![](/user_photo/_userpic.png)
Экзамен 2021 / Панков Пособие по ТВиМС часть 1
.pdf![](/html/69988/137/html_fUv2Qfigyj.HxmK/htmlconvd-kNJem471x1.jpg)
Характеристическая функция случайного вектора Определение. Пусть ( 1,..., n )- произвольный случайный вектор. Тогда
характеристической функцией случайного вектора называется функция
t t1,...,tn : n такая, что для любого t n
t Eei t1 1 ... tn n Eei t, Eeit ,
где t, - скалярное произведение векторов t и , а t - произведение вектор-
|
|
|
|
|
|
1 |
|
|
строки |
|
t ,...,t |
|
|
на вектор-столбец |
... |
. |
|
t |
n |
|||||||
1 |
|
|
|
|
|
|||
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
Теорема (о свойствах характеристической функции случайного вектора
- без доказательства). Пусть ( 1,..., n ) - произвольный случайный вектор с
характеристической функцией (t). Тогда выполняются следующие свойства:
1)0,...,0 1;
2)(t) 1 для любого t (t1,...,tn) n ;
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
3)функция |
|
(t) равномерно непрерывна в n , т.е. 0 |
такой, что для |
||||||||||||||||||||
|
|||||||||||||||||||||||
|
|
t1 '...tn ' , |
|
t1 "...tn " n |
|
|
|
|
|
|
|
||||||||||||
любых |
|
|
таких, что |
t1 ' t1 " 2 |
... tn ' tn " 2 |
, |
|||||||||||||||||
t1 |
t2 |
||||||||||||||||||||||
выполняется неравенство |
|
|
|
|
|
|
|
|
|
|
|
; |
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
t1 |
t2 |
|
|
|
||||||||||||||||||
|
|
|
|
|
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
4) |
сохраняется теорема единственности, т.е. функция распределения F |
|
(x) |
|||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||
однозначно определяется своей характеристической функцией; |
||||||||||||||||||||||||||||||||
5) |
(формула обращения) если |
|
(t1,...,tn ) - характеристическая функция |
|||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||
случайного вектора |
|
( 1,..., n ) |
с функцией распределения F(x1,...,xn ) , то для |
|||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||
любых x1 ',...,xn ' , x1 ",...,xn " n |
верна формула |
|||||||||||||||||||||||||||||||
F |
|
x1",...,xn " F |
|
x1 ',...,xn ' |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
|
|
|
|
1 |
|
A |
|
|
|
A n |
e |
itk xk ' |
e |
itk xk " |
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
lim |
|
|
... |
|
|
|
|
|
|
(t ,...,t |
)dt ...dt |
|
; |
|
|
|
|
||||||||||||
|
|
|
|
|
|
n |
|
|
|
|
|
n |
|
|
||||||||||||||||||
|
|
|
A |
2 |
|
|
|
|
|
itk |
|
|
1 |
n |
1 |
|
|
|
|
|
||||||||||||
|
|
|
|
|
A |
|
|
|
A |
k 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
6) |
если |
|
(t1,...,tn ) |
- характеристическая функция случайного вектора |
|
, то |
||||||||||||||||||||||||||
|
|
|||||||||||||||||||||||||||||||
|
характеристическая функция суммы случайных величин, составляющих его равна
1 ... n t 1,..., n t,...,t t,...,t .
