统计推断的基本方法（二、三十年代)。原籍波兰的美国数学家奈曼(J·Nycmna)和皮尔逊,从1928年起,建立了严格的假设检验理论。四十年代末,美国数学家瓦尔德创立了统计判决理论。由于概率论中极限理论的发展,正态分布作为统计量的地位越来越明显,统计中的大样本理论由此而得到迅猛的发展,参数估计中的极大似然估计,稳健统计,自适应估计,随机逼近、非参数统计等都发展较快。另外,贝叶斯(Bayes)统计学派在这个时期复兴并发展。

通过对概率论的发展史的了解，我对概率论课程中学习的一些知识有了更深层次的理解，列如，对于n重伯努利的问题，它在平时的生活中也有着广泛的应用价值。比如在购买股票问题中，设光顾的投资者数为n，n个人中购买股票的人数m，这就是一个n重贝努里概型。此外，概率论在各个学科和金融、保险、生物、医学、经济、运筹管理和工程技术等领域也得到了广泛应用。主要包括：极限理论、随机过程论、数理统计学、概率论方法应用、应用统计学等。概率论方法应用是一个涉及面十分广泛的领域，包括随机力学、统计物理学、保险学、随机网络、排队论、可靠性理论、随机信号处理等有关方面。熟练地掌握概率论中一些基本的方法，对于我们平时的工作和学习会有很大的帮助。同时，随着科学技术的发展,概率论的理论与应用也将得到更大的发展，带给我们的益处也将越来越多。

第四篇：概率论教案

西南大学本科课程备课教案 2015 —2016 学年第 1 学期

（理论课程类）

课 程 名 称 概率论

授课专业年级班级 统计专业 2014 级 教 教

师 师

姓 职

名 称

凌成秀 讲师

I

数学与统计学院

课程性质

专业必修

□专业选修

□公共必修

□通识教育选修

概率论是统计专业本科生的一门建立在微积分、基本代数知识基础上的重要

课程简介

专业课程，是继续学习、研究统计学及其应用的一门重要课程。该课程旨在 如何刻画随机现象的统计规律性，包括随机事件及其概率，随机变量及其分 布，随机变量的数字特征、特征函数、极限定理等。本课程总学时 5*18=90 节。

教材

孙荣恒《应用概率论》第二版，2005，科学出版社

（总学时）

教学方式 讲授式、启发式、研究型、收集网络小论文探究式

使用教具 黑板、粉笔

[1] 《概率论基础》第三版，李贤平著，高等教育出版社，2010.[2] 《概率论与数理统计》第四版，盛骤，谢式千，潘承毅 著，高等教育出 版社，2010.[3] 《概率论与数理统计习题全解指南》第四版，盛骤，谢式千，潘承毅 著，高等教育额出版社，2010.[4] Probability Essentials(Second edition), Jean Jacod and Philip Protter, Springer,2004.[5]《概率论与数理统计教程》第二版,茆诗松 程依明、濮晓龙，高等教育出 版社，2000.参考书目及文献（或互联网网址）

考核方式 闭卷笔试

II

随机事件及其概率

第一章 随机事件及其概率

概率论与数理统计是从数量化的角度来研究现实世界中一类不确定现象（随机现 象）规律性的一门应用数学学科，20 世纪以来，广泛应用于工程技术、经济及 医学技术等各个领域.本章介绍的随机事件与概率是概率论中最基本、最重要的 概念之一.第一、二节 随机事件及其关系与运算

教学内容： 随机事件是本课程的最基础的概念，主要涉及到包括确定性现象、随机现象、样本空间、样本点、随机事件等定义；以及事件的包含、相等、互不 相容（互斥）、互为对立等关系；事件的和、积、差、逆等运算的定义；事件的 运算律、文氏图等；事件序列的极限。会用简单事件通过其关系与运算将复杂事 件表示出来。重点难点：

随机事件的定义；互不相容、互为对立、互逆事件的判别；用简单事件通过其运 算将复杂事件表示出来；事件的恒等式证明；事件序列的极限关系 教学目标：

会判断给出的现象是否为随机现象；会写随机试验的样本空间；会判别随机事件 的类型；熟悉事件关系与运算的定义；熟悉事件的运算律、会作文氏图；能判别 事件的互不相容、互为对立、互逆等关系；能用事件的运算关系将复杂事件表示 出来；掌握事件的不等式、恒等式证明 教学过程：

1、确定性现象与随机现象。确定性现象：在一定的条件下必然发生某种结果的现象。例如：（1）重物在高处必然下落；（2）在标准大气压下纯水加热到 100 摄氏度时必然会沸腾；

（3）异性电荷必相互吸引。随机现象（偶然性现象）：在一定的条件下，有多种可能结果发生，事前人们不 能预言将有哪个结果会出现的现象，但大量重复观察时具有某种规律性。如：（1）从一大批产品中任取一个产品，它可能是合格品，也可能是不合格品；（2）一门炮向一目标射击，每次射击的弹落点一般是不同的，事前无法预料。2、随机试验与样本空间。

