Tadeusz Malinowski nr. indeksu 30081
Ewa Malinowska nr. indeksu 30080
grupa 206
Praca semestralna z matematyki- sem.II.
Twierdzenia graniczne
Rodzaje twierdzeń granicznych
W twierdzeniach granicznych rozpatruje się ciągi zmiennych losowych {Xn}, których rozkłady - przy wzroście wskaźnika n do nieskończoności - mogą być zbieżne do pewnego rozkładu nazywanego rozkładem granicznym (asymptotycznym) ciągu zmiennych losowych {Xn}.
Twierdzenia graniczne podają warunki konieczne i dostateczne (lub warunki dostateczne) zbieżności określonych ciągów zmiennych losowych:
- ciągu dystrybuant i ciągu gęstości dla zmiennych losowych ciągłych
- ciągu funkcji prawdopodobieństwa dla zmiennych losowych skokowych.
Rodzaje twierdzeń granicznych:
twierdzenia integralne- twierdzenia graniczne, które badają zbieżność ciągu dystrybuant
prawa wielkich liczb - twierdzenia integralne, w których dystrybuantą graniczną jest dystrybuanta rozkładu jednopunktowego
twierdzenia lokalne - twierdzenia graniczne, w których bada się zbieżność ciągów funkcji prawdopodobieństwa lub zbieżność ciągów gęstości.
.
W tym opracowaniu będą opisane twierdzenia integralne:
- prawo wielkich liczb Bernoulliego
- prawo wielkich liczb Chinczyna
- Lindeberga-Levy'ego
- Moire'a-Laplace'a
Prawo wielkich liczb Bernoulliego
Prawo wielkich liczb Bernoulliego pokazuje , że prawdopodobieństwo zdarzenia może być oceniane przez częstość tego zdarzenia w długim ciągu powtórzeń doświadczenia, w którym to zdarzenie następuje.
Niech k będzie ciągiem zmiennych losowych o rozkładzie prawdopodobieństwa:
Tworzymy nową zmienną losową:
wówczas:
(w granicy
prawdopodobieństwo, że uzyskamy xn większe co do wartości bezwzględnej od wybranej, dowolnie małej liczby dodatniej, dąży do zera).
Interpretacja:
k - liczba sukcesów w n doświadczeniach Bernoulliego,
- częstość sukcesu (liczba sukcesów na jedno doświadczenie) ,
p - prawdopodobieństwo sukcesu w jednym doświadczeniu.
Jeżeli liczba doświadczeń jest duża, to z prawdopodobieństwem bliskim 1 , częstość sukcesu przyjmuje wartości mało różniące się od prawdopodobieństwa sukcesu.
Zbieżność opisana w powyższym twierdzeniu nazywana jest zbieżnością stochastyczną. Moglibyśmy więc powyżej powiedzieć: Ciąg jest stochastycznie zbieżny do 0, gdy dąży do nieskończoności.
Istnieje wiele różnych postaci twierdzenia wielkich liczb. Twierdzenia te opisują związek ścisłego pojęcia prawdopodobieństwa z jego (intuicyjną) interpretacją ,,częstościową''.
Prawo wielkich liczb Chinczyna
Prawo wielkich liczb Chinczyna pokazuje , że wartość oczekiwana zmiennej losowej może być oceniana przez średnia arytmetyczną dużej liczby obserwowanych wartości zmiennej losowej.
Jeśli (Xn) jest ciągiem zmiennych losowych niezależnych, o jednakowym rozkładzie i o parametrach:
m = EXn i σ2 = D2 Xn dla n Є N
oraz :
to ciąg (Xn) jest zbieżny według prawdopodobieństwa do m , czyli dla ciągu (Xn) zachodzi prawo wielkich liczb.
Twierdzenie integralne MOIVRE`A - LAPLACE`A
Twierdzenie Moivre'a-Laplace'a jest szczególnym przypadkiem centralnego twierdzenia granicznego. Dotyczy zbieżności rozkładu dwumianowego do rozkładu normalnego dla dużych n.
Niech Xn będzie zmienną losową o rozkładzie dwumianowym B(n,p) (n - liczba doświadczeń, p - prawdopodobieństwo sukcesu) i niech X będzie zmienną losową o rozkładzie normalnym z wartością oczekiwaną m = np i odchyleniem standardowym σ = (npq)1/2, czyli N(np,(npq)1/2).
Oznaczmy przez Fn(x) wartość dystrybuanty zmiennej losowej Xn w punkcie x i przez F(x) wartość dystrybuanty zmiennej losowej X w punkcie x.
Między dystrybuantami Fn(x) i F(x) zachodzi związek:
Korzystając z definicji dystrybuanty:
Wiadomo, że liczba doświadczeń jest zawsze skończona, stąd
gdzie
Oznacza to, że jeżeli liczba prób jest duża, to rozkład zmiennej losowej Xn o rozkładzie B(n,p) można przybliżyć rozkładem N(np,(npq)1/2. Przybliżenie to jest tym lepsze, im n jest większe (praktycznie n > 30).
