8. Zákony velkých čísel

Podobné dokumenty
PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

jako konstanta nula. Obsahem centrálních limitních vět je tvrzení, že distribuční funkce i=1 X i konvergují za určitých

P. Girg. 23. listopadu 2012

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

Odhady parametrů základního. Ing. Michal Dorda, Ph.D.

U. Jestliže lineární zobrazení Df x n n

a další charakteristikou je četnost výběrového souboru n.

7 LIMITNÍ VĚTY. Čas ke studiu kapitoly: 70 minut. Cíl:

Odhady parametrů základního souboru. Ing. Michal Dorda, Ph.D.

procesy II Zuzana 1 Katedra pravděpodobnosti a matematické statistiky Univerzita Karlova v Praze

Náhodné jevy, jevové pole, pravděpodobnost

Testování statistických hypotéz

PRAVDĚPODOBNOST A STATISTIKA. Neparametrické testy hypotéz čast 2

je číselná posloupnost. Pro všechna n položme s n = ak. Posloupnost

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA

Masarykova univerzita Přírodovědecká fakulta

n=1 ( Re an ) 2 + ( Im a n ) 2 = 0 Im a n = Im a a n definujeme předpisem: n=1 N a n = a 1 + a a N. n=1

Definice obecné mocniny

ŘADY Jiří Bouchala a Petr Vodstrčil

PRAVDĚPODOBNOST A STATISTIKA

5. Posloupnosti a řady

12. N á h o d n ý v ý b ě r

MATEMATICKÁ INDUKCE. 1. Princip matematické indukce

Zformulujme PMI nyní přesně (v duchu výrokové logiky jiný kurz tohoto webu):

14. B o d o v é o d h a d y p a r a m e t r ů

6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna.

k(k + 1) = A k + B. s n = n 1 n + 1 = = 3. = ln 2 + ln. 2 + ln

Spojitost a limita funkcí jedné reálné proměnné

Odhad parametru p binomického rozdělení a test hypotézy o tomto parametru. Test hypotézy o parametru p binomického rozdělení

Optimalizace portfolia

Test dobré shody se používá nejčastěji pro ověřování těchto hypotéz:

6. Posloupnosti a jejich limity, řady

Přednáška 7, 14. listopadu 2014

PRAVDĚPODOBNOST A STATISTIKA

Posloupnosti a číselné řady. n + 1. n n n n. n n n. = lim. n2 sin n! lim. = 0, je lim. lim. lim. 1 + b + b b n) = 1 b

Mocninné řady - sbírka příkladů

4. B o d o v é o d h a d y p a r a m e t r ů

1. Úvod do základních pojmů teorie pravděpodobnosti

z možností, jak tuto veličinu charakterizovat, je určit součet

Generování dvojrozměrných rozdělení pomocí copulí

Znegujte následující výroky a rozhodněte, jestli platí výrok, nebo jeho negace:

3. Hodnocení přesnosti měření a vytyčování. Odchylky a tolerance ve výstavbě.

PRAVDĚPODOBNOST A STATISTIKA

12. Neparametrické hypotézy

Kapitola 4 Euklidovské prostory

PRAVDĚPODOBNOST A STATISTIKA. Náhodná proměnná vybraná rozdělení

Obsah. 1 Mocninné řady Definice a vlastnosti mocninných řad Rozvoj funkce do mocninné řady Aplikace mocninných řad...

Metody zkoumání závislosti numerických proměnných

1 Trochu o kritériích dělitelnosti

je konvergentní, právě když existuje číslo a R tak, že pro všechna přirozená <. Číslu a říkáme limita posloupnosti ( ) n n 1 n n n

je konvergentní, právě když existuje číslo a R tak, že pro všechna přirozená <. Číslu a říkáme limita posloupnosti ( ) n n 1 n n n

4.2 Elementární statistické zpracování Rozdělení četností

veličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou

FUNKCÍ JEDNÉ REÁLNÉ PROMĚNNÉ PRVNÍ DIFERENCIÁL

- metody, kterými lze z napozorovaných hodnot NV získat co nejlepší odhady neznámých parametrů jejího rozdělení.

