Архитектура Аудит Военная наука Иностранные языки Медицина Металлургия Метрология Образование Политология Производство Психология Стандартизация Технологии |
Распределения “хи-квадрат”, Стьюдента и Фишера
Пусть – независимые СВ, распределённые по стандартному нормальному закону. Тогда распределение непрерывной СВ называется распределением “хи-квадрат” (или распределением Пирсона) с n степенями свободы. График плотности этого распределения имеет вид:
При имеет место . Для нахождения g из условия при различных n и р составлены таблицы. Непрерывная СВ , где и СВ Х и независимы, называется дробью Стьюдента с n степенями свободы. График плотности этого распределения имеет вид:
При любом х имеет место . Для нахождения g из условия при различных n и р составлены таблицы. При увеличении n распределение СВ неограниченно приближается к стандартному нормальному распределению. Непрерывная СВ , где СВ и независимы, называется дробью Фишера с степенями свободы. График плотности этого распределения имеет вид: При имеет место . Для нахождения g из условия при различных и близких к нулю р составлены таблицы. Из цепочки равенств следует, что при близких к единице р соответствующее g можно найти из условия .
ПРЕДЕЛЬНЫЕ ТЕОРЕМЫ Закон больших чисел
Под законом больших чисел понимается совокупность теорем, устанавливающих условия приближения среднего арифметического большого числа случайных величин к некоторым неслучайным величинам. Приведём сначала одно важное утверждение, используемое при доказательстве закона больших чисел. Неравенство Чебышёва. Если СВ Х имеет математическое ожидание m и дисперсию D, то для любого справедливо неравенство . Доказательство проведём для случая дискретной СВ Х. Поскольку события , попарно несовместны, то . Для дисперсии СВ Х имеем , откуда вытекает требуемое неравенство. Рассмотрим, далее, две формулировки закона больших чисел. Теорема Чебышёва. Если – независимые СВ, имеющие один и тот же закон распределения с математическим ожиданием m и дисперсией D, то при неограниченном увеличении n случайная величина сходится по вероятности к константе m, т.е. для любого имеет место . Доказательство. В силу независимости СВ и свойств математического ожидания и дисперсии и , поэтому неравенство Чебышёва для СВ при произвольном имеет вид . Правая часть при увеличении n стремится к нулю, откуда следует справедливость утверждения теоремы. Замечание. Данная теорема подтверждает тот факт, что при большом числе независимых измерений СВ Х среднее арифметическое результатов измерений почти всегда лишь мало отличается от её математического ожидания. Действительно, если – случайные величины, соответствующие результатам n независимых измерений СВ Х, то они независимы и имеют тот же закон распределения и те же числовые характеристики, что и СВ Х, а значит, к ним применима теорема Чебышёва. Теорема Бернулли. Если в каждом из n независимых испытаний событие А появляется с одинаковой вероятностью р, то при неограниченном увеличении n частота сходится по вероятности к константе p, т.е. для любого имеет место . Доказательство. Обозначим через число появлений события А в i-м испытании. Очевидно, – дискретные СВ с возможными значениями 0 и 1, при этом , , . В силу независимости испытаний, СВ независимы, при этом , , и Применяя теорему Чебышёва к СВ , получим утверждение теоремы Бернулли. Замечание. Данная теорема подтверждает тот факт, что при большом числе независимых испытаний частота события почти всегда лишь мало отличается от его вероятности. |
Последнее изменение этой страницы: 2019-05-08; Просмотров: 185; Нарушение авторского права страницы