Теореми Бернуллі та Пуассона
У найбільш простій формі закон великих чисел сформулював і довів у кінці ХYII сторіччя Яків Бернуллі. Теорема Бернуллі є наслідком теореми Чебишева, котра формулює закон великих чисел у схемі Бернуллі.
Теорема Бернуллі. Частість події в незалежних випробуваннях, у кожному з яких вона може відбутися з ймовірністю , при необмеженому збільшенні числа збігається за ймовірністю до ймовірності цієї події в кожному випробуванні, тобто
. (25.2)
Доведення. Нехай випадкова величина задає загальну кількість появ події в незалежних випробуваннях. Введемо випадкові величини
Тоді , математичне сподівання , дисперсія , . Із нерівності Чебишева маємо
. (25.3)
Переходячи до границі при , маємо формулу (25.2).
Узагальненням теореми Бернуллі є теорема Пуассона.
Теорема Пуассона. Якщо – кількість появ події в незалежних випробуваннях і – імовірність появи цієї події в -му випробуванні, то яким би не було число
.
Очевидно, що при маємо теорему Бернуллі. Доведення теореми Пуассона проведіть самостійно.
Приклад 25.3. Імовірність виготовлення нестандартної радіолампи дорівнює 0,04. Яке найменше число радіоламп треба відібрати, щоб з імовірністю 0,88 можна було б стверджувати, що доля нестандартних радіоламп серед них буде відрізнятися від імовірності виготовлення нестандартної радіолампи за абсолютним значенням не більше ніж на 0,02?
Розв’язання. З оцінки (25.3) дістанемо:
.
За умовою задачі ймовірність p = 0,04, величина = 0,02, звідки = 0,88.
Отже, .
Теорема Маркова
П.Л.Чебишев знайшов умови, при яких спостерігається стійкість середнього арифметичного незалежних у сукупності випадкових величин. Пізніше багато робіт було присвячено з’ясуванню умов, які треба накласти на залежні випадкові події, щоб для них також виконувався закон великих чисел. Наведемо одне з таких узагальнень.
Теорема Маркова. Нехай задана послідовність випадкових величин, для яких М та
. (25.4)
Тоді для
.
Очевидно, теорема Чебишева є окремим випадком теореми Маркова. Дійсно, якщо випадкові величини – незалежні, крім того, , n = 1, 2,... , тоді
.
Доведення теореми Маркова базується також на нерівності Чебишева. Згідно цієї нерівності
.
Із умови (25.4) маємо висновок теореми Маркова.
Наприклад, температура повітря в деякій місцевості ( кожний день року є випадковими величинами, причому залежними, оскільки, на погоду кожного дня впливає, очевидно, погода попередніх днів. Але середньорічна погода для даної місцевості майже не міняється протягом багатьох років, отже, є практично невипадковою величиною.
Крім різних форм закону великих чисел має місце так званий “посилений закон великих чисел”, в якому встановлюється не “збіжність за ймовірністю”, а “збіжність із ймовірністю 1” різних середніх випадкових величин до невипадкових середніх.
Закон великих чисел і наслідки з нього лежать в основі чисельного метода, який називається “метод статистичних випробувань (метод Монте-Карло)”. Цей метод часто використовують для наближеного обчислення визначених інтегралів, для розв’язку систем лінійних алгебраїчних рівнянь високого порядку, при розв’язанні крайових задач для рівнянь в частинних похідних і багатьох інших задач чисельного аналізу.
Ідею методу статистичних випробувань покажемо на прикладі наближеного обчислення визначеного інтегралу від деякої функції .
Нехай .
Значення цього інтегралу можна розглядати як математичне сподівання випадкової величини , де випадкова величина розподілена рівномірно на проміжку . Нехай послідовність незалежних випадкових величин має рівномірний розподіл на проміжку . Існують стандартні програми, які модулюють послідовність випадкових величин, розподілених рівномірно на .
Випадкову величину
,
згідно закону великих чисел, можна вважати наближеним значенням інтегралу.
<== предыдущая лекция | | | следующая лекция ==> |
Нерівність Чебишева | | | Найпростішою формою центральної граничної теореми є інтегральна та локальна теореми Муавра-Лапласа, які були строго доведені Лапласом у XIX сторіччі. |
Дата добавления: 2017-02-20; просмотров: 685;