- •1 Методические указания к самостоятельной работе над курсом
- •Основные формулы и теоремы
- •1.1 Классическое определение вероятности
- •1.2 Теоремы сложения и умножения вероятностей
- •1.3 Формула полной вероятности. Формула Бейеса
- •1.4 Схема испытаний Бернулли (повторение опытов)
- •1.5 Предельные теоремы
- •Оценим значение
- •1.6 Функция распределения случайной величины. Непрерывная случайная величина
- •1.7 Закон больших чисел. Предельные теоремы
- •1.8 Системы случайных величин
- •2 Расчётные задания Задача 2.1
- •Задача 2.2
- •Задача 2.3
- •Задача 2.4
- •Задача 2.5
- •Задача 2.6
- •Задача 2.7
- •Задача 2.8
- •Задача 2.9
- •Задача 2.10
- •Задача 2.11
- •Список литературы
- •Содержание
- •1.1 Классическое определение вероятности 1
- •1.2 Теоремы сложения и умножения вероятностей 2
- •2.2 Расчётные задания 23
- •450062, Рб, г.Уфа, ул.Космонавтов, 1.
1.7 Закон больших чисел. Предельные теоремы
Теорема Чебышева. Если Х – неотрицательная случайная величина и М(Х) – её математическое ожидание, то для любой А>0 имеет место неравенство
, (1.7.1)
или . (1.7.1’)
Если случайная величина имеет дисперсию D(X), то для любого имеет место неравенство Чебышева:
, (1.7.2)
или . (1.7.2’)
Если - средняя арифметическая независимых случайных величин , k=1, … n, каждая из которых имеет и , то неравенство Чебышева принимает вид
. (1.7.3)
Для случайных величин, одинаково распределённых с и , неравенство (1.7.3) принимает вид
. (1.7.4)
Если дисперсия независимых случайных величин равномерно ограничены числом С, то следствием (1.7.2) является неравенство
. (1.7.5)
Следствием (1.7.2) является также неравенство Чебышева для случайной величины, распределенной по биноминальному закону:
, (1.7.6)
и для случайной величины, равной частности появлений события в n независимых испытаниях:
. (1.7.7)
Теорема Ляпунова. Пусть дана последовательность независимых случайных величин , k=1, … n,…, для каждой из которых существует математическое ожидание = , дисперсия = и третий центральный абсолютный момент . Если выполняется условие
(1.7.8)
то случайная величина распределена нормально с математическим ожиданием М(Х)=∑ и дисперсией = .
Теорема Ляпунова относится к группе теорем, объединённых общим названием центральная предельная теорема. Одна из простых формулировок центральной предельной теоремы относится к одинаково распределённым случайным величинам: если - независимые одинаково распределённые случайные величины с математическими ожиданиями и дисперсиями , то при неограниченном увеличении их числа n закон распределения их суммы X приближается к нормальному с параметрами M(X)=na и D(X)= .
Теорема Лапласа. Пусть m – частота появлений события A в n независимых испытаниях, а p – вероятность наступления события A в отдельном испытании. При случайная величина распределена нормально с М(Х)=0 и D(X)=1, то есть
.
Приближение формулы Муавра – Лапласа следует из того, что закон распределения случайной величины при большом n близок к нормальному с плотностью вероятности .
Задача 1.7.1
Математическое ожидание скорости ветра на аэродроме равно 7 м/с. Оценить вероятность того, что скорость ветра на аэродроме а) не превзойдет 28 м/с : б) будет не менее 35 м/с.
Решение. Случайная величина Х – скорость ветра. а) по условию А – 28 м/с. Применяем неравенство (1.7.1’):
б) По условию А = 35 м/с. Применяем неравенство (1.7.1):
.
Задача 1.7.2
Средний вес детали равен 50 г, а дисперсия равна 0,1. Оценить вероятность того, что вес случайно выбранной из партии детали окажется в границах (49,5;50,5).
Решение. Случайная величина Х – вес детали. По условию
=50 г, =0,1 и =0,5. Неравенство 49,5<X<50,5 равносильно -0,5<X-50<0,5 , или . Поэтому применяем неравенство Чебышева (1.7.2’):
Искомая вероятность не меньше 0,6.
Задача 1.7.3
Сумма всех вкладов в некоторую сберегательную кассу составляет 20000 руб., а вероятность того, что случайно взятый вклад не превышает 100 руб., равна 0,8. Что можно сказать о числе вкладчиков данной сберкассы?
Решение. Пусть Х – размер случайно взятого вклада ,а n – число всех вкладов. Тогда из условия задачи средний размер вклада Так как и по неравенству (1.7.1’) то Отсюда и, следовательно,
Задача 1.7.4
Ёмкость изготовляемого заводом конденсатора должна быть по техническим условиям равной 2 мкФ с разрешённым допуском 0,1 мкФ. Завод добился средней ёмкости, равной 2 мкФ с дисперсией, равной 0,004 мкФ . Какова вероятность изготовления бракованного конденсатора? Расчёт провести по неравенству Чебышева, предположив, что ёмкости конденсаторов распределены по нормальному закону с теми же параметрами.
Решение. Конденсатор будет бракованным, если отклонение ёмкости конденсатора Х от среднего значения М(Х)=2 мкФ будет по абсолютной величине болеем =0,1 мкФ. По неравенству Чебышева (1.7.2 ) имеем
а поэтому вероятность события P
Если же предположить, что значения ёмкости распределены по нормальному закону, то
Видим, что, используя значение о нормальном законе распределения, ответ получаем более точным. Неравенство же Чебышева дает грубую оценку, зато оно применимо к случайным величинам, распределенным по любому закону.