Wykład 13: Zbieżność według rozkładu. Centralne twierdzenie graniczne.

Podobne dokumenty
Wykład 8: Zbieżność według rozkładu. Centralne twierdzenie graniczne.

Twierdzenia graniczne:

ZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE

Niezależność zmiennych, funkcje i charakterystyki wektora losowego, centralne twierdzenia graniczne

Wykład 9: Różne rodzaje zbieżności ciągów zmiennych losowych. Prawa wielkich liczb.

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja

5 Twierdzenia graniczne

Prawdopodobieństwo i statystyka

STATYSTKA I ANALIZA DANYCH LAB II

WYKŁAD 1. Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady

P ( i I A i) = i I P (A i) dla parami rozłącznych zbiorów A i. F ( ) = lim t F (t) = 0, F (+ ) = lim t + F (t) = 1.

1 Twierdzenia o granicznym przejściu pod znakiem całki

Lista 5. Odp. 1. xf(x)dx = xdx = 1 2 E [X] = 1. Pr(X > 3/4) E [X] 3/4 = 2 3. Zadanie 3. Zmienne losowe X i (i = 1, 2, 3, 4) są niezależne o tym samym

Podstawowe rozkłady zmiennych losowych typu dyskretnego

I kolokwium z Analizy Matematycznej

Statystyka matematyczna. Wykład II. Estymacja punktowa

16 Przedziały ufności

PRZEDZIAŁY UFNOŚCI. Niech θ - nieznany parametr rozkładu cechy X. Niech α będzie liczbą z przedziału (0, 1).

X i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2.

Model ciągły wyceny opcji Blacka Scholesa - Mertona. Wzór Blacka - Scholesa na wycenę opcji europejskiej.

Lista 6. Estymacja punktowa

Modele zmienności aktywów ryzykownych. Model multiplikatywny Rozkład logarytmiczno-normalny Parametry siatki dwumianowej

Komputerowa analiza danych doświadczalnych

Estymacja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 7

Statystyka Matematyczna. Skrypt. Spis treści. SKN Matematyki Stosowanej. s k n. m s 23 kwietnia Oznaczenia i definicje 3

a 1, a 2, a 3,..., a n,...

Komputerowa analiza danych doświadczalnych

Zadanie 3. ( ) Udowodnij, że jeśli (X n, F n ) jest martyngałem, to. X i > t) E X n. . t. P(sup

STATYSTYKA MATEMATYCZNA

będą niezależnymi zmiennymi losowymi z rozkładu jednostajnego na przedziale ( 0,

0.1 Statystyczne Podstawy Modelu Regresji

1 Układy równań liniowych

Rozkład normalny (Gaussa)

Zadania z analizy matematycznej - sem. I Szeregi liczbowe

Stwierdzenie 1. Jeżeli ciąg ma granicę, to jest ona określona jednoznacznie (żaden ciąg nie może mieć dwóch różnych granic).

Rozkłady statystyk z próby Twierdzenia graniczne

θx θ 1, dla 0 < x < 1, 0, poza tym,

Wykład z Rachunku Prawdopodobieństwa II

1 Dwuwymiarowa zmienna losowa

Komputerowa analiza danych doświadczalnych

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej

O nauczaniu oceny niepewności standardowej

Wykład 12: Sumowanie niezależnych zmiennych losowych i jego związek ze splotem gęstości i transformatami Laplace a i Fouriera. Prawo wielkich liczb.

Wokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych

Matematyka ubezpieczeń majątkowych r.

STATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2

Statystyka Matematyczna. Skrypt. Spis treści. SKN Matematyki Stosowanej. s k n. m s 11 czerwca Oznaczenia i definicje 4

n n X n = σ σ = n n n Ponieważ zmienna losowa standaryzowana ma rozkład normalny N(0, 1), więc

Analiza numeryczna Kurs INP002009W. Wykład 1 Narzędzia matematyczne. Karol Tarnowski A-1 p.223

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w

Ciągi liczbowe wykład 3

Estymacja: Punktowa (ocena, błędy szacunku) Przedziałowa (przedział ufności)

3. Funkcje elementarne

zadań z pierwszej klasówki, 10 listopada 2016 r. zestaw A 2a n 9 = 3(a n 2) 2a n 9 = 3 (a n ) jest i ograniczony. Jest wiec a n 12 2a n 9 = g 12

STATYSTYKA MATEMATYCZNA. WYKŁAD 0 (powt. wiadomości z r. p-stwa)

Jarosław Wróblewski Analiza Matematyczna A1, zima 2011/12. Kresy zbiorów. x Z M R

Szeregi liczbowe. Szeregi potęgowe i trygonometryczne.

