Wykład 8: Zbieżność według rozkładu. Centralne twierdzenie graniczne.

Podobne dokumenty
Wykład 13: Zbieżność według rozkładu. Centralne twierdzenie graniczne.

Przykłady 8.1 : zbieżności ciągów zmiennych losowych

Twierdzenia graniczne:

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

ZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. 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

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

1 Twierdzenia o granicznym przejściu pod znakiem całki

STATYSTKA I ANALIZA DANYCH LAB II

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

16 Przedziały ufności

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

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.

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

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.

Statystyka matematyczna. Wykład II. Estymacja punktowa

Podstawowe rozkłady zmiennych losowych typu dyskretnego

1 Dwuwymiarowa zmienna losowa

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

Rozkłady statystyk z próby Twierdzenia graniczne

1 Układy równań liniowych

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

Rozkład normalny (Gaussa)

0.1 Statystyczne Podstawy Modelu Regresji

STATYSTYKA MATEMATYCZNA

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

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

O nauczaniu oceny niepewności standardowej

Komputerowa analiza danych doświadczalnych

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 23 kwietnia Oznaczenia i definicje 3

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

θx θ 1, dla 0 < x < 1, 0, poza tym,

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

I kolokwium z Analizy Matematycznej

Lista 6. Estymacja punktowa

Estymacja przedziałowa

Wykład z Rachunku Prawdopodobieństwa II

Komputerowa analiza danych doświadczalnych

Matematyka ubezpieczeń majątkowych r.

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

Zadania z analizy matematycznej - sem. I Szeregi liczbowe

40:5. 40:5 = υ5 5p 40, 40:5 = p 40.

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

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

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej

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

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

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

Komputerowa analiza danych doświadczalnych

3. Funkcje elementarne

Funkcja wykładnicza i logarytm

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

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

Zdarzenia losowe, definicja prawdopodobieństwa, zmienne losowe

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

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

3. Tworzenie próby, błąd przypadkowy (próbkowania) 5. Błąd standardowy średniej arytmetycznej

2. Nieskończone ciągi liczbowe

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

I. Ciągi liczbowe. , gdzie a n oznacza n-ty wyraz ciągu (a n ) n N. spełniający warunek. a n+1 a n = r, spełniający warunek a n+1 a n

Szeregi liczbowe. Szeregi potęgowe i trygonometryczne.

Ciągi liczbowe wykład 3

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA

Wykład 11 ( ). Przedziały ufności dla średniej

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

Wykład 8: Zmienne losowe dyskretne. Rozkłady Bernoulliego (dwumianowy), Pascala, Poissona. Przybliżenie Poissona rozkładu dwumianowego.

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

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 +

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

Prawa wielkich liczb, centralne twierdzenia graniczne

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

Rozkład normalny (Gaussa)

Rachunek różniczkowy funkcji wielu zmiennych

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,

Rozkład normalny (Gaussa)

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

Liczebnośd (w tys.) n

Kurs Prawdopodobieństwo Wzory

Prawdopodobieństwo i statystyka r.

Analiza I.1, zima globalna lista zadań

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

Metody statystyczne w naukach biologicznych

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

Komputerowa analiza danych doświadczalnych

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

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

RÓWNANIA RÓŻNICZKOWE WYKŁAD 11

0.1 ROZKŁADY WYBRANYCH STATYSTYK

8 Weryfikacja hipotez statystycznych

Metody badania zbieżności/rozbieżności ciągów liczbowych

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

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

Analiza matematyczna. Robert Rałowski

Komputerowa analiza danych doświadczalnych

Transkrypt:

Rachuek prawopoobieństwa MA5 Wyział Elektroiki, rok aka 20/2, sem leti Wykłaowca: r hab A Jurlewicz Wykła 8: 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 X, F F Fakt (a) Jeżeli X (b) Gy X X, to X X X, gzie (X = a) = la pewej stałej a, to X (c) Jeżeli X z pr X, to X 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

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 2

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 6 3

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 4

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 62 5