На
Главную
ГДЗ:
Английский
язык Алгебра Геометрия Физика Химия Русский
язык Немецкий
язык
Подготовка к экзаменам (ЕГЭ) Программы и пособия Краткое содержание Онлайн учебники
Шпаргалки Рефераты Сочинения Энциклопедии Топики с переводами
Все темы:"Рефераты по Математике"
Центральная предельная теорема и ее доказательство через ряды Тейлора .
Прежде чем приступить к рассмотрению центральной предельной теоремы, я
считаю нужным сказать о слабой сходимости.
Пусть задана последовательность случайных величин (далее с. в.) ,
задано некоторое распределение с функцией распределения и
— произвольная с. в., имеющая распределение .
Определение.
Говорят, что последовательность с. в. при сходится слабо или по
распределению к с. в. и пишут: , или , или ,
если для любого такого, что функция распределения непрерывна в
точке , имеет место сходимость при .
Иначе говоря, слабая сходимость — это поточечная сходимость функций
распределения во всех точках непрерывности предельной функции
распределения.
Свойство 1.
Если , и функция распределения непрерывна в точках и ,
то
и т.д. (продолжить ряд).
Наоборот, если во всех точках и непрерывности функции
распределения имеет место, например, сходимость , то .
Следующее важное свойство уточняет отношения между сходимостями.
Свойство 2.
1. Если , то .
2. Если , то .
Свойство 3.
1. Если и , то .
2. Если и , то .
Несколько содержательных примеров слабой сходимости я рассмотрю ниже. Но
основной источник слабо сходящихся последовательностей и необычайно мощное
и универсальное средство для асимптотического анализа распределений сумм
независимых и одинаково распределенных случайных величин предоставляет нам
центральная предельная теорема.
Я буду называть следующее утверждение «ЦПТ Ляпунова» (А. М. Ляпунов: 1901),
но сформулирую и докажу теорему Ляпунова только в частном случае, т.е. для
последовательности независимых и одинаково распределенных случайных
величин.
Центральная предельная теорема.
Пусть — независимые и одинаково распределенные случайные величины с
конечной и ненулевой дисперсией: . Обозначим через сумму первых
случайных величин: .
Тогда последовательность случайных величин слабо сходится к
стандартному нормальному распределению.
Доказательство.
Пусть — последовательность независимых и одинаково распределенных
случайных величин с конечной и ненулевой дисперсией. Обозначим через
математическое ожидание и через — дисперсию .
Требуется доказать, что
Введем стандартизированные случайные величины — независимые с.в. с
нулевыми математическими ожиданиями и единичными дисперсиями. Пусть
есть их сумма . Требуется доказать, что
Характеристическая функция величины равна
Характеристическую функцию с.в. можно разложить в ряд Тейлора, в
коэффициентах которого использовать известные моменты , . Получим
Подставим это разложение, взятое в точке , в равенство и устремим
к бесконечности. Еще раз воспользуемся замечательным пределом:
В пределе получили характеристическую функцию стандартного нормального
закона. По теореме о непрерывном соответствии можно сделать вывод о слабой
сходимости :
распределений стандартизованных сумм к стандартному нормальному
распределению, что и утверждается в ЦПТ.
Пользуясь определением и свойствами слабой сходимости, и заметив, что
функция распределения любого нормального закона непрерывна всюду на
, утверждение ЦПТ можно сформулировать любым из следующих способов:
Следствие.
Пусть — независимые и одинаково распределенные случайные величины с
конечной и ненулевой дисперсией. Следующие утверждения эквивалентны друг
другу и равносильны утверждению ЦПТ.
. Для любых вещественных при имеет место сходимость
. Для любых вещественных при имеет место сходимость
. Для любых вещественных при имеет место сходимость
. Если — произвольная с. в. со стандартным нормальным
распределением, то
Следствием из ЦПТ является предельная теорема Муавра-Лапласа.
Предельная теорема Муавра — Лапласа.
Пусть — событие, которое может произойти в любом из независимых
испытаний с одной и той же вероятностью . Пусть — число
осуществлений события в испытаниях. Тогда .
Иначе говоря, для любых вещественных при имеет место сходимость
Доказательство.
По-прежнему есть сумма независимых, одинаково распределенных с. в.,
имеющих распределение Бернулли с параметром, равным вероятности успеха
:
Осталось воспользоваться ЦПТ.
Ниже я рассмотрю примеры использования ЦПТ.
Пример 1.
З а д а ч а. Монета подбрасывается 10000 раз. Оценить вероятность
того, что частота выпадения герба отличается от вероятности более чем на
одну сотую.
Р е ш е н и е. Требуется найти , где , — число выпадений
герба, а — независимые с. в., имеющие одно и то же распределение
Бернулли с параметром 1/2. Домножим обе части неравенства под знаком
вероятности на и поделим на корень из дисперсии одного
слагаемого.
Согласно ЦПТ или предельной теореме Муавра — Лапласа, последовательность
слабо сходится к стандартному нормальному распределению. Рассмотрим
произвольную с. в. , имеющую распределение .
Пример 2.
Прекрасным примером ЦПТ в экономике может служить ее использование в
страховом деле. В большинстве случаев конкретный вид распределения потерь
(размеров отдельных требований о выплате страховых сумм) не играет
существенной роли, поскольку сумма исков, предъявляемых страховщику
(величина суммарного иска), обычно зависит только от средней величины и
дисперсии убытка. Дело в том, что если количество страховых случаев
значительно превышает единицу, то в силу центральной предельной теоремы
распределение суммарного иска является нормальным распределением. Обозначив
его дисперсию как DZ, а математическое ожидание (среднее значение
суммарного иска) как =
- где , - среднее значение числа страховых случаев и величины
страховой выплаты, получаем следующее выражение для рисковой надбавки Тr:
Тr = [(Т0(()/(()](((DQ + 2(DN) 0.5
- где DQ и DN -дисперсии величины страховой выплаты и количества страховых
случаев.
В простейшем случае, когда все выплаты одинаковы (а, следовательно, их
дисперсия равна нулю), имеем:
Тr = (Т0(()/N0.5
Эта формула также дает неплохое приближение, если коэффициент вариации
уровня страховых выплат значительно меньше единицы.
При включении в страховой полис нескольких независимых рисков ожидаемая
величина страховых выплат в соответствии с теоремой о сложении вероятностей
представляет собой сумму ожидаемых страховых выплат по каждому риску в
отдельности, а рисковая надбавка вычисляется как среднеквадратичная
величина всех рисковых надбавок.