- •1. Предмет теории вероятностей. Случайный эксперимент.
- •2. Классическое определение вероятности.
- •3. Геометрическое определение вероятности
- •4. Аксиоматическое определение вероятности
- •5. Условные вероятности
- •6. Независимые события
- •7. Формулы полной вероятности и Байеса
- •8. Схема независимых испытаний Бернулли
- •9. Случайные величины. Функция распределения случайной величины и ее свойства
- •10. Дискретные случайные величины. Закон распределения дсв.
- •12. Непрерывные случайные величины. Плотность вероятностей
- •13. Важнейшие непрерывные случайные величины
- •1 4. Математическое ожидание св.
- •15. Моменты. Дисперсия. Среднее квадратическое отклонение.
- •16. Чх дискретных и непрерывных случайных величин
- •17. Случайные векторы. Фр случайного вектора и ее свойства.
- •18. Дискретные случайные векторы. Зр дискретного случайного вектора
- •19. Непрерывные случайные векторы. Плотность вероятностей и ее свойства
- •20. Пример. (Равномерное распределение в области ).
- •21. Независимость случайных величин
- •22. Условные законы распределения и условные числовые характеристики
- •23. Числовые характеристики случайных векторов
- •24. Теоремы о числовых характеристиках
- •25. Некоррелированность случайных величин и ее связь с независимостью
- •26. Коэффициент корреляции его свойства
- •27. Многомерное нормальное (гауссовское) распределение
- •28. Функции случайных аргументов
- •29. Композиция (свертка) законов распределения
- •30. Неравенство Чебышева
- •31. Законы больших чисел
- •32. Теорема 3 (збч для независимых, одинаково распределенных св).
- •33. Центральная предельная теорема
- •34. Теорема 2 (Ляпунова) (цпт для независимых, разнораспределенных св)
33. Центральная предельная теорема
Пусть - последовательность независимых одинаково распределенных СВ с конечной дисперсией , - сумма первых СВ.
В соответствии с ЗБЧ (Теорема 3) или, .
Возникает вопрос: если при делении на мы получили в пределе 0, то не слишком ли на «много» мы поделили? Нельзя ли поделить на что-нибудь, растущее к медленнее, чем , чтобы получить в пределе не 0 (и не , естественно)? Оказывается, что уже последовательность СВ сходится не к 0, а к СВ, причем имеющей нормальный ЗР!
Теоремы, которые устанавливают нормальность предельного закона распределения суммы СВ называются центральными предельными теоремами (ЦПТ).
Теорема 1 (ЦПТ для независимых, одинаково распределенных СВ).
Пусть - последовательность независимых, одинаково распределенных случайных величин, имеющих конечное математическое ожидание и дисперсию , - сумма первых СВ.
Тогда при равномерно по всем .
Учитывая, что , а , утверждение теоремы можно переписать в виде:
или , где - центрированная и нормированная сумма СВ ( , ); - ФР суммы ; - ФР стандартного нормального закона распределения .
Таким образом, стремление ЗР суммы СВ к нормальному ЗР следует понимать в смысле сходимости при ФР СВ к ФР СВ равномерно по всем значениям аргумента.
34. Теорема 2 (Ляпунова) (цпт для независимых, разнораспределенных св)
Пусть - последовательность независимых разно-распределенных СВ, имеющих конечные математические ожидания , дисперсии и центральные абсолютные моменты порядка при некотором и любом .
Обозначим - сумму первых СВ, , и .
Тогда, если (условие Ляпунова), то при равномерно по всем
. или ,
где - центрированная и нормированная сумма СВ; - ФР суммы ; - ФР стандартного нормального закона распределения .
Вероятностный смысл условия Ляпунова. Рассмотрим при события . Тогда
при , если условие Ляпунова выполнено.
Таким образом, если условие Ляпунова выполняется, то все слагаемые в центрированной и нормированной сумме равномерно малы в том смысле, что вероятность хотя бы одному из них превзойти величину стремится к нулю при возрастании числа слагаемых. Другими словами, влияние каждого слагаемого на всю сумму должно быть очень мало, для того, чтобы ЦПТ имела место.
Определение. Говорят, что СВ при асимптотически нормальна с параметрами (краткая запись: ), если ФР СВ сходится при к ФР стандартного нормального ЗР равномерно по всем .
С учетом этого определения утверждения Теорем 1 и 2 можно записать следующим образом.
Теорема 1. ; Теорема 2.
Прикладное значение ЦПТ состоит в следующем. Если СВ представляет собой сумму большого числа независимых СВ, то можно считать, что ее ЗР является нормальным, причем тип распределения слагаемых безразличен. Этим фактом и обусловлено широкое распространение на практике нормального ЗР.
Проиллюстрируем действие ЦПТ на сумме независимых, равномерно распределенных СВ . Обозначим - ПВ СВ , , - ПВ СВ .
С одной стороны, ПВ можно найти аналитически с помощью интеграла свертки (4.13):
.
Графически:
С другой стороны, поскольку , то в соответствии с ЦПТ СВ
имеет приблизительно нормальный ЗР с параметрами (0,1) или, что эквивалентно, СВ является асимптотически нормальной: . Последнее означает, что для ПВ справедливо приближенное равенство: . (4.19)
Оказывается, что уже при , точность приближения в равенстве (4.19) вполне пригодна для практического использования и это свидетельствует о достаточно быстрой скорости сходимости в ЦПТ. При утверждение ЦПТ принимает вид: . (4.20)
На последнем соотношении основан алгоритм получения значений стандартной нормальной СВ с помощью значений СВ , то есть с помощью датчика случайных чисел:
.
Заметим, что алгоритм моделирования стандартной нормальной СВ с помощью функции, обратной к ФР, неприменим, поскольку функция Лапласа не выражается через элементарные.