Файл: Васильков Д.А. Начала теории вероятностей учеб. пособие.pdf
ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 05.08.2024
Просмотров: 59
Скачиваний: 1
|
|
|
Б |
|
|
|
|
|
|
— Е |
|
|
|
2Л |
|
|
|
|
|
« е |
- |
^ |
pn(x)dx |
+ |
AA2 |
( |
^ |
Pn{x)dx |
+ |
^ |
Pn(x)dx^)< |
|
|||||
|
|
|
|
|
|
|
|
|
|
- 2 А |
|
|
|
|
|
|
|
|
|
|
< |
е * + |
4 Л 2 Р ( | А" - |
Х„\> |
в ) < Л . + |
JL = |
т , |
|
|
||||||||
Мы доказали, что |
Л',, (сред.) |
|
А'. |
|
|
|
|
|
|
|
||||||||
В заключение этого параграфа напомним читателю, что |
||||||||||||||||||
сходимость |
{А"л} |
по |
вероятности |
к |
|
А" не |
предъявляет к |
Хп |
||||||||||
и А никаких дополнительных требований, как-то |
существова |
|||||||||||||||||
ния математических ожиданий или моментов порядка т > |
1. |
|||||||||||||||||
Так, |
например, |
последовательность |
|
случайных |
величин |
Хп, |
||||||||||||
распределенных по закону Коши с |
плотностями |
вероятности |
||||||||||||||||
сходится по вероятности к их общей |
медиане m = а; |
в |
са |
|||||||||||||||
мом |
деле, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
а—е |
|
|
|
+оо |
|
|
|
|
|
|
|
Р ( | Л - „ - а | > е ) = |
|
J |
pn{x)dx+ |
|
J |
|
= |
|
|
|||||||
|
+оо |
|
|
|
|
|
|
—оо |
|
|
|
сс + е |
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
° 2 ^ S |
|
|
|
|
|
- 4 [ - г - » ^ М ] - о (.-»-) |
||||||||||||
при любом |
выборе е > |
0. |
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
§ |
43. Теорема Чебышева и ее обобщения |
|
|
|||||||||||||
Т е о р е м а Ч е б ы ш е в а . |
Пусть |
дана |
последовательность |
|||||||||||||||
попарно |
независимых |
случайных |
величин |
|
|
|
|
|||||||||||
|
|
|
|
|
|
Xi, Х2,. |
• . , Xк |
, . . . , |
|
|
|
(1) |
||||||
обладающих |
общим для |
|
них |
всех |
математическим |
ожида |
||||||||||||
нием |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ЩХЛ)=а |
|
|
|
(ft |
= 1 , 2 , . . . ) |
|
|
(2) |
||||
и равномерно |
ограниченными |
|
дисперсиями |
|
|
|
|
|||||||||||
|
|
|
|
|
D(Xk)<C2 |
|
|
|
( f t = l , |
2, ... ) . |
|
|
(3) |
|||||
Тогда |
последовательность |
|
средних |
|
арифметических |
|
|
|||||||||||
|
|
|
r „ = |
4 - ( A W |
••• |
hXn) |
|
( л = 1 , |
2, ... ) |
|
(4) |
|||||||
сходится |
в |
среднем, |
а |
следовательно, |
|
и по |
вероятности, |
к |
по |
|||||||||
стоянной |
а. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
В |
самом |
деле, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
М (Г„) = |
4~ |
Ё |
М (Хк) |
- |
|
- I" п а = ° |
|
|
(5) |
72
и в силу попарной |
независимости |
слагаемых |
|
|
||||
|
|
|
|
п |
|
|
|
|
|
D ( r „ ) = l S D W < i " C 2 = f |
|
(6) |
|||||
Отсюда следует, что |
|
|
|
|
|
|||
|
|
|
H m D ( r n ) = |
0. |
|
(7) |
||
Из (5) и (7) |
вытекает |
|
|
|
|
|
||
|
|
|
Уя(сред.)-+а; |
|
|
(8) |
||
согласно § 42 (8) влечет |
за собой |
соотношение |
|
|
||||
|
|
|
Уп{вер.)^а. |
|
|
(9) |
||
Вместо условия (2) можно допустить существование ма |
||||||||
тематических |
ожиданий |
ak = |
Ж(Хк), |
зависящих |
от k. При |
|||
|
|
|
|
|
|
я |
|
|
этом |
следует |
ввести |
' Хк |
— Xk |
— ak |
и Уп' = — 2^V = |
Yn ~ |
|
— Ап, |
где Ап |
= — |
Н |
1- а„); утверждение теоремы |
будет |
|||
состоять в том, что последовательность {У„ — А„] |
сходится в |
|||||||
среднем и по вероятности к нулю. |
|
