Nella teoria della probabilità il La disuguaglianza di Chebyshev & teorema limite centrale si occupano delle situazioni in cui vogliamo trovare la distribuzione di probabilità della somma di un gran numero di variabili casuali in condizioni approssimativamente normali, Prima di guardare i teoremi limite vediamo alcune delle disuguaglianze, che fornisce i limiti per le probabilità se il si conoscono media e varianza.
La disuguaglianza di Markov
La disuguaglianza di Markov per la variabile casuale X che assume solo valore positivo per a>0 è
per dimostrare questo per a>0 considerare
Dal
ora prendendo le aspettative di questa disuguaglianza otteniamo
il motivo è
che dà la disuguaglianza di Markov per a>0 come
La disuguaglianza di Chebyshev
Per il finito media e varianza della variabile casuale X la disuguaglianza di Chebyshev per k>0 è
dove sigma e mu rappresentano la varianza e la media della variabile casuale, per dimostrarlo usiamo il La disuguaglianza di Markov come variabile casuale non negativa negative
per il valore di a come quadrato costante, quindi
questa equazione è equivalente a
come chiaramente
Esempi di disuguaglianze di Markov e Chebyshev:
- Se la produzione di un determinato articolo viene presa come variabile casuale per la settimana con media 50 , trova la probabilità di produzione superiore a 75 in una settimana e quale sarebbe la probabilità se la produzione di una settimana è compresa tra 40 e 60 fornita la varianza per quella la settimana è 25?
Soluzione: Consideriamo la variabile casuale X per la produzione dell'articolo per una settimana quindi per trovare la probabilità di produzione superiore a 75 useremo La disuguaglianza di Markov as
Ora useremo la probabilità per la produzione tra 40 e 60 con varianza 25 La disuguaglianza di Chebyshev as
so
questo mostra che la probabilità per la settimana se la produzione è compresa tra 40 e 60 è 3/4.
2. Mostra che il la disuguaglianza di Chebyshev che fornisce un limite superiore alla probabilità non è particolarmente vicino al valore effettivo della probabilità.
Soluzione:
Si consideri che la variabile casuale X è distribuita uniformemente con media 5 e varianza 25/3 sull'intervallo (0,1) quindi per la disuguaglianza di Chebyshev possiamo scrivere
ma la probabilità effettiva sarà
che è lontano dalla probabilità effettiva allo stesso modo se prendiamo la variabile casuale X come distribuita normalmente con media e varianza La disuguaglianza di Chebyshev sarà
ma la probabilità effettiva è
Legge debole dei grandi numeri
La legge debole per la successione delle variabili casuali sarà seguita dal risultato che La disuguaglianza di Chebyshev può essere utilizzato come strumento per le prove, ad esempio per dimostrare
se la varianza è zero cioè le uniche variabili casuali con varianze uguali a 0 sono quelle che sono costanti con probabilità 1 quindi per La disuguaglianza di Chebyshev per n maggiore o uguale a 1
as
per la continuità della probabilità
che prova il risultato.
per dimostrarlo assumiamo che anche la varianza sia finita per ogni variabile casuale nella sequenza, quindi l'aspettativa e la varianza
ora dal La disuguaglianza di Chebyshev il limite superiore della probabilità come
che per n tendente all'infinito sarà
Teorema del limite centrale
I teorema del limite centrale è uno dei risultati importanti nella teoria della probabilità in quanto dà la distribuzione alla somma di grandi numeri che è approssimativamente normale distribuzione oltre al metodo per trovare le probabilità approssimate per somme di variabili casuali indipendenti il teorema del limite centrale mostra anche le frequenze empiriche di tante popolazioni naturali mostrano curve normali a campana, Prima di dare la spiegazione dettagliata di questo teorema usiamo il risultato
“Se la sequenza di variabili casuali Z1,Z2,…. hanno la funzione di distribuzione e la funzione di generazione dei momenti come FZn e Mzn poi
Teorema del limite centrale: Per la sequenza di variabili casuali identicamente distribuite e indipendenti X1,X2,……. ciascuno dei quali avente la media μ e varianza σ2 quindi la distribuzione della somma
tende alla normale standard poiché n tende all'infinito perché a siano valori reali
Dimostrazione: Per dimostrare il risultato si consideri la media uguale a zero e la varianza uno ie μ=0 & σ2=1 e il funzione generatrice di momenti per Xi esiste e ha un valore finito quindi la funzione generatrice dei momenti per la variabile casuale Xi/√n sarà
e quindi la funzione generatrice dei momenti per la somma Xi/√n sarà
Prendiamo ora L(t)=logM(t)
so
per mostrare la prova che mostriamo per prima
mostrando la sua forma equivalente
da
quindi questo mostra il risultato per lo zero medio e la varianza 1, e questo stesso risultato segue per il caso generale anche prendendo
e per ogni a abbiamo
Esempio del teorema del limite centrale
Per calcolare la distanza in anni luce di una stella dal laboratorio di un astronomo, utilizza alcune tecniche di misurazione ma a causa del cambiamento dell'atmosfera ogni volta la distanza misurata non è esatta ma con qualche errore, quindi per trovare l'esatta distanza che intende raggiungere osservare continuamente in sequenza e la media di queste distanze come distanza stimata, Se si considerano i valori di misura identicamente distribuiti e variabile casuale indipendente con media d e varianza 4 anni luce, trovare il numero di misure da fare per ottenere l'errore 0.5 nel valore stimato ed effettivo?
