Неравенства и предельные теоремы

Содержание

Слайд 2

Неравенства Неравенство Маркова. Для любой случайной величины ξ и для любого ε > 0

Неравенства

Неравенство Маркова.
Для любой случайной величины ξ и для любого ε >

0
Слайд 3

Доказательство.

Доказательство.

Слайд 4

Неравенство Чебышёва Для любой случайной величины ξ и для любого ε >0

Неравенство Чебышёва

Для любой случайной величины ξ и для любого ε >0

Слайд 5

Доказательство В неравенстве Маркова (1) подставим вместо ξ ξ –Mξ и возьмем k=2.

Доказательство

В неравенстве
Маркова (1)
подставим
вместо ξ
ξ –Mξ
и возьмем k=2.

Слайд 6

Пример применения неравенства Чебышёва Оценить вероятность того, что сл.в. отклонится от

Пример применения неравенства Чебышёва

Оценить вероятность того, что сл.в. отклонится от своего

матожидания
на величину
≥ 2σ, где σ – средне –квадратичное отклонение.
Слайд 7

Неравенства Неравенство Коши – Буняковского – Шварца.

Неравенства

Неравенство Коши – Буняковского – Шварца.

Слайд 8

Сходимость по вероятности Определение. Последовательность случайных величин ξ1, ξ2 ,…, ξn

Сходимость по вероятности

Определение. Последовательность случайных величин ξ1, ξ2 ,…, ξn сходится

по вероятности
к сл. в. ξ, если для любого ε > 0
Слайд 9

Сходимость по вероятности Обозначение: Замечание: «p» есть сокращение от «probability»

Сходимость по вероятности

Обозначение:
Замечание:
«p» есть сокращение от «probability»

Слайд 10

Пример Последовательность случайных величин ξ1, ξ2 ,…, ξn задана законом:

Пример

Последовательность случайных величин
ξ1, ξ2 ,…, ξn задана законом:

Слайд 11

Закон больших чисел (ЗБЧ) Определение. Говорят, что к последовательности случайных величин

Закон больших чисел (ЗБЧ)

Определение. Говорят, что к последовательности случайных величин ξ1,

ξ2 ,…, ξn с математическими ожиданиями Mξi = ai, i=0,1,…,n, применим закон больших чисел, если
Слайд 12

Смысл: среднее значение случайных величин стремится по вероятности к среднему их

Смысл: среднее значение случайных величин стремится по вероятности к среднему их

матожиданий (то есть, к постоянной величине).
Замечание. ЗБЧ справедлив при некоторых условиях. Различные группы условий определяют разные формы закона больших чисел.
Слайд 13

ЗБЧ в форме Чебышёва Теорема. Если для последовательности случайных величин {ξn}

ЗБЧ в форме Чебышёва

Теорема. Если для последовательности случайных величин {ξn} с

математическими ожиданиями Mξi=ai
и с дисперсиями Dξi=σ2i, i=0,1,…,n, выполняются условия:
сл.в. {ξn} независимы;
дисперсии всех сл.в. {ξn} ограничены одним и тем же числом, (σ2i ≤ A для всех i),
то к {ξn} применим ЗБЧ, то есть
Слайд 14

Доказательство основано на неравенстве Чебышёва. Надо показать, что выполняется определение сходимости по вероятности.

Доказательство основано на неравенстве Чебышёва. Надо показать, что выполняется определение сходимости

по вероятности.
Слайд 15

Доказательство ЗБЧ в форме Чебышёва

Доказательство ЗБЧ в форме Чебышёва

Слайд 16

Слайд 17

ЗБЧ в форме Бернулли Теорема. Пусть осуществляется серия из n независимых

ЗБЧ в форме Бернулли

Теорема. Пусть осуществляется серия из n независимых опытов,

проводимых по схеме Бернулли с параметром p, пусть m – число успехов, m/n – частота успехов в данной серии испытаний. Тогда
Слайд 18

Доказательство ЗБЧ в форме Бернулли Рассмотрим случайную величину ξi, равную числу

Доказательство ЗБЧ в форме Бернулли

Рассмотрим случайную величину ξi, равную числу успехов

в i –ом испытании, i = 1, …, n.
Случайные величины ξi имеют распределение Бернулли. Число успехов в n испытаниях, равное m, можно представить как сумму успехов в отдельных испытаниях.
Слайд 19

ai = Mξi = p. Таким образом, (*) можно записать в

ai = Mξi = p.

