Реферат Курсовая Конспект
Теорема Ляпунова - раздел Образование, Теоретические основы параметрических методов обработки экспериментальных данных В Природе, Как Известно, Широко Распространён Нормальный Закон Распределения....
|
В природе, как известно, широко распространён нормальный закон распределения. Практикой установлено, что этому закону подчиняются ошибки стрельбы и бомбометания, погрешности измерений, погрешности размеров деталей, изготавливаемых промышленными предприятиями, время безотказной работы многих устройств и т.д. Поэтому в процессе обработки экспериментальной информации часто выдвигается предположение о нормальном распределении исследуемой случайной величины. Однако иногда нормальный закон распределения применить нельзя. Ввиду этого необходимо точно знать, когда можно выдвинуть такое предположение и в каких случаях от него следует отказаться. Этому вопросу посвящена центральная предельная теорема и её разновидности (теоремы Ляпунова, Муавра-Лапласа).
Теорема. Если последовательность независимых случайных величин , ,…, удовлетворяет условию Ляпунова
,
где – третий абсолютный центральный момент, то последовательность случайных величин
сходится по распределению к случайной величине, имеющей нормальное распределение, т.е. существует предел
.
На практике часто пользуются случайными величинами, представляющими собой сумму независимых случайных величин:
.
Поскольку случайная величина связана со случайной величиной линейной зависимостью, то в пределе она также будет иметь нормальное распределение. Параметры данного распределения можно выразить с помощью теорем о числовых характеристиках:
Условие Ляпунова представляет собой требование малости слагаемых
в сумме
.
Таким образом, сущность центральной предельной теоремы состоит в следующем: закон распределения суммы независимых случайных величин при неограниченном увеличении числа слагаемых приближается к нормальному, если случайные величины, входящие в сумму, имеют дисперсию одного и того же порядка и конечные математические ожидания. Это означает, что удельный вес каждого слагаемого стремится к нулю при увеличении числа слагаемых.
В реальных условиях любое случайное отклонение от закономерного протекания основного явления вызывается бесчисленным множеством случайных факторов, каждый из которых обычно оказывает малое влияние на суммарное воздействие, и часто эти факторы независимы или слабо зависимы. Этим и объясняется широкое распространение нормального закона.
На практике теоремой Ляпунова пользуются и тогда, когда n сравнительно невелико. При суммировании непрерывных случайных величин, имеющих одинаковые симметричные законы распределения с одинаковыми числовыми характеристиками, эту теорему можно применять при n ³ 8. Если же суммируются случайные величины с различными несимметричными законами и различными числовыми характеристиками, то теоремой Ляпунова можно пользоваться только при числе слагаемых порядка сотни.
Практическое применение теоремы Ляпунова предполагает использование формул для определения вероятности попадания нормально распределённой случайной величины в интервал [a; b). В данном случае можно воспользоваться следующими формулами:
; (2.2.1)
, (2.2.2)
где
, (2.2.3)
(2.2.4)
называются функциями нормированного нормального распределения (т. е. распределения с параметрами = 0, ) или функциями Лапласа, они являются табличными (см. приложения 2 и 3).
Следует отметить, что формулами (2.2.1) и (2.2.2) можно пользоваться при выполнении условия
, (2.2.5)
где z принимает значение a или b. Это требование вызвано тем, что за пределами интервала
могут быть существенные ошибки.
П р и м е р 2.1. При обработке информации требуется сложить 1000 чисел, каждое из которых округлено с точностью до 0,01. Полагая, что ошибки округления подчинены равномерному закону распределения, найти вероятность того, что суммарная ошибка округления не превысит 0,2.
▼ Обозначим через , ошибку округления i-го числа, а через – суммарную ошибку округления (n = 1000).
Далее учитываем, что случайная величина, равномерно распределённая на интервале [a; b] имеет математическое ожидание и дисперсию, которые определяются по формулам
, .
Ошибки округления в данном случае распределены на интервале
[a; b] = [–0,005; 0,005],
следовательно,
, .
; ;
.
Условие (2.2.5) соблюдается, поэтому
Последнее равенство вытекает непосредственно из формулы (2.2.1), в нём учтено, что функция Ф0(x) является нечётной.
▲
– Конец работы –
Эта тема принадлежит разделу:
На сайте allrefs.net читайте: "Теоретические основы параметрических методов обработки экспериментальных данных"
Если Вам нужно дополнительный материал на эту тему, или Вы не нашли то, что искали, рекомендуем воспользоваться поиском по нашей базе работ: Теорема Ляпунова
Если этот материал оказался полезным ля Вас, Вы можете сохранить его на свою страничку в социальных сетях:
Твитнуть |
Новости и инфо для студентов