Soluzione: Consideriamo le misurazioni come variabili casuali indipendenti nella sequenza X1,X2,…….Xn così dal Teorema del limite centrale possiamo scrivere
che è l'approssimazione in standard distribuzione normale quindi la probabilità sarà
quindi per ottenere la precisione della misurazione al 95% l'astronomo dovrebbe misurare n* distanze dove distance
quindi dalla normale tabella di distribuzione possiamo scriverlo come
che dice che la misurazione dovrebbe essere eseguita per il numero 62 di volte, questo può essere osservato anche con l'aiuto di La disuguaglianza di Chebyshev prendendo
quindi la disuguaglianza risulta in
quindi per n=16/0.05=320 che dà la certezza che ci sarà solo lo 5 percento di errore nella misurazione della distanza della stella dal laboratorio di osservazione.
2. Il numero di studenti ammessi al corso di ingegneria è Poisson distribuito con media 100, si è deciso che se gli studenti ammessi sono 120 o più l'insegnamento sarà in due sezioni altrimenti in una sola sezione, quale sarà la probabilità che si essere due sezioni per il corso?
Soluzione: Seguendo la distribuzione di Poisson la soluzione esatta sarà
che ovviamente non dà il particolare valore numerico, Se consideriamo la variabile casuale X come gli studenti ammessi allora dal by teorema del limite centrale
quale può essere
che è il valore numerico.
3. Calcolare la probabilità che la somma del lancio del dado dieci sia compresa tra 30 e 40 compresi 30 e 40?
Soluzione: qui considerando il dado come Xi per dieci valori di i. la media e la varianza saranno
così seguendo il teorema del limite centrale possiamo scrivere
che è la probabilità richiesta.
4. Per le variabili casuali indipendenti uniformemente distribuite Xi sull'intervallo (0,1) quale sarà l'approssimazione della probabilità
Soluzione: Dalla distribuzione Unifrom sappiamo che la media e la varianza saranno
Ora usando il teorema del limite centrale noi possiamo
quindi la sommatoria della variabile casuale sarà del 14%.
5. Trovare la probabilità che il valutatore dell'esame dia un voto sarà di 25 esami in partenza 450 min se ci sono 50 esami il cui tempo di valutazione è indipendente con media 20 min e deviazione standard 4 min.
Soluzione: considerare il tempo necessario per valutare l'esame in base alla variabile casuale Xi quindi la variabile casuale X sarà
poiché questo compito per l'esame 25 è entro 450 minuti quindi
qui usando il teorema del limite centrale
che è la probabilità richiesta.
Teorema del limite centrale per variabili casuali indipendenti
Per la sequenza che non è distribuita identicamente ma che ha variabili casuali indipendenti X1,X2,……. ciascuno dei quali avente media μ e varianza σ2 purché soddisfi
- ogni Xi è uniformemente limitato
- la somma delle varianze è infinita, allora
Legge forte dei grandi numeri
La legge forte dei grandi numeri è un concetto cruciale del teoria della probabilità che dice che la media della sequenza di variabili casuali comunemente distribuite con probabilità convergerà alla media di quella stessa distribuzione
dichiarazione: Per la sequenza di identico distribuito e variabili casuali indipendenti X1,X2,……. ciascuno dei quali avente la media finita con probabilità uno allora
Dimostrazione: Per dimostrare questo si consideri che la media di ciascuna delle variabili casuali è zero e la serie
ora per questo considera il potere di questo come
dopo aver preso lo sviluppo dei termini di destra si hanno i termini della forma
poiché questi sono indipendenti quindi la media di questi sarà
con l'aiuto della combinazione della coppia l'espansione della serie ora sarà
da
so
otteniamo
questo suggerisce la disuguaglianza
quindi
Per la convergenza della serie poiché la probabilità di ciascuna variabile casuale è uno così
da
se la media di ogni variabile casuale non è uguale a zero allora con deviazione e probabilità uno possiamo scriverla come
or
quale risultato richiesto.
Disuguaglianza di Chebyshev unilaterale
La disuguaglianza di Chebysheve unilaterale per la variabile casuale X con media zero e varianza finita se a>0 è
per dimostrarlo si consideri per b>0 sia la variabile casuale X come
che dà
quindi usando il La disuguaglianza di Markov
che dà la disuguaglianza richiesta. per la media e la varianza possiamo scriverla come
Questo ulteriore può essere scritto come
Esempio:
Trova il limite superiore della probabilità che la produzione dell'azienda distribuita casualmente sia almeno 120, se la produzione di questa determinata azienda ha media 100 e varianza 400.
Soluzione:
Usando un lato disuguaglianza di chebyshev
quindi questo dà la probabilità della produzione entro una settimana almeno 120 è 1/2, ora il limite per questa probabilità sarà ottenuto usando La disuguaglianza di Markov
che mostra il limite superiore della probabilità.
Esempio:
Cento paia sono prese da duecento persone che hanno cento uomini e cento donne trovano il limite superiore della probabilità che al massimo trenta paia siano costituiti da un uomo e una donna.
Soluzione:
Sia la variabile casuale Xi as
quindi la coppia può essere espressa come
Dal momento che ogni uomo può avere la stessa probabilità di essere accoppiato con le persone rimanenti in cui centinaia sono donne, quindi la media
allo stesso modo se i e j non sono uguali allora
as
quindi abbiamo
usando il disuguaglianza di chebyshev
che dice che la possibilità di accoppiare 30 uomini con donne è inferiore a sei, quindi possiamo migliorare il legame usando disuguaglianza di Chebyshev unilaterale
legato a Chernoff
Se la funzione generatrice dei momenti è già nota, allora
as
allo stesso modo possiamo scrivere per t<0 as
Quindi il limite di Chernoff può essere definito come
questa disuguaglianza rappresenta tutti i valori di t positivi o negativi.
Limiti di Chernoff per la variabile casuale normale standard
Il Chernoff si avvicina allo standard normale variabile casuale la cui funzione generatrice di momento
is
quindi minimizzando questa disuguaglianza e i termini di potenza del lato destro si ottiene a>0
e per a<0 è
Limiti di Chernoff per la variabile casuale di Poisson
I limiti di Chernoff per la variabile casuale di Poisson la cui funzione generatrice del momento
is
quindi minimizzando questa disuguaglianza e i termini di potenza del lato destro si ottiene a>0
e sarebbe
Esempio sui limiti di Chernoff
In una partita se un giocatore ha la stessa probabilità di vincere o perdere la partita indipendentemente da qualsiasi punteggio passato, trova il limite di chernoff per la probabilità
Soluzione: Sia Xi denota la vincita del giocatore allora la probabilità sarà
per la sequenza di n ascolti poniamo
quindi la funzione generatrice dei momenti sarà
qui usando le espansioni di termini esponenziali
così abbiamo
ora applicando la proprietà della funzione generatrice di momenti
Questo dà la disuguaglianza
quindi
Conclusione:
Sono state discusse le disuguaglianze e il teorema limite per i grandi numeri e sono stati presi anche gli esempi giustificabili per i limiti delle probabilità per avere un'idea dell'idea. Per dimostrare è stato utilizzato anche l'aiuto della variabile casuale normale, della variabile casuale di Poisson e della funzione generatrice dei momenti il concetto facilmente, se hai bisogno di ulteriori letture, consulta i libri seguenti o per ulteriori articoli sulla probabilità, segui il nostro Pagine di matematica.
Un primo corso di probabilità di Sheldon Ross
Schemi di probabilità e statistica di Schaum
Un'introduzione alla probabilità e alle statistiche di ROHATGI e SALEH
Sono il DR. Mohammed Mazhar Ul Haque. Ho completato il mio dottorato di ricerca. in Matematica e lavorando come professore assistente in Matematica. Avere 12 anni di esperienza nell'insegnamento. Avere vaste conoscenze in Matematica Pura, precisamente in Algebra. Avere l'immensa capacità di progettare e risolvere problemi. Capace di motivare i candidati a migliorare le loro prestazioni.
Adoro contribuire a Lambdageeks per rendere la matematica semplice, interessante e autoesplicativa sia per i principianti che per gli esperti.
Ciao amico lettore,
Siamo una piccola squadra alla Techiescience, che lavora duro tra i grandi player. Se ti piace quello che vedi, condividi i nostri contenuti sui social media. Il tuo supporto fa una grande differenza. Grazie!