КАТЕГОРИИ: Архитектура-(3434)Астрономия-(809)Биология-(7483)Биотехнологии-(1457)Военное дело-(14632)Высокие технологии-(1363)География-(913)Геология-(1438)Государство-(451)Демография-(1065)Дом-(47672)Журналистика и СМИ-(912)Изобретательство-(14524)Иностранные языки-(4268)Информатика-(17799)Искусство-(1338)История-(13644)Компьютеры-(11121)Косметика-(55)Кулинария-(373)Культура-(8427)Лингвистика-(374)Литература-(1642)Маркетинг-(23702)Математика-(16968)Машиностроение-(1700)Медицина-(12668)Менеджмент-(24684)Механика-(15423)Науковедение-(506)Образование-(11852)Охрана труда-(3308)Педагогика-(5571)Полиграфия-(1312)Политика-(7869)Право-(5454)Приборостроение-(1369)Программирование-(2801)Производство-(97182)Промышленность-(8706)Психология-(18388)Религия-(3217)Связь-(10668)Сельское хозяйство-(299)Социология-(6455)Спорт-(42831)Строительство-(4793)Торговля-(5050)Транспорт-(2929)Туризм-(1568)Физика-(3942)Философия-(17015)Финансы-(26596)Химия-(22929)Экология-(12095)Экономика-(9961)Электроника-(8441)Электротехника-(4623)Энергетика-(12629)Юриспруденция-(1492)Ядерная техника-(1748) |
Центральная предельная теорема
Снова рассмотрим последовательность случайных величин {xi} и найдём закон распределения zn= x1+... + xnсуммы этих случайных величин при неограниченном возрастании n. Оказывается, что закон распределения такой суммы при весьма общих условиях близок к нормальному закону. Этот факт определяет особое значение нормального распределения в теории вероятностей и имеет огромное прикладное значение. Соответствующее утверждение называется центральной предельной теоремой. Её строгое доказательство при достаточно общих предположениях впервые было дано русским математиком А.М. Ляпуновым. В частности, она верна для случая, когда xiодинаково распределены и имеют математическое ожидание a и дисперсию s 2. Теорема Ляпунова (точнее, её частный случай для одинаково распределенных слагаемых). Пусть {xi} - последовательность независимых случайных величин и . Если то . (2.24) Отсюда следует, что случайная величина распределена асимптотически нормально с параметрами 0 и 1, а znраспределена приблизительно нормально с параметрами na и . Единственное условие теоремы Ляпунова состоит в существовании дисперсии слагаемых (одинаково распределённых). В общем случае эта теорема много шире (не требует одинаковости распределений слагаемых). Интегральная теорема Муавра-Лапласа. Рассмотрим последовательность независимых, однородных испытаний (схема Бернулли), в каждом из которых событие A может появиться с вероятностью p. Вероятность того, что событие A появится при этом не менее m 1и не более m 2раз, определяется по формуле Бернулли , причём, при большом n применение этой формулы практически невозможно и применяется интегральная теорема Муавра-Лапласа. Для её обоснования рассмотрим последовательность случайных величин {xi}, принимающих значение 1, если событие произошло, и 0, если не произошло (индикаторов испытаний). Сумма индикаторов, то есть , равна числу появлений события A при n испытаниях (то есть m), причём
. Условия теоремы Ляпунова выполнены, поэтому случайная величина zn= m распределена асимптотически нормально с математическим ожиданием a = np и среднеквадратическим отклонением . Остаётся найти вероятность того, что случайная величина zn= m будет заключена в пределах от m 1до m 2. , (2.25) где Ф(x) - функция Лапласа. Тем самым обоснована интегральная теорема Муавра-Лапласа. Итак, по теореме Муавра-Лапласа величина распределена приблизительно нормально. Из таблиц нормального распределения видно, что:
. . Написанные соотношения означают, что с вероятностью 0,95 нормальная стандартная величина по модулю не превосходит числа 1,96, а с вероятностью 0,997 – числа 3. Аналогично выписываются односторонние пределы для x. Таким образом, с вероятностью 0,95 выполняется ; а с вероятностью 0,997 выполняется ; а вероятность нижеприведенных неравенств 0,025 ; а вероятность таких неравенств, когда в них 1,96 заменено на 3, вообще 0,001. Можно для Х~N(a,s) определить число kbкак корень уравнения (он находится по таблице – для b= 0,95 kb= 1,96, для b= 0,997 kb= 3) и сказать, что с вероятностьюbвыполняется |X-a|<kbs. (2.26) Тогда с вероятностью b выполняется . Если мы введем ошибку a=1-b, то вероятность не попасть в односторонний интервал, определяемый kb, будет a /2, то есть . (2.27) Эти формулы являются прямым следствием из теоремы Муавра-Лапласа. Пример. 900 раз бросали монету, и герб выпал 490 раз. Что мы можем сказать о симметричности монеты? Решение. Если монета симметрична, то p=1/2, q=1/2, np = 450 и ; . Следовательно, мы можем сказать, что “на 95% мы уверены, что монета несимметрична”, но сказать, что мы уверены в этом на 99,7%, мы уже не можем.
Дата добавления: 2014-01-20; Просмотров: 516; Нарушение авторских прав?; Мы поможем в написании вашей работы! Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет |