09-01-2015_09-46-11 / Лекция 11. ТВ и МС
.pdfЛекция 11 Предельные теоремы теории вероятностей. Неравенство Чебышева. Закон
больших чисел в форме Чебышева Центральная предельная теорема
Неравенство Чебышева П.Л.
( позволяет оценить вероятность отклонения случайной величины от ее математического ожидания)
Теорема. Для каждой случайной величины ξ , имеющей дисперсию Dξ = σ2 ,
при ε > 0 справедливо неравенство |
|
|
|
|||||
|
|
|
|
(1) P{ | ξ - Mξ | ≥ ε } ≤ σ2 / ε2 |
||||
|
|
Доказательство. Неравенство |
Чебышева справедливо для дискретных и |
|||||
непрерывных случайных величин. |
|
|
|
|||||
Рассмотрим дискретную случайную величину ξ : |
||||||||
|
|
|
|
|
|
|
|
|
|
ξ |
|
X1 |
X2 |
|
|
Xn |
|
|
|
|
|
|
|
|
|
|
|
p |
|
P1 |
P2 |
|
|
Pn |
|
|
|
|
|
|
|
|
|
|
Пусть математического ожидание случайной величины равно a : Mξ = a ,
тогда дисперсия находится по формуле :
Dξ = (x1 – a)2 p1 + ( x2 – a )2 p2 + …+ (xn – a )2 pn
Вычислим вероятность события | ξ - a | ≥ ε , где ε > 0 .
Пусть xk1 , xk2 , …,xkm - те значения ξ , для которых имеет место
| xki – a | ≥ ε , i= 1,2,…,m .
Тогда
Dξ ≥ (xk1 – a)2 pk1 + ( xk2 – a )2 pk2 + …+ (xkm – a )2 pkm ≥ ε2 pk1 + ε2 pk2 + …+ ε2 pkm = ε2 ( pk1 + pk2 + …+ pkm ) = ε2 P{ | ξ - a | ≥ ε }
т.е. Dξ ≥ ε2 P{ | ξ - a | ≥ ε }
откуда и вытекает неравенство Чебышева (1).
Аналогично неравенство Чебышева доказывается и для непрерывного случая, при этом сумму нужно заменить на интеграл.
Следствие 1. Для |
ε > 0 |
|||||||||
|
|
|
|
|
|
P{ | ξ - Mξ | < ε } ≥ 1 - σ2 / ε2 |
||||
|
|
Доказательство. Перейдя к противоположному событию, затем использовав |
||||||||
неравенство Чебышева получим : |
||||||||||
P{ | ξ - Mξ | < ε } = 1 - P{ | ξ - Mξ | ≥ ε } ≥ 1 - σ2 / ε2 |
||||||||||
|
Следствие 2. Если ξ1 , ξ2 ,…,ξn - независимые случайные величины, то для |
|||||||||
ε |
> 0 |
|
|
|
|
|
|
|
||
P{ | |
|
|
- |
|
|
| < ε } ≥ 1- |
|
|
|
|
|
|
|
|
|
|
|
|
57
Доказательство. Обозначим через η = |
|
тогда по свойствам |
|
математического ожидания и дисперсии получим : Mη = M ( )=
Dη = D ( ) = D( ) =
Применяя к случайной величине η следствие 1 , получаем :
P{ | - | < ε } = P{ | η - Mη | < ε } ≥ 1 - Dη = 1-
6.2. Закон больших чисел
Последовательность случайных величин ξ1 , ξ2 ,…,ξn называется сходящейся по вероятности к числу b , если при n →∞ для ε > 0 :
|
|
|
|
|
P{| ξ - b | < ε } → 1 , |
n →∞ |
|
Теорема 1 |
( ЗБЧ в форме Чебышева) |
Пусть ξ1 , ξ2 ,…,ξn,… - |
|||
последовательность независимых случайных величин, дисперсии которых |
||||||
ограничены сверху одним и тем же числом С : Dξi ≤ C, i=1,2,… . |
||||||
Тогда для ε > 0 : |
|
|
||||
P{ | |
|
- |
|
|
| < ε } = 1 |
|
|
|
|
Доказательство . Так как Dξi ≤ C , то ≤ C
Воспользовавшись следствием 2 неравенства Чебышева , получаем
P{ | - | < ε } ≥ 1 - ≥ 1 - C
Так как вероятность любого события не превышает 1, то
1 - C ≤ P{ | - | < ε } ≤ 1
Переходя в полученном неравенстве к пределу при n → ∞ , получаем утверждение теоремы.
Теорема 2. (ЗБЧ для одинаково распределенных случайных величин с конечной дисперсией ) Если последовательность ξ1 , ξ2 ,…,ξn,… независимых одинаково распределенных случайных величин такова, что M ξi = a , Dξi = σ2 , i=1,2,… то для ε > 0
58
P{ | - a | < ε } = 1
Доказательство. Так как = na = a
дисперсии Dξi = σ2 , i следовательно они ограничены.
Тогда по теореме 1 (ЗБЧ в форме Чебышева ) получаем утверждение теоремы.
Теорема Бернулли ( ЗБЧ для числа успехов в испытании Бернулли)
|
P{ | |
|
- p | < ε } = 1 |
|
|
||
где n – число успехов в n испытаниях Бернулли , p - вероятность успеха |
|||
Доказательство. Так как |
n = |
|
, где ξi - число успехов в i –м испытании, |
причем M ξi = p , Dξi = pq |
, то по теореме 2( ЗБЧ для одинаково распределенных |
случайных величин ) выполняется теорема Бернулли
-относительная частота успеха в n испытаниях Бернулли
6.4. Центральная предельная теорема
Пусть случайные величины ξ1 , ξ2 ,…,ξn,… - независимы , одинаково распределены с математическим ожиданием Mξi = a и конечной дисперсией
Dξi = σ2 . Тогда справедливо предельное соотношение
(1) P{ < x } = Ф(х) = - функция стандартного
нормального распределения |
|
Ф(х) = 0,5 + Ф0 (х) , где Ф0 (х) = |
- функция Лапласа |
! Соотношение можно переписать по –другому: при больших n : ( 1’ ) P( < x ) ≈ Ф ( )
В правой части равенства стоит не что иное , как функция распределения нормальной случайной величины .
|
ξ N ( na ,σ√n ) |
Значит, сумма независимых |
случайных величин имеет асимптотически |
нормальное распределение , Это |
очень важный результат, так как реальные |
явления обычно подвержены |
действию многих независимых случайных |
факторов. В силу ЦПТ их суммарное воздействие можно приближенно описать с помощью нормального распределения.
59
60