Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Оля ответы.doc
Скачиваний:
5
Добавлен:
01.05.2025
Размер:
3 Мб
Скачать
☆

31. Закон больших чисел. Т. Бернулли. Т. Пуассона

ЗБЧ - это некоторый принцип, согласно которому совокупные действия большого числа СВ приводят к результату почти независящему от случая. Другими словами, при большом числе СВ их ср.знач. перестает быть случайным т.е его можно предсказать с опр. степенью доверия. В узком понимании это ряд теорем, в каждой из кот. для тех или иных условий устанавливается факт приближения ср.характеристик большого числа испытаний к некоторым постоянным величинам.

Теорема Бернулли. Частота события в серии n независимых испытаний, в каждом из которых оно может произойти с одной и той же вероятностью p, при неограниченном увеличении числа n сходится по вероятности к вероятности p этого события в отдельном испытании(т.е невозможно определить число испытаний при котором сходящиеся др. к другу величины будут совпадать):

или . Доказ-во: Для СВ Х=m/n, распределенной по нормированному ЗР , запишем неравенство Чебышева во 2-ой форме , ≥ (1- )=1, .

Теорема Пауссона.

Частота события в n повторных независимых испытаниях, в каждом из которых оно может произойти соответственно с вероятностями p1..,p2.,..pn при неограниченном увеличении числа n сходится по вероятности к средней арифметической вероятностей события в отдельных испытаниях, т.е. или

32. Закон больших чисел. Центральная предельная теорема

ЗБЧ - это некоторый принцип, согласно которому совокупные действия большого числа СВ приводят к результату почти независящему от случая. Другими словами, при большом числе СВ их ср.знач. перестает быть случайным т.е его можно предсказать с опр. степенью доверия. В узком понимании это ряд теорем, в каждой из кот. для тех или иных условий устанавливается факт приближения ср.характеристик большого числа испытаний к некоторым постоянным величинам.

Центральная предельная теорема :совокупные действия нескольких СВ при некоторых условиях приводят к нормальному ЗР.

Теорема Ляпунова. Если Х1,Х2....Хn— независимые случайные величины, у каждой из которых существует математическое ожидание M(Xi)=a, дисперсия D(Xi) = , абсолютный

центральный момент третьего порядка и i=

и выполняется условие ,то ЗР СВ к нормальному ЗР с мат.ождианием и . Смысл данной теоремы состоит в том,что суммарное рассеяние n-независ.СВ совпадат с рассеянием возможных значений СВ Yn и порядок влияния рассеяния отд.СВ примерно одинаково.

Следствие: Если — независимые случайные величины, у которых существуют равные математические ожидания M(Xi)=a, дисперсии D(Xi)= и абсолютные центральные моменты третьего порядка (i= 1, 2,...,n), то закон распределения суммы Yn=X1+X2+...+Xn при n неограниченно приближается к нормальному закону.

  1. Корреляционный момент и коэффициент корреляции

Корреляционным моментом (ковариацией) наз-ся матем.ожидание произведения центрированных СВ и

Корреляционный момент –это второй смешанный центральный момент.

Корреляционный момент показывает степень разброса возмож.значений СВ Х и У относительно их математических ожиданий и вид.зависимости(прямая(+) или обратная(-)) между СВ Х и У.

Свойства: 1.

2.

3.

Доказ-во: = =M(XY-Xmy-Ymx+ )=M(XY)- M(Y)- M(X)+ =

Коэффициент корреляции пары СВ X и Y наз-ся число = отношению корреляц.момента к произведению их средних квадратичных отклонений. . Коэффициент корреляции( ) –это безразмерная величина ,определяет тесноту линейной зависимости между СВ Х и У.

Свойства:

1. т.е [-1;1] Доказ-во: /: , ,

2. Если rxy=0 , то между СВ Х и У отсутствует линейная зависимость , при этом говорят,что СВ Х и У явл-ся некоррелированными. Из некоррелир-ти СВ не следует их независимость,т.к помимо линейной зависимости между СВ может существовать др. виды зависимости , а из независимости СВ следует всегда их некоррелированность.

3. Если между СВ Х и У существует жесткая линейная функциональная зависимость.