Следствие. Если существует плотность p x1,...,xn случайного вектора ,
а характеристическая функция |
|
|
t1,...,tn интегрируема, то будет верным |
|||||||||||
|
||||||||||||||
следующее равенство: |
|
|
|
|
|
|
|
|
|
|||||
|
|
x1,...,xn |
1 |
|
|
|
i t x |
...t x |
n |
|
t1,...,tn dt1...dtn . |
|||
p |
|
|
|
... e |
1 1 |
n |
||||||||
|
|
|
|
|
|
|
|
|
||||||
|
2 |
n |
|
|
|
|||||||||
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
71
![](/html/69988/137/html_fUv2Qfigyj.HxmK/htmlconvd-kNJem472x1.jpg)
Тема №8 Двумерное нормальное распределение
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Определение. Случайный вектор 1,..., n |
имеет n–мерное нормальное |
||||||||||||||
распределение, если его плотность имеет вид |
|
||||||||||||||
p |
|
(x ,...,x |
) |
1 |
|
|
e |
1 |
x T 1 x , |
|
|||||
|
|
|
2 |
|
|||||||||||
|
|
|
n |
|
|
|
|||||||||
|
|
|
|||||||||||||
|
1 |
n |
|
2 |
det |
|
|
|
|
|
x1
где x ... - вектор-столбец, a T - транспонированный вектор a , det -
xn
определитель матрицы , |
= |
cov i |
, j |
|
|
|
- ковариационная матрица вектора |
|
|
|
|
|
|
|
n n |
|
|
|
|
|
1,..., n , составленная из попарных ковариаций случайных величин 1,..., n ,
|
|
|
T |
|
|
|
|||||||
|
|
E 1,...,E n - вектор математических ожиданий случайных величин 1 , |
|||||||||||
…, n . |
|
|
|
||||||||||
|
Для этого распределения используется обозначение |
||||||||||||
|
|
|
1,..., n N , . |
|
|
|
|||||||
|
|
|
|
|
|||||||||
|
Матрицу еще обозначают как cov , . |
|
|||||||||||
|
Определение. Пусть Zm n |
|
|
|
ij |
|
|
|
m n - матрица |
размеров m n с элементами – |
|||
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
случайными величинами ij с |
|
конечными |
математическими ожиданиями |
||||||||||
E ij |
|
. Тогда по определению |
|
математическим ожиданием матрицы Zm n |
называется матрица, составленная из математических ожиданий её элементов:
EZ |
E ij |
. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
m n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Докажите самостоятельно, что |
|
|
|
|
|
|||||||||||||||||||
1). если |
|
D A Z B C , где A, B, C |
–подходящие по размеру числовые |
|||||||||||||||||||||
матрицы, то ED A EZ B C; |
|
|
|
|
|
|||||||||||||||||||
2). верно равенство |
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
E E |
T |
. |
|
|
||||||||||||
cov( , ) E |
|
|
|
|||||||||||||||||||||
Теперь |
|
|
рассмотрим |
случай, |
когда |
n 2, |
т.е. рассмотрим двумерное |
|||||||||||||||||
нормальное распределение. |
|
|
|
|
|
|
|
|||||||||||||||||
Пусть |
|
1, 2 , |
|
E |
|
1, 2 , |
где 1 |
E 1, 2 |
E 2 . |
|||||||||||||||
|
|
|
||||||||||||||||||||||
Пусть |
|
2 D , |
|
2 D |
2 |
, тогда |
|
|
|
|
|
|||||||||||||
|
|
|
|
1 |
1 |
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|||
cov 1, 2 |
1, 2 |
|
|
|
|
1 2 1, 2 , |
|
|||||||||||||||||
|
|
D 1 |
D 2 |
|
||||||||||||||||||||
|
|
2 |
|
|
|
|
|
, где |
|
|
1, 2 . |
|
|
|||||||||||
|
|
1 |
|
|
1 |
2 |
|
|
|
|
|
|
||||||||||||
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
1 2 |
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Легко вычислить, что
det 12 22 12 22 2 12 22 1 2 .
