
- •Теория вероятностей (для студентов специальности «Информатика») Тема 2. Повторные независимые испытания
- •§1. Формула Бернулли.
- •§2. Формула Пуассона.
- •§3. Локальная и интегральная теоремы Муавра-Лапласа.
- •Тема 3. Случайные величины
- •§8. Закон равномерного распределения вероятностей.
- •§9. Определение показательного распределения.
- •§10. Вероятность попадания в заданный интервал показательно распределенной случайной величины.
- •§12. Числовые характеристики показательного распределения.
- •§11. Геометрические вероятности
- •§12. Предмет метода Монте − Карло
- •§13. Понятие о законе больших чисел.
- •§14. Понятие о теореме Ляпунова. Формулировка центральной предельной теоремы
- •Тема 4. Выборочный метод
- •§1. Статистическое распределение выборки
- •§2. Эмпирическая функция распределения
- •§3. Полигон и гистограмма
- •Тема 5. Статистические оценки параметров распределения
- •§1. Точечные оценки
- •§2. Метод моментов
- •§3. Метод наибольшего правдоподобия
- •§4. Интервальные оценки
- •Тема 6. Оценка независимой вероятности событий по частоте
- •§1. Проверка гипотезы о нормальном распределении генеральной совокупности. Критерий согласия Пирсона
- •§2. Проверка гипотезы о показательном распределении генеральной совокупности
- •§3. Проверка гипотезы о распределении генеральной совокупности по биномиальному закону
- •§4. Проверка гипотезы о равномерном распределении генеральной совокупности
- •§5. Проверка гипотезы о распределении генеральной совокупности по закону Пуассона
- •§6. Понятие о простейших случайных процессах
§12. Предмет метода Монте − Карло
ЭВМ позволяют легко получать так называемые псевдослучайные числа (при решении задач их применяют вместо случайных чисел); это привело к широкому внедрению метода во многие области науки и техники (статистическая физика, теория массового обслуживания, теория игр и др.). Метод Монте-Карло используют для вычисления интегралов, в особенности многомерных, для решения систем алгебраических уравнений высокого порядка, для исследования различного рода сложных систем (автоматического управления, экономических, биологических и т. д.).
Сущность метода Монте-Карло состоит в следующем: требуется найти значение а некоторой изучаемой величины.
Для этого выбирают такую случайную величину X, математическое ожидание которой равно а:
М(Х) = а.
Практически поступают так: производят п испытаний, в результате которых получают п возможных значений Х; вычисляют их среднее арифметическое
и принимают х в качестве оценки (приближенного значения) а* искомого числа а:
Поскольку метод Монте — Карло требует проведения большого числа испытаний, его часто называют методом статистических испытаний. Теория этого метода указывает, как наиболее целесообразно выбрать случайную величину X, как найти ее возможные значения. В частности, разрабатываются способы уменьшения дисперсии используемых случайных величин, в результате чего уменьшается ошибка, допускаемая при замене искомого математического ожидания а его оценкой а*.
Отыскание возможных значений случайной величины X (моделирование) называют «разыгрыванием случайной величины».
§13. Понятие о законе больших чисел.
Следующие утверждения и теоремы составляют содержание группы законов, объединенных общим названием закона больших чисел.
Лемма Чебышева. Если X – неотрицательная случайная величина и M(X) – ее математическое ожидание, что для любого A > 0 имеет место неравенство
P(X
> A)
или
P(X
A)
1 –
Если случайная величина имеет дисперсию D(X), то для любого > 0 имеет место неравенство Чебышева:
P(|X
– M(X)|
> )
< 1 –
или
P(|X
– M(X)|
)
1 –
(1)
Если случайная величина распределена по биномиальному закону, то неравенства Чебышева принимают более простой вид:
(2)
где M частота, а M/n – частость.
В неравенстве (1) разность |X – M(X)| есть отклонение случайной величины X от ее математического ожидания. Поэтому неравенство Чебышева утверждает: вероятность того, что отклонение случайной величины от ее математического ожидания не превзойдет по абсолютной величине положительного числа , не меньше разности между единицей и дробью, числитель которой – дисперсия случайной величины, а знаменатель – квадрат .
Теорема Чебышева (закон больших чисел). Если случайные величины в последовательности X1, X2, X3, …, Xn, … попарно независимы, а их дисперсии удовлетворяют условию
то для любого > 0
Теорема Бернулли. Если в каждом из п независимых испытаний вероятность р появления события А постоянна, то как угодно близка к единице вероятность того, что отклонение относительной частоты от вероятности р по абсолютной величине будет сколь угодно малым, если число испытаний достаточно велико.
Т.е. если − сколь угодно малое положительное число, то при соблюдении условий теоремы имеет место равенство