Wzór Taylora. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski

Prawdopodobieństwo i statystyka r.

Rekursja 2. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak

Estymacja przedziałowa

Zdarzenia losowe, definicja prawdopodobieństwa, zmienne losowe

+ ln = + ln n + 1 ln(n)

2. Nieskończone ciągi liczbowe

Trochę zadań kombinatorycznych. 1. na ile sposobów można siedmiu stojących na peronie pasażerów umieścić w trzech wagonach?

Jarosław Wróblewski Analiza Matematyczna 2 (LUX), lato 2017/18. a n n = 10.

40:5. 40:5 = υ5 5p 40, 40:5 = p 40.

Wykład 11 ( ). Przedziały ufności dla średniej

Metody badania zbieżności/rozbieżności ciągów liczbowych

Zestaw zadań do skryptu z Teorii miary i całki. Katarzyna Lubnauer Hanna Podsędkowska

Funkcja wykładnicza i logarytm

P = 27, 8 27, 9 27 ). Przechodząc do granicy otrzymamy lim P(Y n > Y n+1 ) = P(Z 1 0 > Z 2 X 2 X 1 = 0)π 0 + P(Z 1 1 > Z 2 X 2 X 1 = 1)π 1 +

Matematyka ETId I.Gorgol Twierdzenia o granicach ciagów. Twierdzenia o granicach ciagów

Kurs Prawdopodobieństwo Wzory

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA

Damian Doroba. Ciągi. 1. Pierwsza z granic powinna wydawać się oczywista. Jako przykład może służyć: lim n = lim n 1 2 = lim.

Operatory zwarte Lemat. Jeśli T jest odwzorowaniem całkowym na przestrzeni Hilberta X = L 2 (Ω) z jądrem k L 2 (M M)

RÓWNANIA RÓŻNICZKOWE WYKŁAD 11

Prawa wielkich liczb, centralne twierdzenia graniczne

Zadanie 2 Niech,,, będą niezależnymi zmiennymi losowymi o identycznym rozkładzie,.

Komputerowa analiza danych doświadczalnych

Matematyka ubezpieczeń majątkowych r. Zadanie 1. Rozważamy proces nadwyżki ubezpieczyciela z czasem dyskretnym postaci: n

Ćwiczenie nr 14. Porównanie doświadczalnego rozkładu liczby zliczeń w zadanym przedziale czasu z rozkładem Poissona

Komputerowa analiza danych doświadczalnych

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y

Sprawdzamy, czy błędy są losowo rozrzucone wokół zera i nie obserwujemy wśród nich żadnego trendu.

0.1 ROZKŁADY WYBRANYCH STATYSTYK

Metody statystyczne w naukach biologicznych

z przedziału 0,1. Rozważmy trzy zmienne losowe:..., gdzie X

Liczebnośd (w tys.) n

Rachunek prawdopodobieństwa MAP1151 Wydział Elektroniki, rok akad. 2011/12, sem. letni Wykładowca: dr hab. A. Jurlewicz

są niezależnymi zmiennymi losowymi o jednakowym rozkładzie Poissona z wartością oczekiwaną λ równą 10. Obliczyć v = var( X

Rozkład normalny (Gaussa)

Analiza matematyczna. Robert Rałowski

Rozkład normalny (Gaussa)

1 Zmienne losowe. Własności dystrybuanty F (x) = P (X < x): F1. 0 F (x) 1 dla każdego x R, F2. lim F (x) = 0 oraz lim F (x) = 1,

Rachunek różniczkowy funkcji wielu zmiennych

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2012/13. Ciągi.