Следовательно, используя алгебраические методы, можно найти, что
72
![](/html/69988/137/html_fUv2Qfigyj.HxmK/htmlconvd-kNJem473x1.jpg)
|
1 |
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
22 |
|
|
1 2 |
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
12 22 1 2 |
1 2 |
12 |
|
|
||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
2 . |
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|||||||
|
|
|
|
1 2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
1 2 |
|
|
2 |
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
Тогда |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
1 |
|
|
|
|
|
|
|
|
|
T |
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
x1 1 2 |
|
|||
|
|
|
|
x |
|
|
|
|
|
|
|
|
|
|
x |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
1 |
1 |
|
||||
|
|
|
2 |
x1 1 x2 |
2 |
|
|
x2 2 2 |
|
|
|
|||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
. |
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
1 2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
Следовательно, плотность двумерного нормального распределения имеет вид:
|
|
x1,x2 |
|
|
1 |
|
|
|
|
|
|
|
|
1 |
|
|
|
x1 1 |
2 |
|||
p |
|
|
|
|
|
|
|
|
|
exp |
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
2 1 |
2 |
|
|
|
2 |
||||||||
|
|
|
|
|
2 |
|
|
|||||||||||||||
|
|
2 1 |
2 1 |
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
1 |
|
|||||||||||
|
|
2 x1 1 x2 2 |
x2 2 |
2 |
|
, |
|
|
||||||||||||||
|
|
|
|
|
|
|||||||||||||||||
|
|
|
|
|
|
|
|
1 2 |
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
||
при 1 0, 2 0, |
|
|
|
1. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
Если 1, то плотность не определена. |
|
|
Для двумерного нормального распределения иногда используют следующее обозначение: 1, 2 N 1, 2, 12, 22,
Утверждение (без доказательства). Если даны две нормальные случайные
величины |
~ N( , 2) |
и |
2 |
~ N( |
, 2), то |
они независимы |
|
тогда и |
только |
|||||||||||||||||
1 |
1 |
1 |
|
2 |
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
тогда, когда их коэффициент корреляции равен нулю, т.е. |
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
1, 2 0. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Докажите самостоятельно следующее |
|
|
|
|
|
|
1, 2 |
N 1, 2, 12, 2 |
2, , то |
|||||||||||||||||
Утверждение. Если дан случайный вектор |
|
|
|
|||||||||||||||||||||||
|
||||||||||||||||||||||||||
компоненты его нормальны: 1 ~ N 1, 12 , 2 |
~ N 2, 22 . |
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
Теорема (без доказательства). Если дан случайный вектор ~ N , , то |
||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
T |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
его характеристическая функция имеет вид |
|
|
t exp it |
|
|
|
t t |
. |
|
|||||||||||||||||
|
|
|
|
|||||||||||||||||||||||
|
|
|
||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
Покажите самостоятельно, что если
1, 2 N 1, 2, 12, 22, ,
то
|
|
|
|
|
1 |
2 |
2 |
|
2 |
2 |
|
|
|
t1,t2 |
exp i t1 1 |
t2 2 |
|
t1 1 |
2t1t2 1 |
2 t2 2 |
|
. |
|
|
2 |
|
|||||||||
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
73
|
|
|
|
|
|
|
|
|
|
|
Тема №9 Предельные теоремы |
|
|
|
||||||||
Определение. |
|
|
|
|
Виды сходимости |
|
|
|
||||||||||||||
Говорят, |
|
что |
последовательность |
случайных |
величин |
|||||||||||||||||
n,n N сходится по вероятности к случайной величине |
при n , если |
|||||||||||||||||||||
для любого 0 |
верно, что lim P |
|
n |
|
|
0 . |
|
|
|
|||||||||||||
|
|
|
|
|
||||||||||||||||||
Данное |
|
|
|
соотношение |
|
n |
|
|
|
|
быть заменено |
на |
эквивалентное |
|||||||||
|
|
|
|
|
может |
|
||||||||||||||||
lim P |
|
n |
|
|
1. |
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Для этого вида сходимости применяют обозначение |
|
|
|
|||||||||||||||||||
|
|
|
|
|
P |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
. |
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
n |
|
|
|
|
Говорят, |
|
что |
последовательность |
случайных |
величин |
||||||||
Определение. |
|
|||||||||||||||||||||
n,n N |
|
сходится |
почти |
|
наверное или с вероятностью 1 к случайной |
|||||||||||||||||
величине |
|
|
при |
n , |
|
|
если вероятность события, включающего все |
