Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | ||
|
Хорошо известно, что большинство встречающихся в природе случайных величин имеют распределение, по крайней мере очень близкое к нормальному. Теоретическое объяснение этому факту дает центральная предельная теорема Ляпунова.
Рассмотрим, как и в предыдущем случае, сумму независимых случайных величин , но не усредненную по
,
а нормированную:
где
Правила нахождения математического ожидания и дисперсии суммы независимых случайных величин позволяют утверждать, что а случайные величины с такими свойствами называются нормированными.
Определение 1. Будем говорить, что последовательность независимых случайных величин удовлетворяет условию Ляпунова, если
Поясним смысл условия Ляпунова. Для произвольного рассмотрим случайные события
которые заключаются в том, что слагаемые нормированной суммы по абсолютной величине превосходят Нетрудно видеть, что
(2)
По условию Ляпунова выражение справа в (2) стремиться к нулю. Таким образом, все слагаемые нормированной суммы равномерно малы в том смысле, что вероятность хотя бы одного из них превзойти по абсолютной величине стремится к нулю при возрастании числа слагаемых.
Условие Ляпунова будет выполнено, если независимые случайные величины
имеют одно и тоже математическое ожидание, дисперсию и абсолютный центральный момент третьего порядка:
Действительно, в этом случае
В частности, условие Ляпунова будет выполнено, если независимые случайные величины имеют одно и тоже распределение.
Теорема 1(Центральная предельная или теорема Ляпунова). Пусть - независимые случайные величины, имеющие какие угодно распределения, удовлетворяющие условию Ляпунова. Тогда функция распределения случайной величины при поточечно сходится к функции распределения случайной величины, распределенной по нормальному стандартному закону.
Центральной предельной теоремой пользуются для приближенного вычисления вероятностей, связанных с суммами большого числа независимых и одинаково распределенных случайных величин. При этом распределение нормированной суммы заменяют на стандартное нормальное распределение, а за распределение суммы берут нормальный закон распределения с параметрами и Этим объясняется тот факт, что вся классическая математическая статистика строится только для нормально распределенных случайных величин, и при этом считается применимой всегда. Но насколько велика ошибка замены распределения случайной величины на стандартное нормальное распределение? Следующая теорема позволяет оценить погрешность такой замены.
Теорема 2(Неравенство Бери-Эссеена).
Пусть независимые случайные величины имеют одно и тоже математическое ожидание, дисперсию и абсолютный центральный момент третьего порядка:
,
функция распределения нормированной суммы . Тогда где
Пример 1. В кассе учреждения имеется сумма в очереди стоит человек, сумма которую нужно выплатить отдельному человеку, является случайной величиной, со средним значением 150 р. и р. Найти:
1. Вероятность того, что суммы не хватит для выплаты всем людям в очереди.
2. Какую сумму надо иметь в кассе, чтобы с вероятностью ее хватило для всей очереди.
Решение. При уже можно считать, что случайная величина
имеет нормальный закон распределения с параметрами
Тогда:
1.
2. По таблицам находим, что для этого должно выполняться неравенство , откуда
Рекомендуемая литература
1. Н.Ш. Кремер. Теория вероятностей и математическая
статистика. М.: ЮНИТИ-ДАНА, 2004.
2. В.Е. Гмурман. Теория вероятностей и математическая статистика. М.: Высшая школа, 2004.
Дата публикования: 2015-09-17; Прочитано: 654 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!