Matematyka - PracaMalinowscy Twierdzenia graniczne, WSEI, SEMESTR 2, Matematyka


Tadeusz Malinowski nr. indeksu 30081

Ewa Malinowska nr. indeksu 30080

grupa 206

Praca semestralna z matematyki- sem.II.

Twierdzenia graniczne

  1. 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:

  1. twierdzenia integralne- twierdzenia graniczne, które badają zbieżność ciągu dystrybuant

  2. prawa wielkich liczb - twierdzenia integralne, w których dystrybuantą graniczną jest dystrybuanta rozkładu jednopunktowego

  3. 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

  1. 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:

0x01 graphic
0x01 graphic

Tworzymy nową zmienną losową:

0x01 graphic

wówczas:

0x01 graphic
0x01 graphic
0x01 graphic

(w granicy 0x01 graphic
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,

0x01 graphic
- 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''.

  1. 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 :

0x01 graphic

to ciąg (Xn) jest zbieżny według prawdopodobieństwa do m , czyli dla ciągu (Xn) zachodzi prawo wielkich liczb.

  1. 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:

0x01 graphic

Korzystając z definicji dystrybuanty:

0x01 graphic

Wiadomo, że liczba doświadczeń jest zawsze skończona, stąd

0x01 graphic

gdzie

0x01 graphic
0x01 graphic

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).

0x08 graphic

Twierdzenie Moivre'a-Laplace'a dla wartości oczekiwanej z próby

Rozpatrzmy zmienną losową Yn = X/ 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:

0x01 graphic

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:

0x01 graphic

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

0x01 graphic

  1. 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 X1X2, ..., 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 = X+ X+ ... + 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(nmn1/2)

Centralne twierdzenie graniczne Lindeberga-Levy'ego dla wartości oczekiwanej z próby

Załóżmy, że ciąg niezależnych zmiennych losowych X1X2, ..., Xn, spełnia założenia centralnego twierdzenia granicznego.

Definiujemy zmienną (średnia z próby):

0x01 graphic

o wartości oczekiwanej 0x01 graphic
i wariancji 0x01 graphic
.

Z centralnego twierdzenia granicznego wynika, że Zn = X+ X+ ... + Xn ma w przybliżeniu

rozkład normalny, stąd 0x01 graphic
ma również rozkład normalny.

Przy dużych wartościach n rozkład zbliżony jest do rozkładu:

0x01 graphic

  1. 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 0x01 graphic
oznacza czas dojazdu w i-tym dniu , 0x01 graphic
.

0x01 graphic
, 0x01 graphic
. , 0x01 graphic
, 0x01 graphic

0x01 graphic
= 0x01 graphic
0x01 graphic
0x01 graphic

Przykład 2.

Codzienne opóźnienie pociągu ( w minutach ) na pewnej trasie jest zmienną losową ciągłą o gęstości

0x01 graphic
dla 0x01 graphic
.

a) Wyznaczyć stałą C.

b) Wyznaczyć dystrybuantę0x01 graphic
.

c) Obliczyć prawdopodobieństwa 0x01 graphic
, 0x01 graphic
.

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.

  1. 0x01 graphic
    C = 1/50.

b) 0x01 graphic
= 0x01 graphic
dla 0x01 graphic
,

Zatem

0x01 graphic
dla 0x01 graphic
.

  1. 0x01 graphic
    = 1 - F(5) = 1- 25/100 = 0,75.

0x01 graphic
= F(7) - F(5) = 0,49 - 0,25 = 0,24.

d) 0x01 graphic
= 0x01 graphic
= 20/3,

0x01 graphic
0x01 graphic
= 50.

0x01 graphic
0x01 graphic
- 0x01 graphic
= 50 - 400/9 = 50/9.

e) Niech 0x01 graphic
oznacza łączny czas opóźnienia w ciągu 90 dni. 0x01 graphic
jest prostą próbą losową z rozkładu o gęstości takiej jak gęstość zmiennej X. 0x01 graphic
= opóźnienie i-go dnia.

0x01 graphic
.

Var (0x01 graphic
= 0x01 graphic
.

Z Centralnego Twierdzenia Granicznego rozkład

0x01 graphic
jest bliski rozkładowi 0x01 graphic
.

0x01 graphic
0x01 graphic
=

0x01 graphic
= 1 - 0,5 = 0,5.

7/8



Wyszukiwarka