Сходимость последовательностей случайных величин
Зададимся некоторым значением и вычислим вероятность того, что величина X отклонится от своего математического ожидания не меньше чем на: Заменим под знаком суммы выражение через. Так как для всех членов суммы, то от такой замены сумма тоже может только уменьшиться; значит. Где запись под знаком суммы означает, что суммирование распространяется на все те значения i, для которых точки лежат вне… Читать ещё >
Сходимость последовательностей случайных величин (реферат, курсовая, диплом, контрольная)
случайный математический вероятность число Пусть на вероятностном пространстве определены случайные величины со значениями .
Определение 1. Последовательность сходится по вероятности (п.в) к величине X, если.
9.1.1).
Обозначим сходимость к X по вероятности символом .
Определение 2. Последовательность сходится к X почти наверное (п.н) (с вероятностью единица), если.
(9.1.2).
Обозначим эту сходимость символом .
Определение 3. Говорят, последовательностьсходится к X в среднеквадратическом (с.к.), если.
Обозначим эту сходимость символом .
Определение 4. Последовательность сходится к X по распределению (п.р) с обозначением, если.
(9.1.4).
Здесь Fn, Fфункции распределения Xn и X, причем сходимость {Fn} к F подразумевается для всех x, за исключением, может быть, точек разрыва F.
Сходимости {Xn} к X, введенные определениями 1−4, связаны между собою отношениями, показанными на рис. 9.1.1.
Закон больших чисел
Рассмотрим ряд теорем, образующих группу теорем закона больших чисел. В качестве леммы необходимой для доказательства теорем докажем важное общее неравенство, известное под названием неравенства Чебышева.
Неравенство Чебышева.
Пусть имеется случайная величина X с математическим ожиданием тх и дисперсией Dx. Неравенство Чебышева утверждает, что, каково бы ни было положительное число, вероятность того, что величина X отклонится от своего математического ожидания не меньше чем на, ограничена сверху величиной —:
(9.2.1).
Доказательство. 1. Пусть величина X дискретная, с рядом распределения:
… |
… |
Изобразим возможные значения величины X и ее математическое ожидание тх в виде точек на числовой оси Ох (рис. 9.2.1).
Зададимся некоторым значением и вычислим вероятность того, что величина X отклонится от своего математического ожидания не меньше чем на :
(9.2.2).
Для этого отложим от точки тх вправо и влево по отрезку длиной а; получим отрезок АВ. Вероятность (9.2.1) есть не что иное,.
как вероятность того, что случайная точка X попадет не внутрь отрезка АВ, а вовне его:
Для того чтобы найти эту вероятность, нужно просуммировать вероятности всех тех значении xi, которые лежат вне отрезка АВ. Это мы запишем следующим образом:
(9.2.3).
где запись под знаком суммы означает, что суммирование распространяется на все те значения i, для которых точки лежат вне отрезка АВ.
С другой стороны, напишем выражение дисперсии величины X. По определению:
(9.2.4).
Так как все члены суммы (9.2.4) неотрицательны, она может только уменьшиться, если мы распространим ее не на все значения xi, а только на некоторые, в частности на те, которые лежат вне отрезка АВ:
(9.2.5).
Заменим под знаком суммы выражение через. Так как для всех членов суммы, то от такой замены сумма тоже может только уменьшиться; значит.
(9.2.6).
Но согласно формуле (9.2.3) сумма, стоящая в правой части (9.2.6). есть не что иное, как вероятность попадания случайной точки вовне отрезка АВ; следовательно,.
откуда непосредственно вытекает доказываемое неравенство.
2. В случае, когда величина X непрерывна, доказательство проводится аналогичным образом с заменой вероятностей pi элементам вероятности, а конечных сумм — интегралами. Действительно,.
где f (x) — плотность распределения величины X. Далее, имеем:
где знак под интегралом означает, что интегрирование распространяется на внешнюю часть отрезка АВ.
Заменяя под знаком интеграла через, получим:
откуда и вытекает неравенство Чебышева для непрерывных величия.
Теорема Чебышева.
Пусть последовательность независимых случайных величин, имеющих одинаковые и. Тогда при их среднее арифметическое сходится по вероятности к их математическому ожиданию, то есть.
Доказательство. Выше было показано, что величина.
имеет числовые характеристики.
Применим к случайной величине Y неравенство Чебышева:
Как бы мало ни было число, можно взять п таким большим, чтобы выполнялось неравенство.
где — сколь угодно малое число. Тогда.
откуда, переходя к противоположному событию, имеем:
эквивалентно.
что и требовалось доказать.
Обобщенная теорема Чебышева.
Теорема Чебышева легко может быть обобщена на более сложный случай. Обобщенная теорема Чебышева формулируется следующим образом. Если независимые случайные величины с математическими ожиданиями и дисперсиями и если все дисперсии ограничены сверху одним и тем же числом L:
то при возрастании п среднее арифметическое наблюденных значений величин сходится по вероятности к среднему арифметическому их математических ожиданий. Запишем эту теорему в виде формулы. Пусть — сколь угодно малые положительные числа. Тогда при достаточно большом n.
Доказательство. Рассмотрим величину.
Ее математическое ожидание равно:
а дисперсия.
Применим к величине Y неравенство Чебышева:
или.
(9.2.7).
Заменим в правой части неравенства (9.2.7) каждую из величин большей величиной L. Тогда неравенство только усилится:
Как бы мало ни было, можно выбрать п настолько большим, чтобы выполнялось неравенство.
.
откуда, переходя к противоположному событию, получим доказываемое неравенство.
Теорема Маркова.
Закон больших чисел может быть распространен и на зависимые случайные величины. Обобщение закона больших чисел на случай зависимых случайных величин принадлежит А. А. Маркову.
Теорема. Если имеются зависимые случайные величины и если при.
.
то среднее арифметическое случайных величин сходится по вероятности к среднему арифметическому их математических ожиданий.
Доказательство. Рассмотрим величину.
. Очевидно, .
Применим к величине Y неравенство Чебышева:
Так как по условию теоремы при, то при достаточно большом п.
или, переходя к противоположному событию,.