- •12.Дискретные вероятностные пространства
- •17. Закон распределения дискретной случайной величины.
- •25. Функция распределения и её свойства.
- •26. Функция плотности вероятности и её свойства.
- •28. Равномерное распределение и его числовые характеристики.
- •29. Показательное распределение.
- •31.Влияние параметров «» и «» на форму кривой нормального распределения.
- •33. Функция Лапласа и её вероятностный смысл.
- •34. Вычисление вероятности попадания значений нормальной случайной величины в заданный интервал.
- •35. Вычисление вероятности заданного отклонения нормальной случайной величины. Правило «трёх сигм».
- •36. Функция распределения нормальной случайной величины.
- •37. Мода. Медиана, квантили и процентные точки
- •39.Закон больших чисел.Неравенство Чебышева.
- •40.Теорема Чебышева. Смысл теоремы и её значение.
- •41.Теорема Бернулли.
- •43.Центральная предельная теорема Ляпунова. Следствие теоремы.
39.Закон больших чисел.Неравенство Чебышева.
Под законом больших чисел понимается совокупность всех теорем составляющих вероятностные закономерности поведения суммы достаточно большого числа случ.вел. Сюда относятся теоремы Бернули, Чебышева и др.
Неравенство Чебышева: Вероятность того, что отклонение сл.вел. от своего мат.ожид. по абсолютной величине не будет превосходить заданного положительного числа , не меньше чем 1-(DX/(^2),где DX дисперсия сл.вел, т.е: P(|X- Mx|<) >=1-1-(DX/(^2), доказательство для непрерывной вел.:
|X-Mx|<(X-MX)^2< P(|X- Mx|<)=P(X-Mx)^2<^2. X0=(x-Mx)^2; A=^2. Применим неравенство Маркова (Вероятность того, что сл. Вел. Х примет своё значение < числа А, не меньше чем 1- Mx/A. Т.е. P(X<A)>=1-Mx/A.) P((X-MX)^2<^2)>=1-Mx0/(^2)=1-(M(X-MX)^2)/(^2)=1-Dx/(^2) ч.т.д.
На практике неравенство используется редко, т.к. оно часто даёт грубую оценку вероятности P(|X- Mx|<), но теоретическое значение неравенства громаденое, т.к. с помощью него доказывается большое количество теорем закон. Больших чисел.
40.Теорема Чебышева. Смысл теоремы и её значение.
Теорема: пусть дана система х1,х2,…,хn… независимых сл.вел. Дисперсии кот. Ограничены одним и тем же числом С. Dxi<=C, для любого I, тогда, как бы мало не было положительное , как угодно близко к 1. |((x1+x2+…+xn)/n)-((Mx1+Mx2+…+Mxn)/n)|<, если n- достаточно велико. Иначе говоря в условиях теориемы справедливо: P(|((x1+x2+…+xn)/n)-((Mx1+Mx2+…+Mxn)/n)|<)=1.
Смысл теоремы: с вероятностью сколь угодно близкой к 1 можно утверждать, что среднеарифметическое сл.вел. будет близко к средне арифметическому их мат.ожид. Если число случ.вел. достаточно велико (n∞), то если взять достаточно большое число случ.вел. то среднеарифм. Их ведёт себя предсказуемо, можно представить какие значения она может принимать. Она может принимать значения как угодно близко к средне арифмет. Мат.ожид. (( x1-MX1)+(X2-MX2)+…+(Xn-MXn))/n.
Доказательство теоремы: Xn(cp)=(x1+x2+…+xn)/n, M(xn(cp))=(Mx1+Mx2+…+Mxn)/n. P(|xn(cp)-M(xn(cp))|<)=1.
Применим неравенство Чебышева к сл. Вел xn(cp), тогда: P(|xn(cp)-M(xn(cp))|<)>=1-(D(xn(cp)))/(^2) (*). Найдём оценку дисперсии: D(xn(cp))=D((x1+x2+…+xn)/n)=(1/(n^2))*D(x1+x2+…+xn), т.к. сл.вел. независимы: (1/(n^2))*(Dx1+Dx2+…+Dxn)<= (1/(n^2))*(C+C+…+C) [n раз]= (1/(n^2))*n*C=C/n, D(xn(cp))<=C/n. Вставим в (*): P(|xn(cp)-M(xn(cp))|<)>=1-C/(n*^2). (n*^2)0, Перейдём к пределу: P(|xn(cp)-M(xn(cp))|<)>=1. В этом неравенстве слева стоит вероятность, кот. Не может быть больше 1, остаётся, что она =1. P(|xn(cp)-M(xn(cp))|<)=1 ч.т.д.
Следствие теоремы: пусть дана система х1,х2,…,хn… независимых сл.вел. с одним и тем же мат.ожид. Mx1=Mx2=…=Mxn=a; Dxi<=C. Тогда с вероятностью сколь угодно близкой к 1, можно утверждать, что среднеарифметическое сл.вел. будет как угодно близко к мат.ожид. каждой сл.вел. Если число случ.вел. достаточно велико. В условии этой теоремы справедливо: P(|xn(cp)-a|<)=1. Если заменить M(Xn(cp))=M((x1+x2+…+xn)/n)=(1/n)*(Mx1/a+Mx2/a+…+Mxn/a)=(1/n)*n*a=a ч.т.д.
Значение теоремы: На основе теоремы Чебышева разработан выборочный метод мат.статистики. Теория измерений основана на частном случае теор. Чебышева. Пример: Пусть нас интересует истинный размер некоторого объекта, обозначим его а, он нам не известен: x1,x2,…xn. Xn(cp)= ((x1+x2+…+xn)/n), и полагаем, что истинный размер аxn(cp). С математической точки зрения все замеры являются независимыми и одинаково распределёнными сл.вел. Применим частный сл. Теоремы: Заключают. Что если число замеров достаточно велико, то с вероятностью сколь угодно близкой к 1, среднеарифметическое замеров будут как угодно близко к истинному размеру объекта.