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: 190;