Transkrypt:

Rachuek prawopoobieństwa MA064 Wyział Elektroiki, rok aka 2008/09, sem leti Wykłaowca: r hab A Jurlewicz Wykła 3: Zbieżość weług rozkłau Cetrale twierzeie graicze Zbieżości ciągu zmieych losowych weług rozkłau Defiicja Niech X ma rozkła o ystrybuacie F (x), a X - rozkła o ystrybuacie F (x) Ciąg zmieych losowych X, X 2, jest zbieży weług rozkłau (i słabo zbieży) o zmieej losowej X, jeżeli F (x) F (x) la każego takiego x, w którym F (x) jest ciągła Ozaczeie: X Fakt (a) Jeżeli X (b) Gy X X, F X, to X F X X, gzie (X = a) = la pewej stałej a, to X (c) Jeżeli X z pr X, to X X X Twierzeie Lévy ego Niech zmiee losowe X, X mają rozkłay o fukcjach charakterystyczych opowieio ϕ (t), ϕ(t) Jeżeli X X, to ϕ (t) ϕ(t) la każego t 2 Niech X ma rozkła o fukcji charakterystyczej ϕ (t) Jeżeli ϕ (t) ϕ(t) la każego t i graicza fukcja ϕ(t) jest ciągła w t = 0, to ϕ(t) jest fukcją charakterystyczą pewej zmieej losowej X oraz X X Uwaga: W zbieżościach z prawopoobieństwem, stochastyczej, w przestrzei L r graicza zmiea losowa X jest określoa z prawopoobieństwem, tz jeżeli X i X są graicami ciągu X, to (X = X ) = W zbieżości słabej określoy jest tylko rozkła graiczy aego ciagu i każa zmiea losowa X o takim rozkłazie może reprezetować słabą graicę tego ciągu

rzykła Niech (X = ) = (X = ) = 05 oraz iech X + = X 0, gy x, Mamy F (x) = F (x) = 05, gy < x,, gy x > Zatem X X, gzie X ma taki rozkła jak X F (x) la każego x Jeocześie ciąg (X ) ie jest zbieży z prawopoobieństwem, bo przy ustaloym ω ciąg X (ω) albo ma postać ( ) albo ( ) +, a są to ciągi rozbieże Ciąg (X ) ie jest też zbieży stochastyczie Jeżeli bowiem założymy, że X X, to graica X musi mieć rozkła taki jak X Wtey la ɛ < 2 mamy a = ( X X ɛ) = (X =, X = ) + (X =, X = ) oraz a + = ( X + X ɛ) = (X + =, X = ) + (X + =, X = ) = = (X =, X = ) + (X =, X = ) = a, tak że ciąg a spełiając rówaie rekurecyje a + = a, o ile ma graicę, to graicę rówą /2 W kosekwecji, ( X X ɛ) ie może zbiegać o 0, co sprzecze jest z założeiem rzykła 2 Niech zmiea losowa Y ma rozkła oissoa (a ) la pewego a > 0, a Zefiiujmy X = Y a a Jaka jest graica weług rozkłau ciągu (X )? Zastosujemy twlévy ego Mamy ϕ Y (t) = e a(eit ), a stą ϕ X (t) = Ee it(y a)/ a = e a(eit/ a ) it a oieważ a (e it/ a ) it a = a + it + ( ) 2 ( ) it + o a 2 a a = 2 t2 + o ( a ) a 2 t2 Stą ϕ X (t) ϕ(t) = e 2 t2 it = a Graica ϕ(t) jest ciągła w 0 i jest to fukcja charakterystycza zmieej losowej X o rozkłazie ormalym N (0, ) Z tw Lévy ego otrzymujemy zatem, że X X, gzie X ma rozkła ormaly N (0, ) 2

Twierzeie e Moivre a-laplace a Cetrale twierzeie graicze ( ) S Z WL Beroulliego wiemy, że p > ɛ 0 la owolego ɛ > 0, gzie S to ilość sukcesów w próbach Beroulliego z prawopoobieństwem sukcesu p ytaie: ( ) S Jaka jest szybkość zbieżości, tz la jakiego mamy p > ɛ < δ, gzie δ > 0 jest ustaloe? Iymi słowy, la jakiego prawopoobieństwo, że popełimy błą rzęu ɛ przyjmując częstość otrzymaą z prób jako prawopoobieństwo sukcesu p, było małe rzęu δ? Twierzeie e Moivre a-laplace a (XVIII w) Niech S bęzie liczbą sukcesów w próbach Beroulliego z prawopoobieństwem sukcesu p Wtey S p = S ES Y D2 S gzie Y ma staarowy rozkła ormaly N (0, ) Iaczej mówiąc, la owolego x R S p < x Φ(x) gzie Φ(x) = x e t2 2 t to ystrybuata staarowego rozkłau ormalego N (0, ) Uwaga: Twierzeie e Moivre a-laplace a mówi o tym, że liczba sukcesów w próbach Beroulliego z prawopoobieństwem sukcesu p po staaryzacji (tz uormowaiu o zmieej losowej o śreiej 0 i wariacji ) ąży weług rozkłau o staarowego rozkłau ormalego, gy Zatem la użych liczba sukcesów w próbach Beroulliego z prawopoobieństwem sukcesu p ma asymptotyczie rozkła ormaly N (p, ) Rówoważie, częstość występowaia sukcesów S ( ) ma asymptotyczie rozkła ormaly N p, p( p) Oszacowaie okłaości przybliżeia w twierzeiu e Moivre a-laplace a: sup x R la pewej stałej C < 0, 8 S p < x Φ(x) C p2 + ( p) 2 3