|||||||||||||||
элементарные события такие, что lim n , равна 1: |
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|||
P : |
n |
1, |
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
или, что эквивалентно, вероятность события, включающего все
элементарные события такие, что lim n , равна 0. |
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
Для этого вида сходимости применяют обозначение |
|
|
|
|||||||||||
|
|
п.н. |
|
P 1 . |
|
|
|
|
||||||
n |
или |
n |
|
|
|
|
||||||||
|
n |
|
|
n |
|
|
|
|
|
|||||
Определение. |
Говорят, |
что |
последовательность |
случайных |
величин |
|||||||||
n,n N сходится в |
среднем порядка r, где r 0, к случайной величине |
|||||||||||||
при n , если limE |
|
n |
|
|
r 0. |
|
|
|
|
|||||
|
|
|
|
|
|
|||||||||
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
Для этого вида сходимости применяют обозначение |
|
|
|
|||||||||||
|
|
r |
|
|
|
|
|
|
|
|
|
|
|
|
n |
. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
Говорят, |
что |
последовательность |
случайных |
величин |
||||||||
Определение. |
||||||||||||||
n,n N с функциями распределения Fn x сходится |
по |
распределению к |
||||||||||||
случайной величине |
с функцией распределения F x |
при |
n , |
если для |
||||||||||
всех точек непрерывности F x выполняется |
|
|
|
|||||||||||
limF x F x . |
|
|
|
|
|
|
|
|
|
|
|
|
||
n n |
|
|
|
|
|
|
|
|
|
|
|
|
||
Для этого вида сходимости применяют обозначение |
|
|
|
|||||||||||
|
|
D |
|
|
|
|
|
|
|
|
|
|
|
|
n |
. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
Теорема (без доказательства). Пусть дана последовательность случайных
величин n,n N |
и случайная величина . Тогда |
|||
1. |
если |
п.н. |
|
P |
, то |
; |
|||
|
n |
n |
n |
n |
2. |
если |
r |
|
P |
, то |
; |
|||
|
n |
n |
n |
n |
3. |
если |
P |
|
D |
, то |
. |
|||
|
n |
n |
n |
n |
Убедимся на конкретном примере, что в обратную сторону в общем случае утверждение будет неверным.
74
![](/html/69988/137/html_fUv2Qfigyj.HxmK/htmlconvd-kNJem475x1.jpg)
Пример. Пусть в качестве пространства элементарных событий выступает
полуинтервал |
[0;1). |
|
Рассмотрим вероятностное пространство в широком |
|||||||||
смысле ,A,P , которое мы определили в теме 4. |
||||||||||||
Для любого n построим разбиение полуинтервала : |
||||||||||||
|
1 |
1 |
2 |
|
|
n 1 |
|
|||||
0;1 0; |
|
|
|
|
; |
|
|
|
... |
|
|
;1 . |
|
|
n |
|
|||||||||
|
n |
n |
|
|
n |
|
|
|
|
|
|
|
k 1 |
|
k |
||
|
|
|
|
|
|
|||||
Для всех n и k 1,n |
рассмотрим случайные величины nk |
I |
|
|
|
; |
|
. |
||
n |
|
|||||||||
|
|
|
|
|
|
|
|
n |
Рассмотрим последовательность случайных величин 11, 21, 22, 31, 32, 33, 41,....
Данная последовательность по вероятности будет сходиться к нулю, т.к.
lim P |
nk |
|
lim P |
nk |
|
|
|
|||||||
n |
|
|
|
|
n |
|
|
|
|
|
|
|
||
|
limP |
|
k 1 |
; |
k |
|
lim |
1 |
0 . |
|||||
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|||||||||||
|
|
n |
|
|
|
|
n |
n |
||||||
|
|
|
|
|
n |
|
n |
|
Итак, n P .
n
Покажите самостоятельно, что, кроме того, n r , но не выполняется,
n
что n п.н. .
n
Определение. |
|
|
|
Закон больших чисел |
|
|
|||||||||||
|
Говорят, |
что |
последовательность |
случайных величин |
|||||||||||||
n,n N |
подчиняется закону |
больших |
чисел, |
если |
последовательность |
||||||||||||
|
|
|
|
|
|
|
|
|
|
1 |
n |
|
|
|
|
|
|
случайных величин вида |
k E k сходится по вероятности к нулю: |
||||||||||||||||
|
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
n k 1 |
|
|
|
|
|
||
|
1 n |
|
|
|
|
|
|
P |
, |
|
|
|
|
|
|||
|
|
|
|
E |
|
0 |
|
|
|
|
|
||||||
|
n k 1 |
k |
k |
|
|
|
|
|
|||||||||
|
|
|
|
|
n |
|
|
|
|
|
|
||||||
или, если обозначить Sn |
1 |
... n , то |
|
|
|
||||||||||||
|
Sn ESn |
|
P |
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
0. |
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
n |
|
|
n |
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
Сформулируем и докажем закон больших чисел в форме Чебышева. |
|||||||||||||||||
Теорема (Чебышева). Пусть n,n N |
- последовательность независимых |
||||||||||||||||
случайных величин и существует C такая, что |
D n |
С для любого n |
(т.е. дисперсии равномерно ограниченны). Тогда последовательность n,n N
подчиняется закону больших чисел.
