Центральная предельная т е о р е м а теории вероятностей

Лекция №10

Вопросы:

Закон больших чисел.

Центральная предельная теорема теории вероятностей.

Закон больших чисел

Лемма (Чебышев). Если случайная величина ξ имеет конечную дисперсию D_x, то имеет место следующее неравенство:

(1)

Доказательство. Пусть f(x) - плотность распределения случайной величины ξ. Тогда

Разделив последнее неравенство на ε², получим (1). Лемма доказана.

Замечание. Неравенство (1) можно записать в виде

(1^¢)

Определение. Последовательность случайных величин ξ₁,ξ₂,…,ξ_n,… называется сходящейся по вероятности к величине ξ₀ при n→ ∞, если для любого e>0 имеет место равенство что эквивалентно равенству Пишут при n→ ∞.

Теорема (Чебышев). Если все члены последовательности ξ₁, ξ₂,…, ξ_n,… имеют равномерно ограниченные дисперсии, т.е. , и являются попарно независимыми, то имеет место равенство

(2)

т.е. среднее арифметическое случайных величин сходится по вероятности к среднему арифметическому их математических ожиданий.

Доказательство. Рассмотрим величину Найдем ее математическое ожидание и дисперсию

Т.к. , то , т.е. дисперсия D_η - величина ограниченная. Тогда по лемме Чебышева

, " e> 0, или

Переходя к пределу в последнем соотношении, получим (2), т.к. вероятность не может быть отрицательной.

Замечание. Если последовательность ξ₁,ξ₂,…,ξ_n,… есть результат измерения одной и той же величины ξ_, то все ξ_i имеют один и тот же закон распределения, совпадающий с законом распределения ξ.

Тогда

– среднее арифметическое n измерений. Теорему Чебышева в этом случае можно записать так: т.е. среднее арифметическое n измерений сходится по вероятности к математическому ожиданию измеряемой величины. Поэтому среднее арифметическое может служить хорошей оценкой математического ожидания. Такие оценки называют состоятельными.

Следствие. Пусть случайная величина ξ_i означает число появлений события А в i-ом испытании Бернулли. Тогда она имеет следующий ряд распределения:

x_i	0	1
p_i	q	p

Величина есть общее число появлений событий А в n испытаниях, а - частота появления события А в n испытаниях. Равенство (2) в этом случае запишется так:

(3)

или при n→ ∞, т.е. частота появления события стремится к вероятности этого события. Равенство (3) называют теоремой Бернулли.

Теоремы Чебышева и Бернулли выражают так называемый закон больших чисел, который устанавливает факт сходимости статистических характеристик к соответствующим теоретическим характеристикам.

Пример 1. Вероятность наступления события А в каждом испытании p=0,3. Оценить вероятность того, что в 10 тыс. испытаниях отклонение частоты события А от вероятности этого события не превысит 0,01 по абсолютному значению.

Решение. Следует оценить величину при ε=0,01. Согласно (1^¢)

(4)

Если ξ – число появлений события А в n=10⁴ испытаниях, то - частота, D_ξ=npq=10⁴×0,3×0,7=2100 - дисперсия. Найдем

Подставляя данные значения в (4), получим Таким образом, искомая вероятность не меньше, чем 0,79.

Равенство (3) называют теоремой Бернулли.

Центральная предельная т е о р е м а теории вероятностей

Эта замечательная теорема была впервые сформулирована Лапласом. Обобщением этой теоремы занимались многие выдающиеся математики, в том числе П. Л. Чебышев, А. А. Марков и А. М. Ляпунов. Доказательство ее достаточно сложно.

Рассмотрим N одинаковых независимых случайных величин , , …, , так что распределения вероятностей этих величин совпадают. Следовательно, их математические ожидания и дисперсии также совпадают.

Обозначим

M = M = … = M = m,

D = D = … = D = .

Обозначим через сумму всех этих величин:

= + + …+ .

Из формул свойств математического ожидания и дисперсии следует, что

M = M ( + + …+ ) = Nm ,

D = D ( + + …+ ) = N .

Рассмотрим теперь нормальную случайную величину с такими же параметрами: а=Nm, =N .

В центральной предельной теореме утверждается, что для любого интервала (а', ) при больших N

P{ < < } .

Физический смысл этой теоремы очевиден: сумма большого числа одинаковых случайных величин приблизительно нормальна ( ).

На самом деле эта теорема справедлива при гораздо более широких условиях: все слагаемые , , …, не обязаны быть одинаковыми и независимыми; существенно только, чтобы отдельные слагаемые не играли слишком большой роли в сумме.

Именно эта теорема объясняет, почему нормальные случайные величины так часто встречаются в природе. В самом деле, каждый раз, когда мы сталкиваемся с суммарным воздействием большого числа незначительных случайных факторов, результирующая случайная величина оказывается нормальной.

Например, отклонение артиллерийского снаряда от цели почти всегда оказывается нормальной случайной величиной, так как оно зависит и от метеорологических условий на разных участках траектории, и от многих других факторов.

Дата добавления: 2023-01-08; просмотров: 87; Мы поможем в написании вашей работы!

Поделиться с друзьями:

Мы поможем в написании ваших работ!