chapter7 (Л.Н. Фадеева - Задачи по теории вероятностей с решениями (PDF))
Описание файла
Файл "chapter7" внутри архива находится в папке "Л.Н. Фадеева - Задачи по теории вероятностей с решениями (PDF)". PDF-файл из архива "Л.Н. Фадеева - Задачи по теории вероятностей с решениями (PDF)", который расположен в категории "". Всё это находится в предмете "теория вероятностей и математическая статистика" из 3 семестр, которые можно найти в файловом архиве МГУ им. Ломоносова. Не смотря на прямую связь этого архива с МГУ им. Ломоносова, его также можно найти и в других разделах. .
Просмотр PDF-файла онлайн
Текст из PDF
Глава 7. Закон больших чисел. Центральная предельная теорема.§ 1. Неравенство ЧебышеваПусть случайная величина имеет математическое ожидание М идисперсию D. Тогда для любого 0 справедливо неравенство Чебышева:DP ) 2 .Это неравенство часто используют в виде:DP ) 1 2Доказательство этих неравенств основывается на неравенстве Маркова:для любой случайной величины вероятность события непревосходит произведения частного 1 на математическое ожидание модуляслучайной величины, то есть Р()М. Справедливо и неравенствоКолмогорова: если 1,2,…,n независимые случайные величины имеют конечныедисперсии Di, то для любого 0 справедливо неравенство1 n1 n1М i ) 1 2 2 ( D 1 D 2 ...
D n ) .in i 1n i 1n Задача 1. В 400 испытаниях Бернулли вероятность успеха в каждом испытанииравна 0,8. С помощью неравенства Чебышева оценить вероятность того, чторазница между числом успехов в этих испытаниях и средним числом успехов непревысит 20.Решение. Число успехов в этих испытаниях распределено по закону Бернулли,поэтомусреднеечислоуспеховравноМ=np=400×0,8=320,аD=npq=400×0,8×0,2=64. Тогда в силу неравенства Чебышева имеем:D64P 320 20) 1 2 1 0,84.40020Вычислим эту же вероятность с помощью приближенной (интегральной)формулы Муавра-Лапласа (см. главу 4): np P 320 20) P np ) P npqnpqnpq 2 20 2 (2,5) 2 0,4938 0.9876 2 64 npq Последнее вычисление показывает, что неравенство Чебышева дает довольногрубые оценки вероятностей.P(§ 2.
Закон больших чиселПусть задана бесконечная последовательность независимых одинаковораспределенных случайных величин 1 , 2 ,..., n ,... , для которых существуютматематическое ожидание Mi a и дисперсия Di 2 . Тогда для любого >011 nlim P i a 0 .n n i 1Суть закона больших чисел состоит в том, что при возрастании числаслагаемых (т.е. одинаково распределенных случайных величин) среднееарифметическое этих слагаемых мало отличается от математического ожиданияa .
Любое отклонение среднего арифметического случайных величин от числа aпри достаточно большом числе слагаемых – маловероятно.Например. Пусть 1 , 2 ,...,i ,... – последовательность случайных величин,каждая из которых равна числу успехов в одном испытании Бернулли (т.е. 1 вслучае успеха и 0 – в случае неудачи). Закон распределения каждой такойслучайной величины имеет вид:i 0 1P q P1 nЗдесь Mi p и Di pq . Тогда среднее арифметическое х i равноn i 1частоте успехов в n испытаниях, и закон больших чисел утверждает, что этачастота успехов стремится к вероятности успеха p, если число слагаемых (т.е.число испытаний) стремится к бесконечности.§ 3.
Центральная предельная теорема (ЦПТ)Если 1 , 2 ,...,i ,... — независимые одинаково распределенные случайныевеличины, такие, что Mi a и Di 2 , i = 1, 2, ..., то для любоговещественного хxy2 1 2 ... n nà1lim P x e 2 dy ,n n2Смысл центральной предельной теоремы заключается в том, что суммаniслучайных величин при надлежащем «центрировании» и «нормировании» иi 1при увеличении числа слагаемых ( n ) ведет себя почти как стандартнораспределенная случайная величина. (Напомним, что называется стандартнораспределенной, если N (0,1) .)Например. Пусть 1 , 2 ,...,i ,... – последовательность случайных величин,удовлетворяющая условиям предыдущего примера.
В этом случае сумма1 2 ... n m есть число успехов в n испытаниях Бернулли. Из ЦПТследует, чтоb x2m np1lim P a b d e 2 dx (b) (a) ,n npq2где Ф( х ) 1хy22 e dy – функция Лапласа.2 0Тогда вероятность того, что число успехов будет заключено между m1 и m2равна2 m np m np m 2 np Ф m 2 np Ф m1 np P (m1 m m 2 ) P 1 npq npq npq npqnpq Этот результат называется интегральной теоремой Муавра–Лапласа ииспользуется при npq<9. Если р1 и npq 9 , для биномиального распределенияk используют пуассоновское приближениеP(m k ) e , np ,k!основанное на формуле Пуассона при р0, n, np.Задача 2.
В продукции цеха детали отличного качества составляют 50. Деталиукладываются в коробки по 200 шт. в каждой. Какова вероятность того, чточисло деталей отличного качества в коробке отличаться от 100 не более, чем на5?Решение. Пусть n - случайное число деталей отличного качества в коробке,1тогдаприn=200,pqполучим:25m np5P(95 m 105) P( ) Ф(0,71) Ф( 0,71) 0,5450npq50Задача 3.