|
|
Теорема Чебышева представляет собой одну из формули
ровок |
закона |
больших |
чисел. |
Так в теории |
вероятностей на |
|||||||
зывается |
группа |
теорем, |
утверждающих при тех или |
иных |
||||||||
условиях, |
налагаемых |
на |
случайные величины |
Xk |
(k=l, |
|||||||
|
|
|
|
|
|
|
|
|
|
|
n |
|
2,...), «близость» средних арифметических |
У„ — — |
2 |
|
|||||||||
(и = |
1, 2,...) |
к |
определенной |
константе (или к последова |
||||||||
тельности |
констант). |
|
|
|
|
|
|
|
|
|||
В качестве примера рассмотрим последовательность не |
||||||||||||
зависимых |
измерений |
некоторой |
физической |
константы |
а. |
|||||||
Пусть |
Х\, |
Х2,.-.,Хк |
— результаты |
первого, |
второго, k-ro |
и |
||||||
т. д. измерений. Допустим, что |
|
|
|
|
|
|
||||||
|
|
|
ЩХк) = а |
( / г = 1 , 2 , . . . ) ; |
|
|
|
|||||
это предположение означает, что все измерения |
свободны от |
|||||||||||
систематических |
ошибок. Далее предположим, что |
|
|
|||||||||
|
|
|
|
D № ) < C J |
( й = 1 , 2 , . . . ) . |
|
|
|
|
Смысл этого предположения состоит в том, что измерения могут иметь различную точность, но эта последняя не ниже некоторого определенного уровня. Теорема Чебышева, глася щая, что при этих условиях средние арифметические
J"n = 4 - ( * i + • • • + * « ) ( « = 1 , 2, ... )
сходятся (в среднем и по вероятности) к а, оправдывает на дежность среднего арифметического большого числа незави-
73
симых измерении в качестве экспериментального значения постоянной а.
Хотя сходимость Yn по вероятности к а есть более слабый результат по сравнению со сходимостью той лее последова тельности в среднем, он имеет большую принципиальную и
практическую |
ценность. |
Для |
экспериментатора |
соотношение |
||||
(9) означает, |
что, какое |
е > |
0 ни |
задать, если |
п достаточно |
|||
велико, |
то, |
замерив Х\, |
Х2,..., |
Хп |
и получив при этом зна |
|||
чения Х\ |
= |
х\, Х2 = х2,\ |
.., Х„ = хп, |
он |
с практической досто |
|||
верностью будет иметь неравенство |
|
|
|
|||||
|
|
|
— (•*!+•••+ *„) — а |
< е - |
|
|||
Отметим |
одно простое следствие теоремы Чебышева. Про |
изводится серия независимых испытаний, каждое из которых
может иметь исход |
А, имеющий постоянную |
вероятность р; |
Xk есть индикатор |
исхода А в k-м испытании: |
Xk принимает |
значение 1, если k-e испытание имеет исход А, в противном
случае Хк |
равно нулю. |
Как известно |
(см. § 40 |
задача |
1), |
|||
|
|
M W |
= P, |
V(Xk) |
= pq, |
|
|
|
где 9 = 1 |
— р. |
Применив к последовательности |
\Хк) |
теоре |
||||
му Чебышева, |
получим |
теорему |
Бернулли: частоты исхода А |
|||||
при п независимых |
испытаниях |
|
|
|
||||
|
|
Уп |
= |
|
±(Х1+--.+Х„) |
|
|
сходятся в среднем и по вероятности к р = Р(А) при п -»- оо. Обращаясь снова к доказательству теоремы Чебышева, мы замечаем (см. соотношения (6)), что условие (3) может быть несколько ослаблено. Сходимость в среднем последова
тельности [Yn] к а обеспечена, если
л
Ит 4 2 D ( * * ) = 0. |
(10) |
*=1
Таким образом, если случайные величины (1) попарно неза висимы и подчинены условиям (2) и (10), то справедливы со отношения (8), (9). Такая формулировка закона больших чи сел носит название теоремы Маркова. Заметим, что условие (10), более общее по сравнению с условием (3), труднее под дается проверке в конкретных случаях.