Zastosowaie twierzeia e Moivre a-laplace a Oszacowaie prawopoobieństwa błęu w WL Beroulliego: ( ) S p S > ɛ = p > ɛ 2 Φ ɛ p( p) la ostateczie użych Błą oszacowaia ie przekracza, 6 p2 + ( p) 2 2 rzybliżoy sposób obliczaia (S < k) Z twierzeia e Moivre a-laplace a moża w przybliżoy sposób szybko obliczyć prawopoobieństwa wystąpieia k sukcesów w próbach Beroulliego la użych i p z wętrza przeziału (0, ), oległych o 0 i o (S < k) = (S < k 0, 5) k 0, 5 p Φ (S k) = (S < k + 0, 5) k + 0, 5 p Φ (S k) = (S > k 0, 5) k 0, 5 p Φ (S > k) = (S > k + 0, 5) k + 0, 5 p Φ z błęem, który ie przekracza 0, 8(p2 + ( p) 2 ) k + 0, 5 p k 0, 5 p (S = k) = (k 0, 5 < S < k + 0, 5) Φ Φ z błęem, który ie przekracza, 6(p2 + ( p) 2 ) rzykłay o za 2 4

Cetrale Twierzeie Graicze WL Beroulliego (tw Borela) to szczególy przypaek WL la ciągu iezależych zmieych losowych o jeakowym rozkłazie o skończoej śreiej (gy rozkła te jest zerojeykowy B(, p)) oobie, twierzeie e Moivre a-laplace a jest szczególym przypakiem ogóliejszego Cetralego Twierzeia Graiczego (CTG) Lieberga-Lévy ego: Cetrale Twierzeie Graicze Lieberga-Lévy ego Niech (X ) bęzie ciągiem iezależych zmieych losowych o jeakowym rozkłazie, przy czym 0 < D 2 X = σ 2 < Ozaczmy m = EX (ta wartość oczekiwaa istieje a mocy założeia, że istieje wariacja) Wówczas S m σ Y, gzie Y ma staarowy rozkła ormaly N (0, ) Iaczej mówiąc, la owolego x R gzie Φ(x) = x ( S m σ < x ) Φ(x) e t2 2 t to ystrybuata staarowego rozkłau ormalego N (0, ) Oszacowaie okłaości przybliżeia w CTG Lieberga-Lévy ego: Nierówość Berry-Essea Niech (X ) bęzie ciągiem iezależych zmieych losowych o jeakowym rozkłazie, przy czym E X 3 < oato iech m = EX, σ 2 = D 2 X > 0 (ta wartość oczekiwaa i wariacja istieją a mocy założeia o rozkłazie) Wówczas sup x R ( ) S m σ < x Φ(x) C E X m 3 σ 3, la pewej stałej C, która spełia ierówość C < 0, 8 5

Uwagi: Jeżeli zmiee losowe X maja iezerową skończoą wariację, to o szacowaia szybkości zbieżości w WL Kołmogorowa moża stosować metoy aalogicze o tych otyczacych WL Beroulliego, opartych a twierzeiu e Moivre a- Laplace a 2 Twierzeie e Moivre a-laplace a, CTG Lieberga-Lévy ego to przykłay cetralych twierzeń graiczych CTG la zmieych o różych rozkłaach to p twierzeie Lieberga-Fellera, twierzeie Lapuowa 3 CTG Lieberga-Lévy ego to wyikaie: istieje iezerowa wariacja = zbieżość uormowaych sum o staarowego rozkłau ormalego Iterpretacja CTG Lieberga-Lévy ego: Jeżeli wielkość fizycza jest opisaa zmieą losową i jest wyikiem sumowaia wielu iezależych jeakowych statystyczie efektów, przy czym rozkła efektu ma skończoą wariację, to wielkość ta ma asymptotyczie rozkła ormaly rzykłay o za 22 6