Используя условия предыдущей задачи, указать в каких границах свероятностью 0,997 находится число деталей отличного качества в коробке. m npРешение. По таблицам при условии P t 0,997 находим t и npqследовательно, Sn лежит в пределах np 3 npq , т.е. число деталей отличногокачества в коробке с вероятностью 0,997 находится в пределах 100 21.Задача 4. Используя условия примера 1, определить, сколько деталей надоположить в коробку, чтобы с вероятностью, не меньшей 0,99, можно былоутверждать, что число деталей отличного качества в коробке не меньше 100.Решение. Необходимо найти n из условия Р (Sn 100) 0,99.
Используянормальное приближение, получаем m np 100 np 1 Ф 100 np 0,99 ,P (m 100) P npq npq npq 100 npи из таблиц получаем неравенство 2,3, откуда, полагая n x , приnpq1p q имеем х2-2,3х-2000, откуда получаем n240.2Задача 5. Известно, что процент брака для некоторой детали равен 0,5%.Контролер проверяет 1000 деталей. Какова вероятность обнаружить ровно 3бракованных детали? Какова вероятность обнаружить не меньше 3-хбракованных деталей?Решение.
Имеем 1000 испытаний Бернулли с вероятностью р=0,005 «успеха»,здесь npq5. Применяя пуассоновское приближение с = np = 5, получаем3P(m1000253 55 i 5 3) e , P(m1000 3) 1 P(m1000 3) 1 e3!i 0 i!и по таблицам находим: P(m1000 =3) 0,14,Р(m10003) 0,875.Задача 8. Телефонная станция обслуживает 2000 абонентов, в час пик каждыйабонент использует связь в среднем в течение 2 минут, т.е. мы считаем, что1абонент с вероятностью p использует связь. Какое наименьшее число линий30необходимо, чтобы только один из 100 вызовов получал отказ?Решение. Считая вызовы абонентов независимым, имеем 2000 испытаний1Бернулли с вероятностью "успеха" р= .
Надо найти число линий N из условия302000Р(m2000N) 0,01. Применяя приближение Пуассона с 66,67 , по30таблицам находим N87. При использовании нормального приближенияполучается, что достаточно 86 линий.Задачи для самостоятельного решенияТеоретические задачи.1. Пусть задана последовательность независимых случайных1 , 2 ,..., n ,... , имеющих следующий закон распределения:0n nnвеличинP 1/ n 1 2 / n 1/ nПрименим ли к этой последовательности закон больших чисел?2. Пусть задана последовательность независимых случайных1 , 2 ,..., n ,...
, имеющих следующий закон распределения:nn nP1/21/2Применим ли к этой последовательности закон больших чисел?величин3. Доказать закон больших чисел в «обобщенной форме»: пусть 1 , 2 ,..., n ,... –последовательностьслучайныхвеличин,укоторыхсуществуютматематические ожидания Mi и дисперсии D i , причем все дисперсииограничены одной константой C>0. Тогда для любого >01 n1 nlim P i M i 0 .n n i 1 n i 14.
Пусть случайная величина имеет нормальное распределение с параметрамиМ=а, D=2. Найти вероятности P| a | и P| a | 3 , пользуясьтаблицами функции Лапласа, оцените те же вероятности с помощьюнеравенства Чебышева.45. Пусть случайная величина имеет распределение Лапласа, т.е. ее плотность xравна f ( x) e , 0 . Найти М и D. Найти вероятности P| | и2P| | 3 и сравнить их с оценками, получаемыми с помощью неравенстваЧебышева.6. Будет ли выполнен закон больших чисел для последовательностинезависимых случайных величин 1, 2, ...
n , ... если111). P( n 2 n ) ,P( n 2 n ) ;22n ( 2 n 1)2). Р( n 2 ) 2,Р ( n 0) 1 2 2 n ,P ( n 2 n ) 2 ( 2 n 1) .7. Пусть некоторая величина а измеряется прибором без систематическойошибки, но со средним квадратическим отклонением . Это означает, чторезультат измерения можно считать случайной величиной с М=а, D=2.Какова вероятность при 100 измерениях получить для среднегоарифметического (из этих 100 измерений) отклонение от величины а более,чем на? Дать оценки этой вероятности с помощью неравенства Чебышева4и с помощью ЦПТ.8.
Пусть 1, 2, ... i, ... — независимые, одинаково распределенные случайныевеличины с функцией распределения F(x). Пусть задана случайная величина1, i x,.i 0, i x.Выполняется ли для последовательности 1,2, ... i, ... закон больших чисел?9. Пусть для последовательностей n и n случайных величин существуютчисла а и b такие, чтоlim P( n a ) 0,n lim P( n b ) 0 ,n длялюбого 0. Доказать, чтоа) lim P( n a , n b ) 1;n б) если f(x, у) непрерывна в точке (а, b), то для любого 0lim P( f ( n , n ) f (a , b) ) 1 .n 10.
Последовательности 1, , ... и 1, 2, ... случайных величин таковы, чтоlim P( n ) 1, 0 и существует функция распределения F(x), дляn каждой точки непрерывности которой выполняется соотношенияlim P( n x ) F ( x ) . Доказать, что для каждой точки непрерывности F(x)n справедливо равенство lim P( n n x ) F ( x ) .n 5Вычислительные задачи.11. Средний размер вклада в отделении банка равен 6000руб. Оценитьвероятность, что случайно взятый вклад не превысит 10000 руб.12. Среднее количество вызовов, поступающих на АТС завода в течение часа,равно 300.