teoria
Transkrypt
teoria
Mocne Prawo Wielkich Liczb, Centralne Twierdzenie Graniczne Definicja 1. Ciąg {Xn }n∈N zmiennych losowych jest zbieżny do zmiennej losowej X: a) prawie na pewno (prawie wszędzie, P -prawie wszędzie), jeżeli P ( lim Xn = X) = 1, n−→∞ p.n. P −p.w. p.w. ozn. Xn −→ X, Xn −→ X, Xn −→ X. b) według prawdopodobieństwa, jeżeli ∀ε>0 lim P (|Xn − X| > ε) = 0, n−→∞ lim P (|Xn − X| < ε) = 1 n−→∞ P ozn. Xn −→ X. c) według rozkładu (słabo zbieżny), jeżeli ciąg dystrybuant {FXn }n∈N jest zbieżny do dystrybuanty FX rozkładu zmiennej losowej X, przy n −→ ∞, w każdym punkcie ciągłości D d dystrybuanty granicznej FX . Ozn. Xn −→ X, Xn −→ X. Fakt 1. Zależności między rodzajami zbieżności zmiennych losowych są następujące: p.n. Xn −→ X =⇒ P Xn −→ X =⇒ D Xn −→ X. Fakt 2. Jeżeli ciąg {Xn }n∈N zbiega wg rozkładu do stałej, to zbiega również wg prawdopodobieństwa do tej samej stałej. D D D D Fakt 3. Jeżeli Xn −→ X i Yn −→ c, to Xn + Yn −→ X + c oraz Xn Yn −→ cX. Mocne Prawo Wielkich Liczb (MPWL) Niech X1 , X2 , . . . będzie ciągiem parami niezależnych zmiennych losowych o jednakowym rozkładzie. Jeżeli E|X1 | < ∞, to X1 + . . . + Xn n→∞ −→ EX1 , P -prawie wszędzie. n Centralne Twierdzenie Graniczne (CTG) Niech X1 , X2 , . . . będzie ciągiem niezależnych zmiennych losowych o jednakowym rozkładzie ze skończoną wartością oczekiwaną i skończoną, dodatnią wariancją. Wówczas X1 + . . . + Xn − nEX1 D √ −→ X ∼ N (0, 1). nV arX1 Wniosek (Twierdzenie de Moivre’a-Laplace’a) Niech Sn oznacza liczbę sukcesów w schemacie n prób Bernoullego z prawdopodobieństwem sukcesu w pojedynczym doświadczeniu równym p (zatem Sn ∼ B(n, p)). Jeżeli V arSn > 0, to dla q = 1 − p mamy Sn − np D −→ X ∼ N (0, 1), √ npq zatem Sn − np n→∞ P a≤ √ ≤ b −→ Φ(b) − Φ(a), npq gdzie Φ(t) jest dystrybuantą standardowego rozkładu normalnego.