![998f12cc3d12cae9bbdfd81a5e260ee5.gif](https://i-blog.csdnimg.cn/blog_migrate/5f5ed015e7ccb659a3256556ff2239b0.gif)
1
引言
当我们面对形色各异的样本时,如何用简洁明了的方法去描述它,以及如何推断出总体的分布情况。
这时候就需要我们联系上节课所提到的大数定律。但想要做到有的放矢、达到四两拨千斤的效果,数据处理的方式还是需要我们去花费一番心思的。
![0287bb4221557bebdf912c1ac918af55.gif](https://i-blog.csdnimg.cn/blog_migrate/025009d23286ba658e9bf248eaeac89d.gif)
![b15018b5f4d68395c9b815914f7432cf.png](https://i-blog.csdnimg.cn/blog_migrate/75b0e07a2346c2920867477c18bec068.png)
![9a21185d37f92ab548cd0db4a01f6255.gif](https://i-blog.csdnimg.cn/blog_migrate/e4f3f2c8276a072e77128075ff1fbc7b.gif)
2
要点提炼
中心极限定理依旧承继了之前三个大数定律的核心思想,也就是在大量样本数据的支持下,即使无法把握每个随机变量的波动情况,但均值总是要依概率收敛的。
并且中心极限定理给出了更加灵活和针对性的方法,用一句话来说就是:独立同分布的随机变量之和近似服从正态分布。通过标准化之后就可以让其服从标准正态分布。
![ed4ed8d8f1570dc057d5aa37022803b1.png](https://i-blog.csdnimg.cn/blog_migrate/ab70b57a2af0e6c00370e6d72ccd7176.png)
利用这个公式我们就可以将一些摸不着头脑的问题转化为我们熟悉的正态分布,解题的思路就自然而然落在了寻找和判断期望以及方差上。
这时候就需要联系之前第四章所讲的随机变量数字特征,如果忘记了的小伙伴可以回顾我们的往期推送。这里再给大家把常用分布的数字特征整理了一下。
![f7517190789a8fe784a0856ed3faf523.png](https://i-blog.csdnimg.cn/blog_migrate/61685e01a2810e848a8dd95a6c783a00.png)
例如投掷骰子观察点数之和,判断工厂里车床工作情况,我便可以用离散型随机变量分布律相关知识。若干个灯泡总寿命,工人工作时间根据题目所给出的信息可能并不是离散型随机变量,也许服从的是指数分布或者是均匀分布。这就需要对上面所列经典分布的数字特征(期望和方差)进行记忆。
![582e0637e0a85bc1cb5da175e0d2bcb6.png](https://i-blog.csdnimg.cn/blog_migrate/8cd16551844ca79c74d4652d68468339.png)
当问题转化为求出骰子的平均点数,或者一批灯泡的平均工作时间,我们又该如何思考呢。我们当然可以先求总和再去平均。但直接对公式进行变形推广又何乐而不为呢?我们仅仅需要对分子分母上下同时除以n。
![b0fa5efd8e9947fc92f50b8879d2a89f.png](https://i-blog.csdnimg.cn/blog_migrate/e4cccbf52ace6da8b3d78bf1e41f0f5e.png)
看似简简单单变形,其实这些数字特征的数学意义就又发生了我们从样本总和以及样本方差,变换到了样本均值和样本均方差。当然在对知识比较熟悉了之后,再去看这两条公式也就没什么区别了。
![1bfc6b00dc17685586eba80971c1676d.gif](https://i-blog.csdnimg.cn/blog_migrate/55bce7efaa1e5c7c10942624515ec800.gif)
![b15018b5f4d68395c9b815914f7432cf.png](https://i-blog.csdnimg.cn/blog_migrate/75b0e07a2346c2920867477c18bec068.png)
![c916ec72195c9735e789ae3abbffe609.gif](https://i-blog.csdnimg.cn/blog_migrate/e877318afabe3375e85b7acbfd194754.gif)
3
习题讲解
例题:
某种电元器件的寿命服从均值为100小时的指数分布,现随机的抽取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。
![667bc270e891ae9be4600fa52ae40ab8.png](https://i-blog.csdnimg.cn/blog_migrate/c0fb46a3ffad9545c9dbae7b9595550a.png)
![440121d99142f307f867d3f7cd47daa3.png](https://i-blog.csdnimg.cn/blog_migrate/7ca5426a8444c5d6b5886f46d5da5609.png)
![2932443c0726ddb0465b2b29e24f6abc.png](https://i-blog.csdnimg.cn/blog_migrate/f5af59dac0025eeb445a83bf67e6ad35.png)
![ee0f3e57c75fc8039c0a6792e1147ae7.gif](https://i-blog.csdnimg.cn/blog_migrate/c1893499622d26fd8c5b04d9d0b610f3.gif)
![b15018b5f4d68395c9b815914f7432cf.png](https://i-blog.csdnimg.cn/blog_migrate/75b0e07a2346c2920867477c18bec068.png)
![89375f327bdcae0ec2e53da49a077d72.gif](https://i-blog.csdnimg.cn/blog_migrate/a4a58703d5a9193325bc9083e3ec1d45.gif)
4
学长谈经验
独立同分布的随机变量的和以及均值都可以化成标准正态分布。
处理这章的问题时,只需要把握住前几章离散型、连续性各种不同分布数字特征(期望和方差)的计算方法,求出期望方差,最后查标准正态分布表即可得出结果。
![9602e6d52e3b9862d44672647313f8dd.png](https://i-blog.csdnimg.cn/blog_migrate/4dcb376110e25deaa6761b382fe6add3.png)
第七期内容到这里就结束了,如果错过了前面几期的同学可以自行在公众号内回顾哦,每周四概率统计与您不见不散。
感谢大家阅读!下期期待与你再见!
若有问题请在评论区评论,欢迎各位的批评与指正!
![3eb287972595891fb6e2c9770274b4c5.png](https://i-blog.csdnimg.cn/blog_migrate/7361a577b5de920e6c0b857f4259aaa7.png)
![a87e32f08430e46afe28417a011659f5.png](https://i-blog.csdnimg.cn/blog_migrate/72c8d6657468a55130e755243fc7edb3.png)
![5a99045b033acf5ca86fd7a3729509cd.png](https://i-blog.csdnimg.cn/blog_migrate/7eaef5dec3e01299901620df05cde7fd.png)
责编|赵洪烨
审核|牟育生 王子豪