Доказательство. |
По |
неравенству |
Чебышева |
P |
|
E |
|
|
D |
. |
|
|
|||||||||
|
|
2 |
||||||||
Следовательно, из независимости случайных величин следует, что |
|
|
|
|||||||
|
|
|
|
|
1 |
n |
|
|
1 |
n |
|
1 |
n |
|
0 P |
k E k 0 |
|
P |
k |
|
E k |
||||
|
|
|
||||||||
|
n k 1 |
|
|
n k 1 |
|
n k 1 |
|
|
1 |
|
n |
|
|
|
n |
|
|
n |
|
|
|
|
|
|
|
|
D |
|
k |
|
D |
k |
|
D k |
|
nC |
|
C |
|
|||||
|
|
|
|
|
|
|
||||||||||||
|
n k 1 |
|
|
k 1 |
|
|
k 1 |
|
|
|
||||||||
|
|
2 |
|
|
2 2 |
|
2 2 |
2 |
|
2 |
n |
2 |
||||||
|
|
|
|
|
n |
|
|
n |
|
n |
|
|
|
По теореме о двух милиционерах получаем, что
75
![](/html/69988/137/html_fUv2Qfigyj.HxmK/htmlconvd-kNJem476x1.jpg)
|
|
|
|
1 |
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
limP |
k E k 0 |
0. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
n |
|
n k 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
Sn ESn |
|
P |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
Следовательно, |
|
|
|
|
0. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
n |
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Теорема доказана. |
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
Рассмотрим схему Бернулли с вероятностью успеха |
p . Пусть Sn - число |
|||||||||||||||||||||||||||||||||||||
успехов при n испытаниях. Тогда S |
n |
|
... |
n |
, где |
|
|
i |
|
1 |
0 |
- индикатор того, |
||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
p |
q |
|
|
|
|
|
|
|
|
что в i-м испытании произошел успех. Очевидно, |
что |
E i |
p, |
D i pq. |
||||||||||||||||||||||||||||||||||||
Проверьте, что D i |
|
pq p 1 p |
1 |
. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
|
|
|
|
|
|
|
Sn |
|
1 |
n |
|
n |
|
4 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
Обозначим |
|
E k |
|
|
, где n |
- число успехов в n испытаниях. Тогда |
||||||||||||||||||||||||||||||||
|
|
|
|
n |
||||||||||||||||||||||||||||||||||||
|
|
ESn pn . |
|
n |
n k 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
К последовательности n,n N применим закон больших чисел (по теореме |
||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
n |
|
|
1 |
|
n |
|
|
|
|
n |
|
|
np |
|
n |
|
|
|
Чебышева), |
|
следовательно, |
|
т.к. |
|
k |
|
E k |
|
|
|
|
p , |
то |
||||||||||||||||||||||||||
|
|
|
|
|
|
|
n |
|||||||||||||||||||||||||||||||||
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n k 1 |
|
n k 1 |
|
|
n n |
|
|
|
||||||||||||
|
|
P |
. Итак, мы доказали |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
p 0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
n |
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
Следствие (закон больших чисел в форме Бернулли). Для биномиальной |
|||||||||||||||||||||||||||||||||||||||
|
|
|||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
P |
|
|
|
|
|
|
|
|
|
|||
схемы во введенных выше обозначениях верно, что |
|
|
|
|
p . |
|
|
|
|
|
||||||||||||||||||||||||||||||
|
n |
|
|
|
|
|
||||||||||||||||||||||||||||||||||
|
|
Сформулируем еще две полезные теоремы |
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n,n N |
|
||||||||||||||||||||||||
|
|
Теорема |
(Хинчина |
- |
|
|
без |
|
доказательства). |
Пусть |
- |
последовательность попарно независимых одинаково распределенных случайных величин с конечным математическим ожиданием (т.е. E n a). Тогда последовательность n,n N подчиняется закону больших чисел.