Intervalové odhady parametrů některých rozdělení.

Výstup a n. Vstup. obrázek 1: Blokové schéma a graf paralelní soustavy

Tento odhad má rozptyl ( ) σ 2 /, kde σ 2 je rozptyl souboru, ze kterého výběr pochází. Má-li každý prvek i. σ 2 ( i. ( i

Přednáška č. 10 Analýza rozptylu při jednoduchém třídění

Spolehlivost a diagnostika

Téma 1: Pravděpodobnost

3. Charakteristiky a parametry náhodných veličin

a logaritmickou funkci a goniometrické funkce. 6.1 Násobení řad. Podívejme se neprve na násobení mnohočlenů x = x x n a y = y y n.

3. Lineární diferenciální rovnice úvod do teorie

Kapitola 1. Nekonečné číselné řady. Definice 1.1 Nechť {a n } n=1 je posloupnost reálných čísel. Symbol. a n nebo a 1 + a 2 + a

PRAVDĚPODOBNOST A STATISTIKA

NEPARAMETRICKÉ METODY

1 Uzavřená Gaussova rovina a její topologie

Při sledování a studiu vlastností náhodných výsledků poznáme charakter. podmínek různé výsledky. Ty odpovídají hodnotám jednotlivých realizací

Kapitola 5 - Matice (nad tělesem)

Odhady parametrů 1. Odhady parametrů

Náhodu bychom mohli definovat jako součet velkého počtu drobných nepoznaných vlivů.

Intervalové odhady parametrů

Odhady parametrů polohy a rozptýlení pro často se vyskytující rozdělení dat v laboratoři se vyčíslují podle následujících vztahů:

2. TEORIE PRAVDĚPODOBNOSTI

DERIVACE FUNKCÍ JEDNÉ REÁLNÉ PROM

Budeme pokračovat v nahrazování funkce f(x) v okolí bodu a polynomy, tj. hledat vhodné konstanty c n tak, aby bylo pro malá x a. = f (a), f(x) f(a)

n=0 a n, n=0 a n = ±. n=0 n=0 a n diverguje k ±, a píšeme n=0 n=0 b n = t. Pak je konvergentní i řada n=0 (a n + b n ) = s + t. n=0 k a n a platí n=0

S1P Popisná statistika. Popisná statistika. Libor Žák

V. Normální rozdělení

1. Základy měření neelektrických veličin

Číselné charakteristiky náhodných veličin

STEJNOMĚRNÁ KONVERGENCE POSLOUPNOSTI A ŘADY FUNKCÍ

Úvod do korelační a regresní analýzy

Univerzita Karlova v Praze Pedagogická fakulta

n 3 lim 3 1 = lim Je vidět, že posloupnost je neklesající, tedy z Leibnize řada konverguje, ( 1) k 1 k=1

Úloha III.S... limitní

Elementární úvod do vyšší algebry

11. Časové řady Pojem a klasifikace časových řad

NMAF063 Matematika pro fyziky III Zkoušková písemná práce 25. ledna x 1 n

Fakulta elektrotechniky a informatiky Statistika STATISTIKA

7. Odhady populačních průměrů a ostatních parametrů populace

8. Analýza rozptylu.

n-rozměrné normální rozdělení pravděpodobnosti

Matematika I, část II

Náhodný výběr 1. Náhodný výběr

1.1 Definice a základní pojmy

Matematická analýza I

Transkript:

