17. Prawa Wielkich Liczb
Twierdzenie 17.1
Niech zmienna losowa ξ będzie nieujemna z prawdopodobieństwem 1 (to znaczy
P (ξ 0) = 1). Wówczas zachodzi nierówność
P ({ω ∈ Ω: ξ(ω) ε}) ¬
Eξ
ε
dla każdego ε > 0.
Wniosek 17.1 (nierówność Czebyszewa)
Dla dowolnej zmiennej losowej ξ zachodzi nierówność
P ({ω ∈ Ω: |ξ(ω) − Eξ| ε}) ¬
D
2
ξ
ε
2
dla każdego ε > 0.
Dowód:
Przyjmijmy η = (ξ − Eξ)
2
. Dla η można zastosować powyższe twierdzenie
P (η ε) ¬
Eη
ε
Ustalmy zatem ε > 0. Wówczas
P (|ξ − Eξ| ε) = P ((ξ − Eξ)
2
ε
2
) = P (η ε
2
) ¬
Eη
ε
2
=
E(ξ − Eξ)
2
ε
2
=
D
2
ξ
ε
2
Niech {ξ
n
} będzie ciągiem zmiennych losowych oraz istnieją skończone wartości ocze-
kiwane Eξ
n
, dla n = 1, 2, . . .
Utwórzmy dla ustalonego ω ∈ Ω średnią arytmetyczną zmiennych losowych ξ
n
1
n
n
X
k=1
ξ
k
Ponadto
E
1
n
n
X
k=1
ξ
k
!
=
1
n
n
X
k=1
Eξ
k
Definicja 17.1
Mówimy, że ciąg {ξ
n
} spełnia prawo wielkich liczb, jeśli ciąg
1
n
n
X
k=1
ξ
k
−
1
n
n
X
k=1
Eξ
k
(∗)
jest zbieżny do zera według prawdopodobieństwa.
Jeżeli natomiast ciąg (∗) zmieża do zera z prawdopodobieństwem 1, to mówimy, że
ciąg {ξ
n
} spełnia mocne prawo wielkich liczb.
Twierdzenie 17.2
Niech zmienne losowe ξ
n
(dla n = 1, 2, . . .) będą niezależne i mają ten sam rozkład
z wartością oczekiwaną Eξ
n
= a i wariancją D
2
ξ
n
= σ
2
. Wówczas dla każdego ε > 0
zachodzi
P
ξ
1
+ . . . + ξ
n
n
− a
ε
!
¬
σ
2
nε
2
(zatem ciąg {ξ
n
} spełnia prawo wielkich liczb).
Uwaga 17.1
Powyższe twierdzenie stosuje się do zmiennych losowych związanych z próbami Ber-
noulli’ego.
Przykład 17.1
Niech ξ
n
będzie zmienną losową związaną z wynikiem n−tej próby Bernoulli’ego.
Niech p oznacza sukces, a 1 − p porażkę w pojedynczym doświadczeniu. Zatem
P (ξ
n
= 1) = p
P (ξ
n
= 0) = 1 − p
Oczywiście zmienne losowe ξ
n
są niezależne (jako wyniki niezależnych prób). Niech
S
n
=
n
X
k=1
ξ
k
S
n
oznacza ilość sukcesów w n próbach. Ponadto S
n
/n możemy interpretować jako
relatywną częstość sukcesów. Dla zmiennych losowych ξ
n
mamy
Eξ
n
= p
D
2
ξ
n
= p(1 − p)
Zatem na mocy powyższego twierdzenia dla każdego ε > 0 mamy
lim
n→∞
P
S
n
n
− p
ε
= 0
Uwaga 17.2
Bernoulli powyższe twierdzenie wypowiedział następująco:
Relatywna częstość sukcesów w serii niezależnych eksperymentów zmieża według
prawdopodobieństwa (stochastycznie) do prawdopodobieństwa sukcesu w jednej pro-
bie, gdy liczba prób rośnie do nieskończoności.
Twierdzenie 17.3 (prawo wielkich liczb Chinczyna)
Niech {ξ
n
} będzie ciągiem niezależnych zmiennych losowych o tym samym rozkładzie
i niech Eξ = a. Wówczas ciąg {ξ
n
} spełnia prawo wielkich liczb, tzn.
S
n
= ξ
1
+ . . . + ξ
n
∧ Eξ
n
= na
⇒
S
n
n
→
P
a
Twierdzenie 17.4 (prawo wielkich liczb Markowa)
Niech {ξ
n
} będzie dowolnym ciągiem zmiennych losowych takim, że
lim
n→∞
1
n
2
D
2
n
X
i=1
ξ
i
!
= 0
Wówczas ciąg {ξ
n
} spełnia prawo wielkich liczb.