Докажите самостоятельно следующее утверждение:
Теорема (Маркова). Пусть n,n N - последовательность случайных величин, для которых выполняется свойство
|
1 |
|
n |
|
|
|
lim |
|
|
D |
k |
0. |
|
|
2 |
|||||
n n |
|
k 1 |
|
|
Тогда последовательность n,n N подчиняется закону больших чисел.
|
|
|
|
|
|
Центральная предельная теорема |
||||||
Определение. |
Говорят, |
|
что последовательность |
случайных величин |
||||||||
n,n N |
подчиняется центральной предельной теореме, |
если для случайных |
||||||||||
величин |
S |
n |
... |
n |
, S |
|
Sn |
ES |
n |
выполняется, что |
последовательность |
|
|
|
|
||||||||||
|
|
1 |
|
n |
|
|
DSn |
|
||||
|
|
|
|
|
|
|
|
|
|
Sn,n N сходится по распределению к стандартной нормальной случайной величине:
76
![](/html/69988/137/html_fUv2Qfigyj.HxmK/htmlconvd-kNJem477x1.jpg)
S N 0,1
D , где .
n n
Теорема (центральная предельная теорема для независимых, одинаково распределенных случайных величин). Пусть n,n N - последовательность
независимых одинаково распределенных случайных величин с конечной и
ненулевой дисперсией (т.е. D n |
2 |
0). |
Тогда последовательность n,n N |
|||||||||||||||||||||
подчиняется центральной предельной теореме. |
|
|
|
|
|
|
|
|
||||||||||||||||
Доказательство. Обозначим |
E |
n |
a, |
D |
n |
2 , |
S |
n |
... |
n |
. |
Из |
условий |
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
||||
теоремы следует, что ESn |
na, а DSn |
n 2 . |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
Введем случайную величину Sn |
|
Sn |
|
na |
. Легко видеть, что |
ESn |
0, |
DSn 1. |
||||||||||||||||
|
|
|
||||||||||||||||||||||
|
||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
Рассмотрим функцию распределения этой случайной величины |
|
|
|
|
|
|||||||||||||||||||
F x P |
|
Sn |
|
na |
x |
. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
Sn |
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Нам нужно показать, что она сходится при n к функции распределения
|
|
1 |
|
x |
1 |
y |
2 |
x |
|
|
e |
|
стандартного нормального закона. |
||
|
|
2 |
|||||
|
|
|
|||||
2 |
|
|
|||||
|
|
|
|
|
|
|
Применим для доказательства данной теоремы метод характеристических функций. Для этого рассмотрим для случайной величины Sn характеристическую функцию Sn (t) и покажем, что она сходится к
характеристической функции стандартного нормального закона Представим случайную величину Sn в виде суммы
|
|
Sn |
na |
|
1 |
|
|
n |
|
Sn |
|
|
|
|
k , |
||||
|
|
|
|
|
|
||||
n |
|
|
|||||||
|
|
n k 1 |
где k k a .
