Выбери формат для чтения
Загружаем конспект в формате pdf
Это займет всего пару минут! А пока ты можешь прочитать работу в формате Word 👇
Лекция 4
Неравенства Маркова и Чебышева
План
1. Неравенство Маркова
2. Неравенство Чебышева
Неравенство Маркова.
Теорема. Если случайная величина X принимает
только неотрицательные значения и имеет
математическое ожидание, то для любого
положительного числа А верно неравенство
M X
P x A
A
(1.1)
Неравенство Чебышева.
Теорема. Для любой случайной величины, имеющей
математическое ожидание и дисперсию, справедливо
неравенство Чебышева:
P X a
D X
2
,
(1.2)
где а=М(Х), >0.
Доказательство:
Применим неравенство Маркова в форме (1.1) к
2
случайной величине X X a , взяв в качестве
положительного числа A 2 . Получим
M X a
P X a 2
.
2
2
2
(1.3)
Пример: Вероятность того, что ячейка автоматической
камеры хранения будет в течение суток свободна, равна 0,2.
На железнодорожном вокзале в автоматической камере
хранения 800 ячеек. Оценить вероятность того, что в течение
суток число свободных ячеек будет заключено в пределах от
140 до 180.
Решение. Определяем математическое ожидание и
дисперсию числа свободных ячеек автоматической камеры
хранения: М(Х)=np=800*0,2=160; D(X)=npq=800*0,2*0,8=128.
Определяем величину наибольшего допустимого по условию
задачи отклонения: 140 160 180 160 20. Применяя
неравенство Чебышева (1.6), оцениваем искомую вероятность:
128
P X 160 20 1
0,68
400
Литература
• Гмурман В. Е. Теория вероятностей и
математическая статистика. М: 1995
• Гмурман В. Е. Теория вероятностей и
математическая статистика.
Руководство к решению задач. М: 1995
Лекция 5
Закон больших чисел
1. Закон больших чисел в форме Чебышева.
2. Закон больших чисел в форме Бернулли.
3. Центральная предельная теорема
Ляпунова.
Закон больших чисел в форме Чебышева
Теорема Чебышева. Если дисперсии n независимых
случайных величин X 1 , X 2 , ..., X n ограничены одной и той
же постоянной, то при неограниченном увеличении числа n
средняя арифметическая случайных величин сходится по
вероятности к средней арифметической их
математических ожиданий a1 , a2 , ..., an , т.е.
или
X1 X 2 ... X n a1 a2 ... an
lim P
1
n
n
n
n
Xi
i 1
(1.1)
n
ai
i 1
n n n
P
(1.2)
Закон больших чисел в форме Бернулли
Теорема Бернулли. Частость события в n повторных
независимых испытаниях, в каждом из которых оно может
произойти с одной и той же вероятностью p, при
неограниченном увеличении числа n сходится по
вероятности к вероятности p этого события в отдельном
испытании:
или
m
lim P p 1
n n
(1.3)
m P
p.
n n
(1.4)
Центральная предельная теорема Ляпунова
Центральная предельная теорема представляет собой
группу теорем, посвященных установлению условий, при
которых возникает нормальный закон распределения.
Теорема Ляпунова. Если X 1 , X 2 , ..., X n – независимые
случайные величины, у каждой из которых существует
математическое ожидание M ( X i ) a, дисперсия D( X i ) 2,
абсолютный центральный момент третьего порядка
3
n
M X i ai mi и
mi
i 1
(1.5)
lim
0,
3/ 2
n
n 2
i
i 1
то закон распределения суммы Yn X1 X 2 ... X n при n
неограниченно приближается кnнормальному с n
2
математическим ожиданием ai и дисперсией i .
i 1
i 1
Литература
• Гмурман В. Е. Теория вероятностей и
математическая статистика. М: 1995
• Гмурман В. Е. Теория вероятностей и
математическая статистика.
Руководство к решению задач. М: 1995