Twierdzenie 17.5 (I mocne prawo wielkich liczb Kołmogorowa)
Niech {ξ
n
} będzie ciągiem niezależnych zmiennych losowych, dla których istnieją
wartości oczekiwane Eξ
n
oraz wariancje D
2
ξ
n
oraz zachodzi warunek
∞
X
k=1
1
k
2
D
2
ξ
k
< ∞
Wówczas ciąg {ξ
n
} spełnia mocne prawo wielkich liczb.
Przykład 17.2
Niech {ξ
n
} będzie ciągiem zmiennych losowych niezależnych oraz niech ξ
n
ma rozkład
z gęstością (dla n = 1, 2, . . .)
f
n
(x) =
1
√
π
4
√
n
exp
−
(x − c
n
)
2
√
n
!
c ∈ (0, 1)
Wówczas ξ
n
∼ N (m, σ
2
), gdzie
m = c
n
σ
2
=
√
n
2
Zauważmy, że
D
2
ξ
n
n
2
=
1
2n
r
r =
3
2
!
⇒
∞
X
k=1
D
2
ξ
k
k
2
< ∞
skąd wnioskujemy, że ciąg {ξ
n
} spełnia mocne prawo wielkich liczb.
Twierdzenie 17.6 (II mocne prawo wielkich liczb Kołmogorowa)
Niech {ξ
n
} będzie ciągiem niezależnych zmiennych losowych o tym samym rozkładzie.
Warunkiem koniecznym i wystarczającym, aby ciąg
1
n
n
X
i=1
ξ
i
był zbieżny do a prawie wszędzie (tzn. aby ciąg {ξ
n
} spełniał mocna prawo wielkich
liczb) jest aby istniała wartość oczekiwana Eξ
n
= a (dla n = 1, 2, . . .).
Niech (Ω, F, P ) będzie przestrzenią probabilistyczną. Utwórzmy ciąg zdarzeń {A
n
},
gdzie A
n
∈ F . Wprowadźmy następujące oznaczenia
A
∗
=
∞
\
n=1
∞
[
k=n
A
k
A
∗
=
∞
[
n=1
∞
\
k=n
A
k
Zbiór A
∗
jest granicą górną ciągu {A
k
}, tzn. ω ∈ A
∗
wtedy i tylko wtedy, gdy ω
należy do nieskończenie wielu zdarzeń z ciągu A
k
.
Zbiór A
∗
jest granicą dolną ciągu {A
k
}, tzn. ω ∈ A
∗
wtedy i tylko wtedy, gdy ω należy
do wszystkich zdarzeń A
k
począwszy od pewnego zdarzenia A
p
(ω ∈ A
∗
, k p).
Zauważmy, że wyżej określonych zbiorów zachodzi
(A
∗
)
0
=
∞
[
n=1
∞
\
k=n
A
0
k
A
∗
⊂ A
∗
Lemat 17.1 (I lemat Borela–Cartelli’ego)
Jeżeli
∞
X
n=1
P (A
n
) < ∞
to P (A
∗
) = 0.
Lemat 17.2 (II lemat Borela–Cartelli’ego)
Jeżeli ciąg {A
n
} jest ciągiem zdarzeń niezależnych oraz
∞
X
n=1
P (A
n
) = ∞
to P (A
∗
) = 1.
Twierdzenie 17.7 (Moivre’a–Laplace’a)
Niech {ξ
n
} będzie ciągiem niezależnych zmiennych losowych o rozkładzie dwupunk-
towym, tzn.:
P (ξ
n
= 1) = p
P (ξ
n
= 0) = q
p + q = 1
Niech S
n
= ξ
1
+ . . . + ξ
n
oraz
ζ
n
=
S
n
− np
√
npq
Wówczas ciąg dystrybuant F
n
(x) odpowiadających zmiennym losowym ζ
n
słabo
zmierza do dystrybuanty rozkładu normalnego N (0, 1)
ζ
n
→
d
ξ
F
n
(x) → Φ(x)
Φ(x) =
1
√
2π
Z
x
−∞
exp
−
t
2
2
!
dt
Twierdzenie 17.8 (centralne twierdzenie graniczne)
Niech {ξ
n
} będzie ciągiem niezależnych zmiennych losowych o tym samym rozkładzie
z wartością oczekiwaną Eξ
n
= a oraz wariancją D
2
ξ
n
= σ
2
, gdzie 0 < σ
2
< ∞
(n = 1, 2 . . .). Niech S
n
= ξ
1
+ . . . + ξ
n
oraz
ζ
n
=
S
n
− np
√
npq
Wówczas ciąg dystrybuant F
n
(x) odpowiadających zmiennym losowym ζ
n
słabo
zmierza do dystrybuanty rozkładu normalnego N (0, 1).
(ES
n
= na, D
2
S
n
= nσ
2
).
GRZEGORZ GIERLASIŃSKI