Мы |
получаем |
|
|
|
|
последовательность |
|
независимых |
|
и |
одинаково |
|||||||||||||||||||||||||
распределенных |
случайных |
|
величин |
,n N . При этом |
E |
n |
0, D |
n |
2 . |
|||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
||
Поэтому, из свойств характеристических функций следует, что |
|
|
|
|
|
|||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
n |
|
|
|
|
|
|
|
|
t |
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
it |
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
S t EeitSn |
|
|
|
|
|
|
|
|
|
k |
|
|
|
|
|
|
|
i |
|
|
|
k |
|
|
|
|
|
|
|
|
||||||
Ee |
|
n k 1 |
|
Ee |
|
n |
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
k 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
t |
|
|
|
|
|
t |
|
|
. |
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
|
k |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
|
|
|
n |
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
k 1 |
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
||||||||||
Обозначим |
y |
|
t |
|
. Тогда, по формуле Тейлора, при y 0 |
имеем, что при |
||||||||||||||||||||||||||||||
|
|
|
||||||||||||||||||||||||||||||||||
n : |
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
' 0 |
|
'' 0 |
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
y y 0 |
|
2 |
o(y |
2 |
). |
|
|
|
|
|
|
||||||||||||||||||||||||
|
|
|
|
|
|
y |
|
|
|
|
|
|
y |
|
|
|
|
|
|
|
|
|||||||||||||||
1! |
|
|
2! |
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
По свойствам характеристических функций получаем, что
'(0) iE 1 0,
'' 0 i2 E 1 0 2 i2 D 1 2 ,
77
![](/html/69988/137/html_fUv2Qfigyj.HxmK/htmlconvd-kNJem478x1.jpg)
y 1 |
2 |
|
y2 o y2 , |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||
|
|
|
2 |
|
|
|
t2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
t |
|
|
1 |
|
o |
1 |
. |
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||
1 |
|
|
|
|
|
|
2n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
n |
|
|
|
n |
|
|
|
|
|
t : |
|
|
|
|
|
|
||||||||||||||||||
Рассмотрим теперь логарифм Sn |
|
|
|
|
|
|
|||||||||||||||||||||||||||||
ln |
t ln |
|
|
|
t n |
nln |
1 |
t2 |
o |
|
1 |
. |
|
||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||
|
|
|
|
||||||||||||||||||||||||||||||||
|
S |
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
2n |
|
|
|
|
|
||||||||||||||
|
n |
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
n |
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
Теперь используем формулу Тейлора |
ln 1 x x o x |
при x 0. Получаем: |
|||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
t2 |
1 |
|
t2 |
|
|
|
|
|
|
|
|
|
|
|||||||||||||
ln Sn |
t n |
|
|
|
|
o |
|
|
|
|
o 1 . |
|
|
|
|
|
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
2n |
n |
|
2 |
|
|
|
|
|
|
|
|
|
|
|||||||||||||
Следовательно, |
lim |
ln Sn |
t |
t2 |
и |
|
|
|
|
|
|
||||||||||||||||||||||||
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
t2
lim S t e 2 .
n n
t2
В теме 7 мы нашли, что если N 0,1 , то t e 2 . Следовательно,
lim S t t ,
n n
и, по теореме непрерывности, последовательность функций распределения FSn (x) имеет предел при n , равный функции распределения стандартного
нормального закона x |
для всех вещественных x . |
|
D |
Таким образом, мы доказали, что S . |
|
|
n n |
|
Теорема доказана. |
Сформулируем полезную теорему: |
|
Теорема (Ляпунова |
– без доказательства). Пусть n,n N - |
последовательность независимых случайных величин, у которых определены математическое ожидание и ненулевая дисперсия (т.е. E n существует и
D |
n |
|
2 |
0). |
Обозначим S |
n |
... |
n |
. Если выполнено условие Ляпунова, т.е. |
|||||
|
|
|
n |
|
|
|
|
|
|
1 |
|
|||
существует 0 такое, что |
|
|
||||||||||||
|
|
|
|
|
|
|
|
n |
|
|
|
|
||
|
lim |
|
|
1 |
|
|
E |
|
k E k |
|
2 0, |
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
2 |
|
|
|
||||||
|
|
|
|
|
|
|
||||||||
|
n |
|
DSn |
|
k 1 |
|
|
|
|
|||||
то |
|
последовательность |
|
n,n N |
|
подчиняется центральной предельной |
теореме.
Центральная предельная теорема для независимых и одинаково распределенных случайных величин и интегральная теорема Муавра-Лапласа являются следствиями теоремы Ляпунова.
Локальная предельная теорема для решетчатых распределений
Определение. Распределение случайной величины называется решетчатым, если все ее возможные значения можно представить в виде a kh , где a,h , h 0, k . При этом h называется шагом распределения.
78
![](/html/69988/137/html_fUv2Qfigyj.HxmK/htmlconvd-kNJem479x1.jpg)
Представление всегда не единственно. Наборы a |
и h можно |
выбрать |
разными способами. |
|
Bi n, p , |
Пример. Пусть Sn - биномиальная случайная |
величина, Sn |
принимающая значения 0,1,...,n. Это решетчатая случайная величина, т.к. принимает значения a kh , k , при a 0 и h 1 или при a 5 и h 0,5.
Если - пуассоновская случайная величина, принимающая значения 0,1,2,3..., то она также решетчатая, к примеру, при a 0 и h 1.
