本科生毕业论文（设计）
题 目：大数定律及其应用 姓 名：刘胜举 学 号：200702014001 系 别：数学与计算机科学系 年 级：2007级 专 业：数学与应用数学 指导教师 熊国敏 职称： 教授 指导教师 王海英 职称： 讲师
2011年 4 月 28日
目 录
摘 要 ............................................................ I 第一章 绪论 ....................................................... 1 第二章 大数定律 ................................................... 2 2.1大数定律的发展历史 ............................................ 2 2.2几个常用的大数定律 ............................................ 3 第三章 大数定律的一些应用 ........................................ 6 3.1大数定律在数学分析中的一些应用 ................................ 6 3.2大数定律在保险业的应用 ....................................... 10 结 论 ......................................................... 18 参考文献 ......................................................... 19 致 谢 ......................................................... 20
摘 要
大数定律以严格的数学形式表达了随机现象最根本的性质—平均结果的稳定性，它是概率论中一个非常重要的定律，应用很广泛。本文介绍了几种常用的大数定律，并分析了它们在理论与实际中的应用 。 关键词：大数定律，概率分布，保险业
Abstract:The law of large numbers describles the most fundamental of the random nature in rigorous mathematical formation—the stability of the average results .It is a very important law, and its applications are very wide. This article describes several common law of large numbers, and analyzes their theoretical and practical applications.
Key words: law of large numbers, probability distribution, insurance
I
第一章 绪论
概率与统计是研究随机现象的统计规律的学科，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。然而，在大量重复试验或观察中，我们会发现，一个事件发生的频率具有稳定性，它的稳定性会随着试验次数的增多表现得越来越明显。这种稳定性与它在在实验进行中的个别特征无关，且不再是随机的。大数定律给出了稳定性的确切含义，并且给出了什么条件下才具有稳定性。那么，这对于我们解决理论与实际问题有哪些实际意义呢？这就是我们在下面将要了解到的，大数定律的某些应用。 即，大数定律及其在理论与实际生活中的一些应用。
一方面，在理论上，大数定律可以看作是求解极限、重积分以及级数的一种新思路，另一方面，在实际生活中，保险动机的产生、保险公司财政稳定和保费的确定，我们都将看到大数定律的重要作用。
- 1 -
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
- 2 -