Таким образом,
(*) можно записать
в виде

(**),
что представляет
из себя
формулировку
ЗБЧ.
Слайд 20

ξi независимы и их дисперсии ограничены одним числом (Dξi = pq

ξi независимы и их дисперсии ограничены одним числом
(Dξi =

pq < 1)
следовательно,
выполняются
условия ЗБЧ
в форме
Чебышёва.
Слайд 21

ЗБЧ в форме Пуассона Теорема. Пусть осуществляется серия из n независимых

ЗБЧ в форме Пуассона

Теорема. Пусть осуществляется серия из n независимых опытов,

причем вероятность успеха в i –м опыте равна pi. Пусть m – число успехов, m/n – частота успехов в данной серии испытаний. Тогда
Слайд 22

Доказательство ЗБЧ в форме Пуассона Рассмотрим случайную величину ξi, равную числу

Доказательство ЗБЧ в форме Пуассона

Рассмотрим случайную величину ξi, равную числу успехов

в i–м испытании, i =1, …, n.
Случайные величины ξi имеют распределение Бернулли, ai = Mξi = pi.
Замечание. Единственное отличие от предыдущей теоремы – что величины имеют различные матожидания ai = Mξi = pi и различные дисперсии Dξi = piqi.
Доказательство проводится как в предыдущем случае.
Слайд 23

ЗБЧ в форме Хинчина Теорема. Для того, чтобы к последовательности случайных

ЗБЧ в форме Хинчина

Теорема. Для того, чтобы к последовательности
случайных величин {ξn}

был применим ЗБЧ,
достаточно, чтобы:
сл.в. {ξn} независимы;
сл.в. {ξn} одинаково распределены.
Тогда
Слайд 24

Центральная предельная теорема (ЦПТ) В теоремах этой группы выясняются условия, при

Центральная предельная теорема (ЦПТ)

В теоремах этой группы выясняются условия, при которых

возникает нормальное распределение. Общим для этих теорем является следующее обстоятельство: закон распределения суммы достаточно большого числа независимых случайных величин при некоторых условиях неограниченно приближается к нормальному.
Слайд 25

Центральная предельная теорема для независимых одинаково распределенных сл. в. Если случайные

Центральная предельная теорема для независимых одинаково распределенных сл. в.

Если случайные величины

{ξn} независимы, одинаково распределены и имеют конечные математические ожидания Mξi=a и дисперсии Dξi=σ2,… i=0,1,…,n, то при n→∞
Слайд 26

Смысл ЦПТ для н.о.р.сл.в. Закон распределения суммы достаточно большого числа независимых

Смысл ЦПТ для н.о.р.сл.в.

Закон распределения суммы достаточно большого числа независимых одинаково

распределенных случайных величин приближается к нормальному закону.
При числе слагаемых около 10 закон распределения суммы уже близок к нормальному.
Слайд 27

ЦПТ Теорема Ляпунова. Если случайная величина ξ представляет собой сумму большого

ЦПТ

Теорема Ляпунова. Если случайная величина ξ представляет собой сумму большого числа

независимых случайных величин ξ1, ξ2,…,ξn, влияние каждой из которых на всю сумму равномерно мало, то величина ξ имеет распределение, близкое к нормальному, и тем ближе, чем больше n.
Слайд 28

Смысл ЦПТ в форме Ляпунова Закон распределения суммы достаточно большого числа

Смысл ЦПТ в форме Ляпунова

Закон распределения суммы достаточно большого числа независимых

случайных величин, каждая из которых мало влияет на сумму, приближается к нормальному закону.
При этом важно то, что законы распределения суммируемых случайных величин могут быть любыми, заранее не известными исследователю.
При числе слагаемых около 10 закон распределения суммы уже близок к нормальному.
Слайд 29

Зависимость от числа слагаемых

Зависимость от числа слагаемых

Слайд 30

Практическое значение ЦПТ Многие случайные величины можно рассматривать как сумму отдельных

Практическое значение ЦПТ

Многие случайные величины можно рассматривать как сумму отдельных независимых

слагаемых.
Например:
ошибки различных измерений;
отклонения размеров деталей, изготовляемых при неизменном технологическом режиме;
распределение числа продаж некоторого товара, объемов прибыли от реализации однородного товара различными производителями;