试验：我们把对自然现象的一次观察或一次科学试验统称为试验。随机试验：一个试验若满足条件

（1）在相同的条件下可以重复进行；

（2）每次试验的结果不止一个，并能事先明确试验的所有可能结果；

1随机事件及其概率

（3）试验前不知道哪一个结果会出现。

则称这样的试验为随机试验，用 表示。

样本空间：随机试验所有可能出现的基本结果的集合称为样本空间。用 表 示。

样本点：随机试验的每一个可能出现的基本结果称为样本点，常用 表示。

3、随机事件

随机事件：由随机试验的某些样本点做成的集合称为随机事件，简称事件。用大写英文字母、、、…表示。在随机试验中随机事件可能发生，也 可能不发生。称某个事件发生当且仅当它所包含的某个样本点出现。1）基本事件：只包含一个样本点的事件，记为{w}。

2）不可能事件：一个样本点都不包含的集合，记为。不可能事件在试验中 一定不会发生。

3）必然事件：包含所有样本点的集合，记为。必然事件在试验中一定会发 生。

一般事件（复合事件）：由不止一个样本点做成的事件。例 1 以下哪些试验是随机试验？

（1）抛掷一枚硬币，观察出现的是正面在上还是反面在上；（2）记录某电话机在一天内接到的呼叫次数；

（3）从一大批元件中任意取出一个，测试它的寿命；（4）观察一桶汽油遇到明火时的情形；

（5）记录一门炮向某一目标射击的弹着点位置；

解：（1）（2）（3）（5）是随机试验，（4）不是随机试验 例 2：写出下列随机试验的样本空间。

（1）抛掷一颗骰子，观察出现的点数；（2）抛掷二次硬币，观察出现的结果；

（3）记录某汽车站在 5 分钟内到达的乘客数；（4）从一批灯泡中任取一只，测试其寿命；（5）记录一门炮向其目标射击的弹落点；（6）观察一次地震的震源； 解：（1）1  1，2，3，4，5，6

 ；

（2）  （正，正），（正，反），（反，正），（反，反） ；（3）  01 2 3...；

，（4） 0

4  x x  ,其中 x 表示灯泡的寿命；（5）

 ,

（x，y x y ,其中 x、y 分别表示弹着

         5  )，点的横坐标、纵坐标；

2  

（6）

 （，,) , 0 ,其中 x、y、z 分别表 5 x y z   x  ,  y  z 

 2



示震源的经度、纬度、离地面的深度。

例 3 抛掷一个骰子，观察出现的点数。用 A 表示“出现的点数为奇数”，B 表示“出现的点数大于 4”，C 表示“出现的点数为 3”,D 表示“出现的点 数大于 6”，E 表示“出现的点数不为负数”，（1）写出实验的样本空间；（2）用样本点表示事件 A、B、C、D、E；（3）指出事件 A、B、C、D、E 何 为基本事件，何为必然事件，何为不可能事件。解：

（1）  1，2，3，4，5，6；（2）A  1，3，5，B   5,6 ，C   3 ，D  ，E  1，2，3，4，5，6（3）C 为基本事件，E 为必然事件，D 为不可能事件 讨论题：请给出现实生活中随机现象的一个例子。

4、事件的关系与运算

因为事件是样本空间的一个集合, 故事件之间的关系与运算可按集合之间 的关系和运算来处理.1）事件之间的关系与简单运算

设 A、B 为试验 E 的二事件，（1）子事件（事件的包含）：若 A 中的每一个样本点都包含在 B 中，则记为，也称事件 A 是事件 B 的子事件，或事件 B 包含了事件 A。此时事件 A 发生必然导致事件 B 发生。显然，对任意事件 A，有（2）事件的相等：若 等价的，记为。

且，则称事件 A 与事件 B 是相等的，或称

（3）事件的和（并）：用 A  B 表示属于 A 或属于 的样本点的集合，称之 为 与 的和（并）事件。事件

表示事件 与事件 B 至少有一个发生。

（4）事件的积（交）：用 A  B（或 AB）表示同时属于 A 与 B 的样本点的 集合，称为 A 与 的积（交）事件。事件 AB 表示事件 A 与事件 B 同时发生 的事件。

（5）事件的互不相容（互斥）：若 AB  ，则称为事件 A 与事件 B 互不相 容。即 A 与 B 不能同时发生。

当 与 B 互不相容时，记为。

（6）事件的差：用 A  B 表示包含在 A 中而不包含在 B 中的样本点的全体，称为事件 与事件 的差。事件 A  B 表示 A 发生而 B 不发生的事件。

第五篇：概率论课外作业（范文）

大数定律与中心极限定理在实际中的应用

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“算术平均值法则"的基本理论，在现实生活中，经常可见这一类型的数学模型。例如：在分析天平上秤重量为a的物品，若以x1,x2,x3,...,xn表示n次重复称

1n量的结果，经验告诉我们，当n充分大时，它们的算术平均值xi与

ni1a的偏差就越小。

中心极限定理比大数定律更为详细具体，它以严格的数学形式阐明了在大样本条件下，不论总体分布如何，样本均值总是服从或是近似的服从正态分布。正是这个结论使得正态分布在数理统计和误差分析中占用特殊的地位，是正态分布得以广泛应用的理论基础。概率论中用来阐明大量随机现象平均结果的稳定性的一系列定理，称为大数定律。

切比雪夫不等式：设随机变量X具有有限数学期望和方差2，2则对于任意正数，如下不等式成立 P2。

切比雪夫不等式的应用：在随机变量X的分布未知的情况下，只利用X的期望和方差，即可对X的概率分布进行估值。

例1 已知正常男性成人血液中，每毫升白细胞数的平均值是7300，均方差是700，利用切比雪夫不等式估计每毫升血液含白细胞数在5200～9400之间的概率。

(X)= 解 设X表示每毫升血液中含白细胞个数，则E（X）=7300，D(X)=700 则P{ 5200X9400}=P{ X73002100}=1-P{ X7300>2100}

70021 而P X73002100221009所以P 5200X9400

概率论中有关论证独立随机变量的和的极限分布是正态分布的一系列定理称为中心极限定理。

独立同分布的中心极限定理：设随机变量X1,X2,...,Xn相互独立，服从同一分布，且有有限的数学期望和方差2，则随机变量

89YXi1ninn的分布函数Fn(x)满足如下极限式

nXt2ix1limFn(x)limPi1xe2dt 2n定理的应用：对于独立的随机变量序列{Xn }，不管Xi(i=1，2，⋯，n)服从什么分布，只要它们是同分布，且有有限的数学期望和方差，那么，当n充分大时，这些随机变量之和Xi近似地服从正态分

i1n布N(n,n2)。

二项分布的极限分布是正态分布即如果X～B(n，p)则

tnnpb12Pabedt(b)(a)anp(1p)22例2 现有一大批种子，其中良种占1／6，今在其中任选60O0粒，试分别用切比雪夫不等式估计和用中心极限定理计算在这些种子中

良种所占的比例与1／6之差小于l％的概率是多少? 解

设取出的种子中的良种粒数为X，则 X～B(6000，)于是

E(X)np600011000616155D(X)np(1p)60001000

666(1)要估计的规律为PX11PX100060，相当60006100于在切比雪夫不等式中取=60，于是

X11D(X)PPX100060126000610060由题意得1D(X)511100010.23150.7685 26063600即用切比雪夫不等式估计此概率不小于0.7685(2)由中心极限定理，对于二项分布(6000，)可用正态分布N(1000，51000)近似，于是所求概率为 616X1(10601000)(9401000)P0.01P940X106010005/610005/660006从本例看出．用切比雪夫不等式只能得出来要求的概率不小于0.7685．而用中心极限定理可得出要求的概率近似等于0.9625．从而知道由切比雪夫不等式得到的下界是十分粗糙的．但由于它的要求比较低，只要知道X的期望和方差，因而在理论上有许多运用．

当Xi独立同分布(可以是任何分布)，计算P(aX1X2...Xnb)的概率时，利用中心极限定理往往能得到相当精确的近似概率，在实际问题上广泛运用．

例3某单位有200台电话分机，每台有5％的时间要使用外线通话，假定每台分机是否使用外线是相互独立的，问该单位总机要安装多少条外线，才能以90%以上的概率保证分机用外线时不等待？

解

设有X部分机同时使用外线，则有X～B(n，P)，其中n=200，P=0.05，np=10，np(1p)3.08 设有N条外线．由题意有P{XN}0．9 有

PXNPXnpnp(1p)NnpNnpN10()()3.08np(1p)np(1p)N101.28 3.08查表得(1.28)=0．90，故N应满足条件即N13.94，取N=14，即至少要安装14条外线．

参考文献：

[1]庄楚强.吴亚森．应用数理统计基础[M]．广州：华南理工大学出版社，2002．

[2]黄清龙.阮宏顺．概率论与数理统计[M]．北京：北京大学出版社，2005．

[3]贾兆丽．概率方法在数学证明中的应用[J]．安徽工业大学学报，2002，19(1)：75—76．

[4]周少强．大数定律与中心极限定理之问的关系[J]．高等数学研究，2001(1)：15—17．

[5]刘建忠．中心极限定理的一个推广及其应用[J]．华东师范大学学报(自然科学版)．2001，18(03)：8-12．

[6]杨桂元．中心极限定理及其在统计分析中的应用[J]．统计与信息论坛，2000(03)：13—15．

[7]钟镇权．关于大数定律与中心极限定理的若干注记[J]．玉林师范学院学报．2001(03)：8一10．

[8]周概容．概率论与数理统计[M]．北京：高等教育出版社，1984．