Выбери формат для чтения
Загружаем конспект в формате pdf
Это займет всего пару минут! А пока ты можешь прочитать работу в формате Word 👇
Лекция №6. Основные результаты теории вероятностей.
План:
§1. Неравенства Чебышева.
§2. Теорема Чебышева (закон больших чисел).
§3. Понятие о центральной предельной теореме.
§1). Теорема 1 (1-е неравенство Чебышёва). Для любой случайной величины ξ,
имеющей дисперсию
, и для любого (сколь угодно малого) числа ε > 0, имеет место
неравенство:
(1)
,
(неравенство (1) даёт оценку вероятности того, что абсолютная величина отклонения ξ от
достаточно велика, но не превышает
).
Теорема 2 (2-е неравенство Чебышёва). Для любой случайной величины ξ, имеющей
дисперсию
, и для любого (сколь угодно малого) числа ε > 0, имеет место неравенство:
.
(2)
§2). Теорема 3 (теорема Чебышёва – закон больших чисел). Пусть 1 , 2 ,..., n последовательность попарно независимых случайных величин, имеющих дисперсии,
ограниченные одним и тем же числом С, т.е.
i=1, 2, …, n. Тогда
имеет
место предельное соотношение:
(3)
(то есть для достаточно больших n с вероятностью, близкой к 1, абсолютная величина
отклонений
среднего
арифметического
n
случайных
величин
от
среднего
арифметического их математических ожиданий сколь угодно мала).
Следствие 1. Пусть выполнены условия теоремы Чебышёва и
, тогда предельное соотношение (3) примет вид:
(4)
Определение 1. Случайные величины 1 , 2 ,..., n – называются независимыми, если
события
–
независимы
в
совокупности.
Замечание: События
независимыми.
– являются и попарно
Определение
Случайные
2.
величины
бесконечной
– называются независимыми, если
последовательности
события
–
независимы.
Следствие 2 (теорема Бернулли). Если
– число появлений события А в n
независимых испытаниях и р – вероятность появления события А в каждом испытании
(0 < p < 1), то
выполняется предельное соотношение:
(5)
(смысл соотношения (5):
– это частота события А в n испытаниях, тогда при достаточно
больших n с вероятностью, близкой к 1, абсолютная величина отклонения частоты
события А от вероятности этого события сколь угодно мала).
§3). Поведение среднего арифметического нескольких случайных величин при
неограниченном возрастании их количества описывается (в разных условиях), с помощью
группы теорем, носящих общее название «Центральная предельная теорема».
Рассмотрим формулировку этой теоремы для одинаково распределенных случайных
величин.
Теорема 4 (центральная предельная теорема). Если 1 , 2 ,..., n - независимые
случайные величины, имеющие один и тот же закон распределения с математическим
ожиданием M [ i ] a и дисперсией D[ i ] 2 (i=1, 2, …, n), то по мере неограниченного
увеличения n функция распределения случайной величины
1
(1 2 ... n ) a
( (n) a ) n
*
n
( n)
/ n
(6)
стремится к функции распределения стандартного нормального закона при любом
заданном значении их аргументов, т. е.
x R F * ( n ) ( x ) F ( x;0,1) при n ,
где F ( x;0,1)
1
2
x
e
t2
2
(7)
dt - это функция стандартного нормального распределения.
Без д-ва.
Следствие 1 (Теорема Линдеберга-Леви).
Если 1 , 2 ,..., n - последовательность
независимых одинаково распределенных случайных величин, имеющих математические
ожидания, дисперсии и абсолютные центральные моменты 3-го порядка, то среднее
арифметическое указанных случайных величин распределено приближенно нормально
при n . (Без д-ва).