
- •Основные понятия
- •Виды случайных событий.
- •Классическое определение вероятности.
- •Сведения из комбинаторики.
- •Геометрическое определение вероятности.
- •Основные теоремы теории вероятности.
- •Полная группа событий.
- •Зависимые и независимые события.
- •Условная вероятность
- •Теорема умножения вероятностей.
- •Вероятность появления хотя бы одного из событий.
- •Формулы полной вероятности.
- •Формула Бейеса.
- •Повторение опытов.
- •Локальная теорема Лапласа.
- •Интегральная теорема Лапласа.
- •Закон распределения случайных величин
- •Закон распределения дискретной случайной величины
- •Свойства функций распределения
- •Частный случай.
- •Нахождение функции распределения по известной функции f(X).
- •Числовые характеристики случайных величин.
- •Свойства математического ожидания.
- •Дисперсия
- •Свойства дисперсии
- •Среднее квадратическое отклонение
- •Математические ожидания и дисперсии для некоторых дискретных и непрерывных распределений. Биноминальное распределение.
- •Распределение Пуасcона.
- •5. Нормальное распределение или закон Гаусса
- •Понятие о моментах распределения
- •Совместное распределение нескольких случайных величин
- •Функция от случайных величин
- •Распределение суммы независимых случайных величины.
- •Коэффициент корреляции.
- •Свойства коэффициента корреляции:
- •Как оценить коэффициент корреляции по данным наблюдения
- •"Закон больших чисел" Неравенство Чебышева.
- •Теорема Чебышева
- •Сущность теоремы Чебышева
- •Значение теоремы для практики.
- •Характеристические функции и их свойства.
Теорема Чебышева
Основная форма закона больших чисел.
Рассмотрим последовательность попарно независимые случайные величины х1,х2…….хn. Пусть все они имеют математическое ожидание и дисперсии. M[x1], D[x1] и средняя арифметическая из первых n-величин.
Распишем
. Пусть все дисперсии xn
ограничены числом с,
,
тогда
.
Отсюда видно, что дисперсия от среднего
→ 0 при n → .
Применяя к
неравенство
Чебышева:
или заменим
.
Правая часть неравенства 0, при n , а левая неотрицательна, потому из данного неравенства следует что , при n
,
.
Таким образом , теорема Чебышева утверждает, что если рассматривается довольно большое число попарно независимых случайных величин имеющих ограниченные дисперсии , то почти достоверно можно считать, что средняя арифметическая случайной величины сходятся по вероятности со средней арифметической их математического ожидания.
Частный случай – все случайные величины имеют одно и тоже M[x], тогда
M[x]=a,
,
в частном случае
Сущность теоремы Чебышева
Хотя отдельные независимые случайные величины могут принимать значения, далекие от их математических ожиданий( средних), среднее арифметическое достаточно большого числа случайных величин с большой вероятностью принимает значения, близкие к некоторому постоянному числу- среднему арифметическому математических ожиданий.
Иными словами , отдельные случайные величины могут иметь значительный разброс, а их среднее арифметическое рассеяно достаточно большого числа независимых случайных величин( дисперсии которых ограничены), т.е. ограничены рассеяния случайных величин) утрачивает характер случайной величины (т.к. можно предвидеть , какое значение примет среднее арифметическое ) .
Объясняется это тем, что отклонения каждой из величин от своих математических ожиданий могут быть как положительными, так и отрицательными, а в среднем арифметическом они взаимно погашаются.
Теорема Чебышева является ярким примером , подтверждающим учение диалектического материализма о связи между случайностью и необходимостью.
Значение теоремы для практики.
Теорема Чебышева имеет громаднейшее практическое значение.
Так, на ней основан широко применяемый в статистике выборочный метод, суть которого состоит в том, что по сравнительно небольшой случайной выборке судят о всей совокупности исследуемых объектов.
Например:1) оценивает качество данной массы зерна по сравнительно небольшой пробе ( проба содержит все же достаточно много зерен, чтобы проявлялось действие закона больших чисел);
2) о качестве кипы хлопка заключают по большому пучку хлопка, состоящему из волокон, наудачу отобранных из разных мест кипы.
Центральная предельная теорема для одинаково распределенных случайных величин. Если случайная величина x представляет собой сумму очень большого числа взаимно независимых случайных величин , влияние каждого из которых на всю сумму ничтожно мало, то x имеет распределение близкое к нормальному.
Задача.
Для определения средней урожайности колхозного поля S=2000га взято на выборку по 1м2 с каждого га. По каждому га поля дисперсия не превышает 10, вычислить вероятность того, что отклонение средней выборки урожайности от средней урожайности по всему полю не более чем на 0,25 ц.
n = 2000га
с = 10
= 0,25
0,92