Студопедия
Случайная страница | ТОМ-1 | ТОМ-2 | ТОМ-3
АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатика
ИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханика
ОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторика
СоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансы
ХимияЧерчениеЭкологияЭкономикаЭлектроника

Теорема 4.3 (теорема Чебышева).

Читайте также:
  1. S231 П Сингл (Магнитное поле движущегося заряда, теорема о циркуляции)
  2. Гармонический анализ периодических процессов. Теорема Фурье. Гармонический спектр сигнала.
  3. Глава 1. Теоретические основы темы «Теорема Менелая и теорема Чевы ».
  4. Занятия 3-4. Тема: Теорема Чевы и ее следствия. Применение теоремы Чевы и теоремы Менелая к задачам на доказательство.
  5. Изучение темы «Теорема Менелая и теорема Чевы» в курсе геометрии 10 класса.
  6. Интегральная теорема Муавра-Лапласа
  7. Метод Гаусса. Теорема Кронекера-Капелли

Если – последовательность попарно независимых случайных величин, у каждого из которых есть математическое ожидание и дисперсия , причем дисперсии равномерно ограничены (не превышают постоянного числа C) то для любого положительного числа

. (4.5)

Доказательство. Последовательность равномерно ограничена, т.е. , что .

Рассмотрим случайную величину – среднее арифметическое случайных величин

.

Найдем математическое ожидание и дисперсию этой величины, используя соответствующие свойства: для математического ожидания – постоянный множитель можно вынести за знак математического ожидания, математическое ожидание суммы равно сумме математических ожиданий; для дисперсии – постоянный множитель можно вынести за знак дисперсии, возведя его в квадрат, дисперсия суммы независимых случайных величин равна сумме дисперсия слагаемых:

;

.

Таким образом, удовлетворяет всем требованиям для применения неравенства Чебышева, а значит, при имеем

или

.

Итак,

Пусть , тогда при . Отсюда

.

,

Следствие. Если - последовательность независимых случайных величин, математические ожидания каждой из которых равны , а дисперсии - , то имеют место следующие неравенство и формула

, (4.6)

и

. (4.7)

 

Отсюда видно, что среднее арифметическое значение величин , а это есть случайная величина, при большом числе как угодно мало отличается от постоянной величины .

Сущность доказанной теоремы Чебышева и следствия из этой теоремы такова: хотя отдельные независимые случайные величины могут принимать значения далекие от своих математических ожиданий, - среднее арифметическое достаточно большого числа случайных величин с большой вероятностью принимает значения, близкие к определенному постоянному числу, а именно к числу или к числу в частном случае. Иными словами, отдельные случайные величины могут иметь значительный разброс, а их среднее арифметическое рассеяно мало. Таким образом, нельзя уверенно предсказать, какое возможное значение примет каждая из случайных величин, но можно предвидеть какое значение примет их среднее арифметическое.

Итак, среднее арифметическое достаточно большого числа независимых случайных величин (дисперсия которых равномерно ограничены) утрачивает характер случайной величины. Объясняется это тем, что отклонение каждой из величин от своих математических ожиданий могут быть как положительными, так и отрицательными, а в среднем арифметическом они взаимно погашаются.

Теорема Чебышева справедлива не только для дискретных, но и для непрерывных случайных величин.

Доказанная теорема Чебышева и следствие из нее имеют большое практическое применение.

Обычно для измерения некоторой физической величины производят несколько измерений и их среднее арифметическое принимают в качестве искомого размера. При каких условиях этот способ измерения можно считать правильным? Ответ на этот вопрос дает теорема Чебышева (ее частный случай).

Действительно, рассмотрим результаты каждого измерения как случайные величины . К этим величинам можно применить теорему Чебышева, если: 1) они попарно независимы; 2) имеют одно и то же математическое ожидание; 3) дисперсии их равномерно ограничены.

Первое требование выполняется, если результат каждого измерения не зависит от результатов остальных.

Второе требование выполняется, если измерения произведены без систематических (одного знака) ошибок. В этом случае математическое ожидание всех случайных величин одинаковы и равны истинному размеру a.

Третье требование выполняется, если прибор обеспечивает определенную точность измерений. Хотя при этом результаты отдельных измерений различны, но рассеяние их ограниченно.

Если все указанные требования выполнены, то вправе применить к результатам измерений теорему Чебышева или следствие из нее. Среднее арифметическое значение результатов измерений с ростом приближается к истинному значению измеряемой величины . Поэтому можно положить

.

Однако ошибочно думать, что, увеличивая число измерений можно достичь сколь угодно большой точности. Дело в том, что сам прибор дает показания лишь с точностью ; поэтому каждый из результатов измерений, а, следовательно, и их среднее арифметическое, будут получены лишь с точностью, не превышающей точности прибора.

На теореме Чебышева основан широко применимый в статистике выборочный метод, суть которого состоит в том, что по сравнительно небольшой случайной выборке судят обо всей совокупности (генеральной совокупности) исследуемых объектов.

 

Пример 4.3. Сколько раз нужно измерить данную величину, истинное значение которой равно , чтобы с вероятностью, не меньшей, чем 0,95, можно было утверждать, что среднее арифметическое значение этих измерений отличается от по абсолютной величине меньше, чем на 3, если среднее квадратическое отклонение каждого из измерений меньше 12?

Решение. Пусть – результат i -го измерения. Из условия задачи следует, что . Поэтому

.

Найдем число n, при котором

.

Так как

где , то это неравенство, во всяком случае, будет выполняться, если

Отсюда

.

Итак, достаточно сделать 320 измерений данной величины.

,

 

Пусть производится независимых испытаний, в каждом из которых вероятность появления события равна . Можно ли предвидеть: какой будет относительная частота появлений события? Положительный ответ на этот вопрос дает теорема, доказанная Яковом Бернулли (опубликованная в 1713 г.), которая получила название «закона больших чисел» и положила начало теории вероятностей как науке. Доказательство Я. Бернулли было сложным; простое доказательство дано П.Л. Чебышевым в 1846 г. Сформулируем теорему Бернулли без доказательства.

 


Дата добавления: 2015-07-15; просмотров: 163 | Нарушение авторских прав


Читайте в этой же книге: Свойства дисперсии | Законы распределения ДСВ | Функции распределения НСВ | Свойства интегральной функции НСВ | Свойства дифференциальной функции НСВ | Числовые характеристики НСВ | Равномерное распределение | Показательное (экспоненциальное) распределение | Элементы теории надежности | Нормального распределения |
<== предыдущая страница | следующая страница ==>
Теорема 4.2 (неравенство Чебышева).| Теорема 4.4 (теорема Бернулли).

mybiblioteka.su - 2015-2024 год. (0.01 сек.)