8 Zákoy velkých čísel V této část budeme studovat velm často užívaá tvrzeí o součtech posloupost áhodých velč Nedříve budeme vyšetřovat tvrzeí azývaá souhrě ako slabé zákoy velkých čísel Veškeré úvahy sou praktcky zaměřeé, sažíme se aít odpověď a otázku po četost součtu áhodých velč, v matematcké statstce má četost výsledků velký výzam, proto ás tyto teoretcké četost tolk zaímaí udeme e zkoumat z pohledu slabé a slé kovergece áhodých velč 8 Slabé zákoy velkých čísel Defce 8 X e posloupost áhodých velč, pro která exstuí středí hodoty Nechť { } E Řekeme, že pro posloupost { } X X platí slabý záko velkých čísel, estlže S X E X 0 (8 V další část budeme hledat postačuící podmíky pro platost (8 Mohutým aparátem e ásleduící věta o stém typu erovost Věta 8 Čebyševova erovost Nechť X e áhodá velča, > 0 a 0 Nechť dále exstue E ( X E ( ( X X (8 Specelě pro hodotu a po úpravě e VAR( X ( X E( X (83 otom rovedeme ho pro případ spoté áhodé velčy, dskrétí případ poechávám studetům ředpokládeme tedy, že f e hustota áhodé velčy X otom E E ( X ( X + x f ( x dx x f ( x dx + x { x; x } { x; x < } x f ( x dx { x; x } { x; x } f ( x dx ( X f ( x dx Vztah (83 získáme dosazeím áhodé velčy X E(X za áhodou velču X a volbou do vztahu (8 QED Takto zformulovaou Čebyševovu erovost využeme dále pro formulac základích tvrzeí o postačuících podmíkách platost slabého zákoa velkých čísel

Věta 83 Čebyševova Nechť { X } e posloupost ezávslých áhodých velč, echť exstue kladé reálé číslo k > 0 takové, že pro všecha platí VAR( X k, potom pro posloupost { X } platí slabý záko velkých čísel oužeme ozačeí z defce 8 a verze Čebyševovy erovost (83, potom e VAR X ( S, (84 ale podle předpokladů sou áhodé velčy X ezávslé, tedy podle e VAR X VAR( X, (8 podle předpokladů věty sou všechy rozptyly omezeé číslem k, dosadíme tedy do (84 a máme : VAR X k k ( S (8 použeme l yí a (8 lmtí přechod získáme požadovaé tvrzeí QED ozameeme, že ve zěí věty emusíme požadovat ezávslost áhodých velč, stačí, aby áhodé velčy byly ekorelovaé vz, potom vztah (8 platí také V další větě budeme vyšetřovat skupu specálího druhu dskrétí áhodé velčy Věta 84 eroullova Nechť e áhodá velča, která se rová počtu případů, v chž př ezávslých pokusech astala stá událost A, přčemž (A p ( 0 < p < v každém pokuse otom p 0 (87 Náhodá velča uvedeá v této větě eí c ého ež bomcké rozděleí s parametry, p Náhodou velču mohu apsat ako X, kde X sou ezávslé áhodé velčy typu alteratví rozděleí vz Víme podle, že ( X p E a podle VAR( X p( p rotože hodota p (0;, platí podle Cauchyovy erovost p + ( p VAR( X p( p ( teto odhad lze samozřemě vylepšt, pro

aše účely ale postačue Tedy tím sou splěy předpoklady věty 83 a proto platí p p p 0 QED Věta 8 Markovova X splňue ásleduící tzv Markovovu podmíku lm VAR 0 X, (88 potom pro platí slabý záko velkých čísel Nechť posloupost áhodých velč { } Jestlže platí vztah (88, potom po úpravě (84 a lmtím přechodu získáme kladou odpověď a aše tvrzeí QED řrozeým zobecěím věty 84 e tvrzeí, v ěmž ebudeme požadovat splěí steých podmíek v edotlvých áhodých pokusech Věta 8 Nechť e áhodá velča, která se rová počtu případů, v chž př ezávslých pokusech astala událost A, přčemž v každém k tém pokusu e (A p k, kde 0 < p k < otom p 0 (89 robíhá steě ako ve větě 84, áhodá velča e součtem áhodých velč, které maí omezeé rozptyly apř kostatou Tedy protože platí předpoklady věty 83 platí slabý záko velkých čísel a posloupost áhodých velč, vyádřeím této platost e právě vztah (89 QED říklad 87 V tomto příkladě budeme lustrovat výklad asymptotckého chováí bomckého rozděleí Zvolíme klascký případ hodu kostkou ( očíslovaou postupě čísly,, 3, 4,, Jako ozačíme počet padlých ok rových a Ukážeme, že stě eplatí Nedříve s přpomeeme Strlgovu formul pro aproxmac hodoty!:! e ( + u, kdeu 0 (80

