Билет 25.

Математическим ожиданием дискретной случайной величины называют сумму произведений всех ее возможных значений на их вероятности: M(X) = x₁ p₁+ x₂ p₂+...+ x_n p_n. Реально на основе данных выборки мы не можем вычислить M(X). Однако эту характеристику можно оценить. В качестве оценки можно использовать среднее арифметическое, то есть M(X) ≈X. Чем больше объём выборки (число наблюдений), тем точнее эта оценка. Математическое ожидание обладает следующими свойствами: 1. Математическое ожидание постоянной величины равно самой постоянной: M(C) = C. 2. Постоянный множитель можно выносить за знак математического ожидания: M(CX) = CM(X). 3. Математическое ожидание суммы нескольких случайных величин равно сумме математических ожиданий слагаемых: M(X+Y+Z) = M(X)+M(Y)+M(Z). 4. Математическое ожидание произведения нескольких взаимно независимых случайных величин равно произведению их математических ожиданий: M(XYZ) = M(X)M(Y)M(Z). Все эти свойства имеют большое практическое значение.

Билет 26.

Зако́н больши́х чи́сел в теории вероятностей утверждает, что эмпирическое среднее (среднее арифметическое) достаточно большой конечной выборки из фиксированного распределения близко к теоретическому среднему (математическому ожиданию) этого распределения. В зависимости от вида сходимости различают слабый закон больших чисел, когда имеет место сходимость по вероятности, и усиленный закон больших чисел, когда имеет место сходимость почти всюду.

Закон больших чисел Бернулли. Пусть производится последовательность независимых испытаний, в результате каждого из которых может наступить или не наступить событие А, причем вероятность наступления этого события одна и та же при каждом испытании и равна р. Если событие А фактически произошло m раз в n испытаниях, то отношение m/n называют, как мы знаем, частотой появления события А. Частота есть случайная величина, причем вероятность того, что частота принимает значение m/n, выражается по формуле Бернулли (13):

Закон больших чисел в форме Бернулли состоит в следующем: с вероятностью, сколь угодно близкой к единице, можно утверждать, что при достаточно большом числе опытов частота появления события А как угодно мало отличается от его вероятности, т. е.

(55)

иными словами, при неограниченном увеличении числа n опытов частота m/n события А сходится по вероятности к Р(А)

Теорема Ляпунова — теорема в теории вероятностей, устанавливающая некоторые общие достаточные условия для сходимости распределения сумм независимых случайных величин к нормальному закону.

Часто приходится иметь дело с такими случайными величинами, которые являются суммами большого числа независимых случайных величин. При некоторых весьма общих условиях оказывается, что эта сумма имеет распределение, близкое к нормальному, хотя каждое из слагаемых может не подчиняться нормальному закону распределения вероятностей. Эти условия были найдены Ляпуновым и составляют содержание теоремы, названной его именем.

Пусть с ,… последовательность попарно независимых случайных величин с математическими ожиданиями M и дисперсиями D , причём эти величины обладают следующими двумя свойствами:

1) Cуществует такое число L, что для любого i имеет место неравенство , т, е. все значения случайных величин, как говорят, равномерно ограничены, относительно математических ожиданий;