terve_teoria
.pdf№20
Докажите, что для нормальной случайной величины с параметрами т и о функция распределения
|
|
|
1 |
x |
t2 |
|
|
Ф(x) |
|
e |
2 dt |
|
|
|
|
|
|
|||
F{x)=1/2 + Ф(h-m/σ) где |
|
|
2 0 |
|
,-функция Лапласа |
|
F(x) |
|
1 |
|
x e (t a)2 2 2 dt |
|
|
|
|
|
|
|
|
||
|
|
|
2 |
|
|||
Воспользуемся общей формулой |
|
|
|
|
Если в последнем интеграле |
||
|
|
|
|
|
|||
|
|
|
|
|
|
произвести замену t-a/σ=z, то получим F{x)=1/2 + Ф(h-m/σ), где Ф(х) есть функция Лапласа
№21
№22
№23
Н-во Чебышева: Пусть X – СВ, у кот есть M(X)=m и D(X)=a, тогда >0 справедливо неравенство:
P(|X-m| ) D(X)/ 2
Доказательство: Неравенство является следствием другого неравенства, также принадлежащего Чебышеву: если СВ Х может принимать только неотрицательные значения (т.е. Р(Х<0)=0), то вероятность того, что принятое ею значение окажется меньше единицы, не превосходит числа m – математического ожидания Х:
P(X ≥ 1) ≤ m .
(m= a P( X a) a P( X a) a P( X a) (т.к. 1-ое слагаемое
a a 1 a 1
положительно, то если его убрать, будет меньше) a P( X a) (заменим a на 1, будет
a 1
только меньше) 1 P( X a) = P( X a) =P(X 1). Отсюда P(X ≥ 1) ≤ m .)
|
|
a 1 |
a 1 |
|
|
|
|
|
||
Событие |
|
X m |
|
|
равносильно |
( X m)2 |
1 |
. Т.к. СВ |
( X m)2 |
принимает лишь |
|
|
|||||||||
|
|
2 |
2 |
|||||||
|
|
|
|
|
|
|
|
|
неотрицательные значения, то к ней можно применить доказанное выше неравенство:
|
|
|
X m |
|
( X m) |
2 |
|
1 |
2 |
|
D |
||||||
|
|
|
|
|
|||||||||||||
|
|
|
|
2 |
|
|
|
|
|
|
|
M ( X m) |
|
|
|
|
|
P( |
X m |
) P |
|
|
1 |
M |
|
|
|
|
|
|
|
|
, или в |
||
|
2 |
|
2 |
|
|
2 |
|
2 |
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
конечном итоге P(|X-m| ) D(X)/ 2.
№24
Теорема Чебышева. Пусть имеется бесконечная последовательность X1, X2, …
независимых случайных величин с одним и тем же математическим ожиданием m и дисперсиями, ограниченными одной и той же постоянной:
Тогда, каково бы ни было положительное число , вероятность события
стремится к единице при Доказательство. Положим,
.
В силу свойств математического ожидания имеем:
.
Далее, так как величины независимы, то
.
Сопоставив полученное неравенство с неравенством Чебышева:
,
будем иметь:
Это показывает, что с ростом n вероятность события стремится к 1.
№25
Если в каждом из n 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.
Другими словами, если - сколь угодно малое положительное число, то при
соблюдении условий теоремы имеет место равенство lim P(| m / n p | ) 1.
n
Доказательство. Обозначим через Х1 число появлений события в первом испытании, через Х2 – во втором, ..., Хn – в n-м испытании. Ясно, что каждая из величин может принять лишь два значения: 1 (событие А наступило) с вероятностью р и 0 (событие не появилось) с вероятностью 1—р=q. Все Х удовлетворяют условиям теоремы Чебышева. Действительно, попарная независимость величин X1, Х2, . . ., Хn следует из того, что испытания независимы. Дисперсия любой величины Xi (i= 1, 2, . .., n) равна произведению pq, так как p+q=1,то произведение pq не превышает 1/4 и, следовательно, дисперсии всех величин ограничены, например, числом С =1/4. Применяя теорему Чебышева (частный
случай) к рассматриваемым величинам, имеем lim P(| (X1 X |
2 ... Xn ) / n a | ) 1. |
n |
|
Приняв во внимание, что математическое ожидание а каждой из величин Xi (т. е. математическое ожидание числа появлений события в одном испытании) равно ве-
роятности р наступления события, получим lim P(| (X1 X |
2 ... Xn ) / n p | ) 1. |
n |
|
Остается показать, что дробь (X1+X2+…Xn)/n равна относительной частоте т/п появлений события А в испытаниях. Действительно, каждая из величин X1,X2,…Xn при появлении события в соответствующем испытании принимает значение, равное единице; следовательно, сумма X1+X2+…+Xn равна числу m появления события в n испытаниях, а значит, ( X1 X 2 ... X n ) / n m / n. Учитывая, это равенство, окончательно получим
lim P(| m / n p | 1. Итак, теорема Бернулли утверждает, что при n
n
относительная частота стремится по вероятности к p.