okud má platt musí platt oužeme l Strlgovu formul dostaeme: ( (!!(! 0 ( 3 ( ( ( + + v v e e e b okusíme se yí ověřt výpočtem platost slabého zákoa velkých čísel pro áš případ rotože de o bomcké rozděleí e možo odhadout hodotu pravděpodobost áhodého evu < pomocí Čebyševovy erovost Tedy 30 <, zvolíme l lbovolé kladé, pevé, potom předchozí výraz samozřemě kovergue k Tedy tím e dokázáa platost slabého zákoa velkých čísel pro teto případ

8 Slý záko velkých čísel V slabém zákou velkých čísel ede přímo o lmtí chováí áhodých velč, ale o lmtí chováí pravděpodobostí v okolí určtého bodu ( v ašem případě áhodých velč v okolí bodu Ze zkušeost e ale zámo, že hodota se skoro stě přblžue ezávsle a počátečích hodotách ke kostatí velčě ( v ašem případě víme, že e to hodota Věta 88 Kolmogorovova erovost Nechť X,, X sou ezávslé áhodé velčy, pro které exstue rozptyl otom pro lbovolé kladé > 0 platí : max S > ( VAR X, (8 kde e S ( X E( X Zvolme > 0 Důkaz provedeme pomocí pomocých áhodých velč Zřemě ES ( 0, pro,, Steě tak e VAR( S VAR( X ro,, defume pomocou áhodou velču, ( S < ( S <,( S p (8 0, v ostatích případech Zřemě dále platí : p max S a p 0 max S <, protože hodota p e rova edé e pro ede dex, pro ostatí musí být rova ule udeme yí počítat středí hodotu výše uvedeého součtu áhodých velč p E p max S + 0 max S < max S (83 odle defce áhodé velčy p e zřemé, že tato áhodá velča závsí e a prvích čleech { S } a a ostatích čleech této posloupost ro > sou áhodé velčy X E(X ezávslé a p S Dále pro,,- e E( p S ( S S E p S ( Xk E( Xk E( p S E ( Xk E( Xk 0 k+ k+, ro získáme E( p S ( S S 0 Dále e pro,, p S p Tedy celkem můžeme vypočítat : ( E( S E p S E p S + S ( S S + ( S S

E p ( S + S ( S S E( p S + E( p ( S S S E( p Ale E ( S VAR( X erovost QED + Spoeím posledí rovost a (83 získáme požadovaou Věta 89 Nechť { a } a { b } sou dvě posloupost reálých čísel, přčemž + a < 0 < b b b + otom a b 0 b Důkaz : oechávám čteář, pro ápovědu, de o tzv Kroekerovo lemma Věta 80 Nechť X sou ezávslé áhodé velčy, takové, že ( X E( X kovergue skoro stě Zavedeme opět ozačeí S ( X E( X + VAR( X <+ potom řada odle věty 88 e pro k Sk S lm max S Sk lm VAR( X k, (84 k k lmtím přechodem v (84 dostáváme Sk S 0, tedy posloupost S e cauchyovská skoro stě, odtud ž k vyplývá tvrzeí věty QED Věta 8 Kolmogorovovův slý záko velkých čísel Nechť { X } e posloupost ezávslých áhodých velč, pro které exstue koečý rozptyl Nechť dále 0 < b ç+ taková, že VAR( X <+ b otom

s ( ( X E X 0 (8 b Jestlže sou X ezávslé áhodé velčy, sou také X ( ( E X b ezávslé áhodé velčydále podle vlastost rozptylu X E X VAR( X VAR < b b, podle předchozí věty (80 e tedy řada X E( X b, skoro stě kovergetí K dokočeí důkazu použeme yí 89 X E( X, kde budeme volt za a a hodota posloupost b zůstae ezměěa b QED