3. Теорема Бернулли.

Теорема Бернулли устанавливает связь между частостью появления события и его вероятностью.

При достаточно большом числе независмых испытаний можно с вероятностью, близкой к единице, утверждать, что разность между частостью появления события в этих испытаниях и его вероятностью в отдельном испытании по абсолютной величине окажется меньше сколь угодно малого числа , если вероятность наступления этого события в каждом испытании постоянна и равна .

Утверждение теоремы можно записать в виде следующего неравенства:

, (9.3)

где и - любые сколь угодно малые положительные числа.

Используя свойство математического ожидания и дисперсии, а также неравенсво Чебышева, формулу (9.3) можно записать в виде

, (9.4)

где .

При решении практических задач иногда бывает необходимо оценить вероятность наибольшего отклонения частоты появлений события от ее ожидаемого значения. Случайной величиной в этом случае является число появлений события в независимых испытаниях. Имеем:

,

,

.

Используя неравенство Чебышева, в этом случае получим

.

Пример 3. Из изделий, отправляемых в сборочный цех, было подвергнуто обследованию , отобранных случайным образом изделий. Среди них оказалось бракованных . Приняв долю бракованных изделий среди отобранных за вероятность изготовления бракованного изделия, оценить вероятность того, что во всей партии бракованных изделий окажется не более % и не менее %.

Решение. Определим вроятность изготовления бракованного изделия:

.

Наибольшее отклонение частости появлений бракованных изделий от вероятности по абсолютной величине равно ; число испытаний . Используя формулу (9.4), находим искомую вероятность:

,

или

.

4. Теорема Ляпунова.

Рассмотренные теоремы закона больших чисел касаются вопросов приближения некоторых случайных величин к определенным предельным значениям независимо от их закона распределения. В теории вероятностей существует другая группа теорем, касающихся предельных законов распределения суммы случайных величин. Эта группа теорем носит общее название центральной предельной теоремы. Различные формы центральной предельной теоремы отличаются между собой условиями, накладываемыми на сумму составляющих случайных величин.

Закон распределения суммы независимых случайных величин () приближается к нормальному закону распределения при неограниченном увеличении , если выполняются следующие условия:

1) все величины имеют конечные математические ожидания и дисперсии:

; ; ,

где , ;

2) ни одна из величин по своему значению резко не отличается от всех остальных:

.

При решении многих практических задач используют следующую формулировку теоремы Ляпунова для средней арифметической наблюдавшихся значений случайной величины , которая также является случайной величиной (при этом соблюдаются условия, перечисленные выше):

если случайная величина имеет конечные математическое ожидание и дисперсию , то распределение средней арифметической , вычисленной по наблюдавшимся значениям случайной величины в независимых испытаниях, при приближается к нормальному закону с математическим ожиданием и дисперсией , т. е.

.

Поэтому вероятность того, что заключено в интервале можно вычислить по формуле

(9.5)

Используя функцию Лапласа (см. приложение 2), формулу (9.5) можно записать в следующем, удобном для расчетов виде:

,

где

; .

Следует отметить, что центральная предельная теорема справедлива не только для непрерывных, но и для дискретных случайных величин. Практическое значение теоремы Ляпунова огромно. Опыт показывает, что закон распределения суммы независимых случайных величин, сравнимых по своему рассеиванию, достаточно быстро приближается к нормальному. Уже при числе слагаемых порядка десяти закон распределения суммы может быть заменен нормальным.

Частным случаем предельной центральной теоремы является теорема Лапласа (см. глава 3, п. 5). В ней рассматривается случай, когда случайные величины , , дискретны, одинаково распределены и принимают только два возможных значения: и . О применении этой теоремы в математической статистике см. п. 6 главы 3.

ВОПРОСЫ ДЛЯ САМОПРОВЕРКИ

1. Что называют законом больших чисел ? Какой смысл имеет это название ?

2. Сформулируйте неравенство Чебышева и теорему Чебышева.

3. Какова роль предельных теорем в теории вероятностей ?

4. Какой из законов распределения фигурирует в качестве предельного закона ?

5. В чем состоит центральная предельная теорема Ляпунова ?

6. Как можно истолковать теорему Лапласа в качестве предельной теоремы теории вероятностей ?

ЗАДАЧИ ДЛЯ САМОСТОЯТЕЛЬНОГО РЕШЕНИЯ.

1. Длина изготовляемых изделий представляет случайную величину, среднее значение которой (математическое ожидание) равно см . Дисперсия этой величины равна . Используя нераввенство Чебышева, оценить вероятность того, что: а) отклонение длины изготовленного изделия от ее среднего значения по абсолютной величине не превзойдет ; б) длина изделия выразится числом, заключенным между и см.

Ответ: а) ; б) .

2. Устройство состоит из независимо работающих элементов. Вероятность отказа каждого элемента за время равна . Используя неравенство Чебышева, оценить вероятность того, что абсолютная величина разности между числом отказавших элементов и средним числом (математическим ожиданием) отказов за время окажется меньше .

Ответ: .

3. Дискретная случайная величина задана законом распределения

Используя неравенство Чебышева, оценить вероятность того, что .

Ответ: .

4. Дана последовательность независимых случайных величин , , ... , , ... . Случайная величина () может принимать только три значения: , , с вероятностями, равными сответственно , , . Применима ли к этой последовательности теорема Чебышева ?

Ответ: применима, т. к. , .

5. Последовательность независимых случайных величин , , ... , , ... задана законом распределения

Применима ли к этой последовательности теорема Чебышева ?

Ответ: применима, т. к. конечны и равны ,

a дисперсии равномерно ограничены числом .