- •Предельные теоремы.
- •Теорема Бернулли
- •Закон больших чисел в форме Чебышева
- •Основное утверждение
- •Испытание практически достоверного события
- •Сжатие распределения с ростом числа слагаемых
- •Усиленный закон больших чисел.
- •Теорема Гливенко основная теорема статистики
- •Центральная предельная теорема
- •Содержание теоремы
- •Одинаково распределенные слагаемые .
- •Различно распределенные слагаемые
Сжатие распределения с ростом числа слагаемых
Закон больших чисел в форме Чебышева означает, что распределение случайной величины
сжимается с ростом n. Если математические ожидания одинаковы, т.е. Mi=a,то сжатие происходит в окрестности точкиa.
Аналитическииллюстрировать сжатие можно, если распределение для легко выписывается. Например, если i распределены нормально N(a, 2), то случайная величина распределена по N(a, 2/n).Построим графики плотностей дляn =1, 4, 25, 100 и=1,a =1 (сделаем это в целях освоения пакета).
Статистическиубедиться в сжатии можно, наблюдая гистограммы при различных значенияхn(например, дляn =10, 40, 160, 640). Сгенерируем kраз (например, хотя бы k =20) случайную величину :и построим для этой выборки средних гистограммуHn.Сравнивая гистограммы для различныхn, мы заметим сжатие (сделать самостоятельно).сжатие можно увидеть определением для каждогоn поминимальногоmin,максимальногоmax значений и размаха w = max - min .
Выполнение:
a) графики плотностей:
б) Разброс средних
Образуем таблицу 20v 640cс наблюдениями, и для различныхn(10,40,160,640) определим средние, выделяя из таблицы первыеnстрок. Для полученных 4 строк найдем стандартное отклонение, минимум и максимум и транспонируем таблицу. Построим график.
Мы убедились, что с ростом nразброс уменьшается.
Усиленный закон больших чисел.
Эксперименты с монетой.
Из последовательности x1 ,..., xN независимых наблюдений построим последовательностьf1, ..., fNсреднеарифметических, где
fn =, n = 1, ..., N
и убедимся графически в том, что fn cростомnприближается к математическому ожиданию.
Убеждаемся, что частота выпадения герба fn cростомnприближается к вероятности гербар= 0,5.
Эксперименты со случайными числами, распределенными равномерно на отрезке [0, 1]. Наши действия аналогичны предыдущему. Убеждаемся, что последовательность среднеарифметических приближается к 0,5 – математическому ожиданию.
Убеждаемся, что последовательность среднеарифметических приближается к 0,5 – математическому ожиданию.
Пример невыполнения закона
Сгенерируем 3 выборки в первых трех столбцах таблицы, учитывая по (3), что tg(), если ~ R[0, 1],имеет распределение Коши.
Анализируя результирующие графики, видим, что кривые среднеарифметических иногда испытывают скачки, которые отбрасывают их значения далеко от 0 – центра распределения.
Задание
Промоделировать и посмотреть на графиках поведение средне-арифметического как функцию nдля случайных величин, распределенных с плотностью
p(x) = ,,
где a>0, c=1/(2a). Приa<1 математическое ожидание существует, но приa1 это не так. При увеличенииa (1, 1.5, 2, 5, 10) скачки в среднеарифметическом (как функцииn) будут увеличиваться. Генерацию случайных чисел можно сделать на формуле
,где u ~ R[0,1],
a = 1с вероятностями 1/2.
изM (например,M =3) последовательностейx1, x2,...,xn получить Mпоследовательностей средних1,2,...,n, где
k =,
можно так же, как и выше.
Теорема Гливенко основная теорема статистики
Пусть x1, x2,...,xn - выборка изnнезависимых наблюдений над случайной величинойXс функцией распределенияF(x).Расположим наблюдения в порядке возрастания; получим
-вариационный ряд. Определим функцию эмпирического распределения
,
где - число тех наблюдений, для которыхxi<x. Ясно, что- ступенчатая функция; это функция распределения, которое получается, если значениямx1,...,xn присвоить вероятности, равные1/n. Ясно, что-функция случайная , так.как зависит от наблюденийx1,...,xn.
Теорема Гливенко:
при
с вероятностью 1.
Проиллюстрируем эту теорему на примерах наблюдений над случайной величиной, распределенной по равномерному на [0,1] закону.
Задача
Сравним графически функцию эмпирического распределениядля выборки объемаn= 10 и функцию теоретического распределения. Будем работать в модулеData Management, поскольку операция сортировки находится в нем.
Решение
В первом столбце сгенерируем выборку объема 10 с равномерным на отрезке [0, 1] распределением. Построим вариационный ряд, т.е. сделаем сортировку по возрастанию. Во втором столбце вычислим значения функции эмпирического распределения. Поскольку функция равномерного на [a, b]распределения определяется на [a, b]отрезком прямой, ее можно задать двумя точками(а, 0)и(b, 1), в данном случае (0, 0) и (1, 1). Наблюдаем функции теоретического и эмпирического распределений:
Убеждаемся в том, что при увеличении nфункция эмпирического распределения приближается к теоретической.