Стоит отметить, что не все дискретные величины – решетчаты. В качестве
примера можно рассмотреть величину , принимающую значения 1 при всех n
|
c |
|
|
1 |
1 |
||
n с вероятностью |
|
|
, где c |
|
|
|
. |
n |
2 |
n |
2 |
||||
|
|
n 1 |
|
|
Теорема (без доказательства). Случайная величина является решетчатой тогда и только тогда, когда существует вещественное число t1 0 такое, что t1 1. При этом h является шагом распределения тогда и
только тогда, когда |
2 |
|
1. |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
h |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
Можно t |
всегда считать положительным, т.к. t |
|
|
|
|
, и если |
|
|
|
t |
|
|
1, |
|||||||||||||
t |
|
|
||||||||||||||||||||||||
|
|
|||||||||||||||||||||||||
|
|
|
|
|
|
1 |
|
|
|
|
|
1 |
|
1 |
|
|
|
|
1 |
|
|
|
||||
то |
|
|
|
1 |
|
|
1 |
. Поэтому |
в |
|
качестве шага мы будем |
рассматривать |
|
только |
||||||||||||
|
|
|
|
|||||||||||||||||||||||
|
|
|
t |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
положительные вещественные числа.
Определение. Шаг h решетчатого распределения называется максимальным, если все возможные значения случайной величины нельзя представить в виде a1 kh1 , где h1 h.
Пример. Для биномиального распределения из предыдущего примера h 1 является максимальным шагом распределения.
Докажите самостоятельно следующее
Утверждение. Шаг решетчатого распределения h является максимальным
тогда и только тогда, |
когда для всех |
t таких, что 0< |
|
t |
|
|
2 |
, верно, что |
|||||||
|
|
||||||||||||||
|
|
|
|||||||||||||
|
t |
|
1. |
|
|
|
|
|
|
|
|
|
h |
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
n,n N независимых |
|
||||||||
|
Пусть |
дана |
последовательность |
одинаково |
|||||||||||
распределенных, решетчатых случайных величин. |
a k n h, где |
||||||||||||||
|
Для всех n случайные величины n принимают значения |
||||||||||||||
k n . Обозначим E n |
, |
D n 2 0; |
Sn 1 ... n . Очевидно, |
что ESn n , |
|||||||||||
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
DSn D k |
n 2 , |
и то, |
что |
Sn имеет решетчатое распределение и принимает |
|||||||||||
|
|
|
k 1 |
|
|
|
|
|
|
|
|
|
|
|
|
an k' n h .
Введем обозначение
Pn k P Sn an kh .
79
![](/html/69988/137/html_fUv2Qfigyj.HxmK/htmlconvd-kNJem480x1.jpg)
Нас интересует поведение величин Pn(k) при n . Именно в этом смысле мы формулируем локальную предельную теорему, т.е. исследуем вероятность того, что Sn принимает некоторое фиксированное значение.
Обозначим znk |
|
an |
kh |
n |
|
an kh |
n |
. |
|
|
|
|
|
|
|
||||
DSn |
|
n 2 |
|||||||
|
|
|
|
Теорема (локальная предельная для решетчатых распределений – без доказательства). Если n,n N - последовательность независимых,
одинаково распределенных, решетчатых случайных величин с конечной положительной дисперсией, и h - шаг распределения n - максимален, то
|
n 2 |
|
k |
|
1 |
|
znk2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
lim |
|
|
P |
|
|
e 2 |
0. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
n |
n |
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
znk |
2 |
|
|
|
Если |
n |
– |
велико, |
то |
можно считать, что |
n |
2 |
Pn k |
|
|
1 |
|
|
e |
. Отсюда |
|||||||||||
|
|
|
|
|
2 |
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|||||||||||||||||||
|
n |
|
|
|
|
|
|
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
h |
|
1 |
|
z |
2 |
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
nk |
|||||||
получаем формулу для приближенных вычислений P (k) |
|
|
e |
|
|
. |
||||||||||||||||||||
|
|
|
2 |
|||||||||||||||||||||||
|
|
|
|
|
|
|
|
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
n 2 |
|
2 |
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Локальная теорема Муавра-Лапласа является следствием локальной предельной теоремы для решетчатых распределений.
80