Центральная предельная теорема
Центральная предельная теорема представляет собой вторую группу предельных теорем, которые устанавливают связь между законом распределения суммы случайной величины и его предельной формой - нормальным законом распределения.
Сформулируем центральную предельную теорему для случая, когда члены суммы имеют одинаковое распределение. Эта теорема чаще других используется на практике. В математической статистике выборочные случайные величины имеют одинаковые распределения, так как получены из одной и той же генеральной совокупности.
Теорема 7.5. Пусть случайные величины независимы, одинаково распределены, имеют конечные математическое ожидание и дисперсию , . Тогда функция распределения центрированной и нормированной суммы этих случайных величин стремится при к функции распределения стандартной нормальной случайной величины:
, | (7.13) |
Из соотношения (7.13) следует, что при достаточно большом n сумма Zn приближенно распределена по нормальному закону: . Это означает, что сумма приближенно распределена по нормальному закону: . Говорят, что при случайная величина асимптотически нормальна.
Напомним, что:
1. Случайная величина X называется центрированной и нормированной (т.е. стандартной), если MX = 0, a DX = 1.
2. Если случайные величины , независимы, , , то
,
.
3. - функция Лапласа, , где - нормированная функция Лапласа.
Формула (7.13) позволяет при больших n вычислять вероятности различных событий, связанных с суммами случайных величин. Так, перейдя от случайной величины
к стандартной случайной величине, получим:
,
Или
. | (7.14) |
Формула (7.14) определяет вероятность того, что сумма нескольких случайных величин окажется в заданных пределах. Часто центральную предельную теорему используют, если n>10.
Пример 7.3.Независимые случайные величины распределены равномерно на отрезке . Найти закон распределения случайной величины , а также вероятность того, что .
Решение:
Условия центральной предельной теоремы соблюдаются, поэтому случайная величина Y имеет приближенно плотность распределения
.
По известным формулам для математического ожидания и дисперсии в случае равномерного распределения находим:
, , .
Тогда
,
,
Поэтому
.
Используя формулу (7.14), находим
,
т.е. .
Дата добавления: 2017-03-29; просмотров: 161;