Простое условие, более общее, чем условие (3), было предложено Хинчиным:
Нш 2Ш = от |
(11) |
Проверим, что из условия (11) следует (10). Имея произ вольное е > 0, выберем такое К, чтобы при k > К выполня лось неравенство
D{Xk)<~k. |
(12) |
?4
Тогда для л > К будем иметь
П |
II |
ft=l ft=/l+l |
|
к |
|
где 5 = 2 D (**)• В силу |
(12) |
2 D |
+ 4" 2 & < 5 + ^ - 4" л ( я + ^ |
и |
|
± S D t f u < £ + - i - - K , + -i-)<v + -r-
Остается выбрать |
N > К так, чтобы при п> N выполня |
|
лось неравенство |
5 < |
и для таких значений п будем |
иметь |
|
|
§ 44. Коэффициент корреляции
Пусть X и У — случайные величины, обладающие момен тами второго порядка. Если а — М.(Х), 6 = М(У), то ковариацией Л" и У (см. § 37) называется число
M[(X-a)(Y-b)]; |
(1) |
иначе ковариация выражается в виде разности |
|
ЩХУ)—аЬ. |
(2) |
В том случае, когда X, У независимы, ковариация |
обращается |
в нуль (см. § 36). Следовательно, неравенство |
|
М(ЛТ) — аЬфО, |
(3) |
коль скоро оно имеет место, свидетельствует о зависимости
случайных величин Л" и У. |
|
|
меру |
|
|
Наша цель состоит в том, чтобы ввести |
некоторую |
||
зависимости двух случайных величин. Легко |
видеть, что ле |
|||
вая |
часть соотношения (3), т. е. сама ковариация, такой ме |
|||
рой |
служить не может, так как ее размерность |
равна произ |
||
ведению размерностей X и У, и, следовательно, |
числовое |
зна |
||
чение М(ХТ)—ab зависит от выбора единиц измерения |
слу |
|||
чайных величин А" и У. От этого недостатка |
свободна |
вели |
чина |
М[(Х-а)(У-Ь)] _ |
|
|
п _ |
1Л(ХУ)-аЬ |
„ |
|
*Х,У— |
я(Х)а (У) ~ |
о (А) а (У) • |
v*> |
76
называемая коэффициентом корреляции |
случайных |
величин |
|
X и У. |
|
|
|
Говорят, что X и У некоррелированы, |
если Rx.r |
— |
0. Та |
ким образом, X и У некоррелированы, |
в частности, |
тогда, |
когда они независимы. Обратное неверно: существуют пары зависимых, но некоррелированных случайных величин.
Заметим, что, введя нормированные случайные величины
мы сможем записать RX.Y В виде
Отсюда следует, что коэффициент корреляции |
инвариантен |
||||
относительно линейных- |
преобразований |
|
|
||
Xi = |
kX |
+ l, |
Yi^mY |
+ n |
(7) |
с положительными |
коэффициентами k |
и тп, так |
как норми |
ровка случайных величин (7) приводит к тем же величинам (5):
|
Л |
|
л |
л |
А |
|
|
X, |
= X, |
У, = |
У. |
|
|
Следовательно, |
|
|
|
|
|
|
Равенство |
|
^xv , к , = |
у • |
|
(8) |
|
(8) выполняется, |
в частности, при k = |
in = 1, |
||||
Z = —а, п = |
—Ъ. Таким |
образом, если |
|
|||
|
Х' = |
Х — a, |
Y' = |
Y—b, |
(9) |
|
то |
|
Rx\v |
xz= |
^Х, У ' |
|
|
т. е. центрирование случайных величин не влияет на коэф
фициент |
корреляции. |
|
|
|
и А2 из |
|
|
|
Коэффициентом |
корреляции |
событий |
некоторо |
|||||
го поля |
вероятностей |
(А, Р) |
называется |
коэффициент |
кор |
|||
реляции |
индикаторов Xi и Х2 этих событий |
(см. § 20). Таким |
||||||
образом, |
если |
|
|
|
|
|
|
|
Р(А1)=р1, |
qi = l — pi, |
Р(А2)=р2, |
<72 = |
1 — Р2, Р(Аи |
А2) |
=/?12, |
||
то |
|
|
|
Pis —Р1Р2 |
|
|
|
|
|
|
|
|
|
|
|
||
Корреляционной |
матрицей |
системы |
случайных |
величин |
||||
Х\,...,Х„ |
называется |
матрица |
|
|
|
|
|
г л1 г л 2 • • • тпп ,
76