Twierdzenie Moivre'a-Laplace'a dla wartości oczekiwanej z próby
Rozpatrzmy zmienną losową Yn = Xn / n (częstość), gdzie Xn jest zmienną losową o rozkładzie dwumianowym z parametrami n i p. Jeżeli zmienna losowa Xn przyjmuje wartości 0, 1, 2, ..., n, to Yn = 0, 1/n, 2/n, ..., 1.
Rozkład zmiennej losowej Yn:
k = 1, 2, ..., n.
Wynika stąd, że zmienna Yn przyjmuje swoje wartości z prawdopodobieństwami określonymi przez rozkład dwumianowy.
Wartość oczekiwana i wariancja zmiennej losowej Yn:
Z centralnego twierdzenia granicznego wynika, że zmienna losowa Yn przy dużych wartościach n ma rozkład zbliżony do normalnego z wartością oczekiwaną równą p i odchyleniem standardowym równym (pq/n)1/2, czyli
Twierdzenie integralne LINDEBERGA-LEVY'EGO
Jest to najważniejsze twierdzenie statystyki matematycznej, zwane centralnym twierdzeniem granicznym (CTG). Dotyczy zbieżności sum niezależnych zmiennych o takich samych rozkładach (rozkład nie musi być znany) z rozkładem normalnym.
Ogólniejszą wersję centralnego twierdzenia granicznego podał na początku XX wieku Liapunow. Obecnie korzysta się z twierdzenia w formie zaproponowanej w 1922 roku przez Lindebegra i Levy'ego. Dowód tego twierdzenia podał w 1935 Feller.
Załóżmy, że dany jest ciąg X1, X2, ..., Xn niezależnych zmiennych losowych o jednakowym rozkładzie (oznacza to, że zmienne posiadają jednakowe rozkłady prawdopodobieństwa, wartości oczekiwane i wariancje), tzn.:
E(X1) = E(X2) = E(X3) = ... = E(Xn) = m
V(X1) = V(X2) = V(X3) = ... = V(Xn) = σ2
Przez Zn oznaczamy następującą zmienną losową:
Zn = X1 + X2 + ... + Xn
Wartość oczekiwana i wariancja zmiennej Zn:
E(Zn) = nm
V(Zn) = nσ2
Centralne twierdzenie graniczne mówi, że jeśli n jest duże, to rozkład zmiennej losowej Zn można przybliżyć rozkładem normalnym z wartością oczekiwaną nm i odchyleniem standardowym σn1/2, czyli Zn ~ N(nm,σn1/2) |
Centralne twierdzenie graniczne Lindeberga-Levy'ego dla wartości oczekiwanej z próby
Załóżmy, że ciąg niezależnych zmiennych losowych X1, X2, ..., Xn, spełnia założenia centralnego twierdzenia granicznego.
Definiujemy zmienną (średnia z próby):
o wartości oczekiwanej
i wariancji
.
Z centralnego twierdzenia granicznego wynika, że Zn = X1 + X2 + ... + Xn ma w przybliżeniu
rozkład normalny, stąd
ma również rozkład normalny.
Przy dużych wartościach n rozkład zbliżony jest do rozkładu:
Centralne twierdzenia graniczne - Przykłady
Przykład 1.
Załóżmy, że rozkład codziennego dojazdu do pracy jest w przybliżeniu rozkładem jednostajnym na przedziale [0,5 godz., 1 godz. ] i że czasy dojazdów w różne dni są niezależne. Obliczyć przybliżone prawdopodobieństwo zdarzenia, że średni dzienny dojazd w ciągu 30 dni przekroczy 0,8 godz.
Niech
oznacza czas dojazdu w i-tym dniu ,
.
,
. ,
,
=
Przykład 2.
Codzienne opóźnienie pociągu ( w minutach ) na pewnej trasie jest zmienną losową ciągłą o gęstości
dla
.
a) Wyznaczyć stałą C.
b) Wyznaczyć dystrybuantę
.
c) Obliczyć prawdopodobieństwa
,
.
d) Obliczyć wartość oczekiwaną i wariancję codziennego opóźnienia pociągu.
e) Obliczyć przybliżone prawdopodobieństwo, że łączne opóźnienie pociągu na tej trasie w ciągu 90 dni przekroczy 600 minut, jeśli opóźnienia w kolejnych dniach są niezależnymi zmiennymi losowymi.
C = 1/50.
b)
=
dla
,
Zatem
dla
.
= 1 - F(5) = 1- 25/100 = 0,75.
= F(7) - F(5) = 0,49 - 0,25 = 0,24.
d)
=
= 20/3,
= 50.
-
= 50 - 400/9 = 50/9.
e) Niech
oznacza łączny czas opóźnienia w ciągu 90 dni.
jest prostą próbą losową z rozkładu o gęstości takiej jak gęstość zmiennej X.
= opóźnienie i-go dnia.
.
Var (
=
.
Z Centralnego Twierdzenia Granicznego rozkład
jest bliski rozkładowi
.
=
= 1 - 0,5 = 0,5.
7/8