Вы находитесь на странице: 1из 12

Министерство образования и науки Российской Федерации

ИРКУТСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ

Кафедра Технологии Машиностроения

Отчет по лабораторной работе №1


по дисциплине:
Математическая статистика и прогнозирование
Центральная предельная теорема
наименование темы

Выполнил студент ИСМбо-11-1 Власов Д.И.


шифргруппы подпись ФамилияИмяОтчество

Проверил Доцент Казимиров Д.Ю.


должность подпись ФамилияИмяОтчество

Иркутск, 2013 г.
Центральная предельная теорема
Содержание теоремы
Закон больших чисел утверждает , что при n  
1 n
 i  а ,
n i 1
где а = Mi. Центральная предельная теорема утверждает нечто большее, а,
именно, что при этом стремлении происходит нормализация:
1 n 2
 i ~ N ( c , ), (10)
n i 1 n
где  2  Di , т.е среднеарифметическое при больших n распределено
приближенно по нормальному закону с дисперсией 2/n; этот факт
записывают иначе, нормируя сумму:
n
 i  na
i 1 .
~ N ( 0,1 )
 n
Приведем формулировку одной из теорем.
Теорема Линдеберга. Если последовательность взаимно нeзависимых
случайных величин 1, 2,..., n,... при любом постоянном >0 удовлетворяет
условию Линдеберга
1 n
2
lim   ( x  ak ) dFk ( x )  0 ,
n  Bn2 k 1|x  a |B
K
n
где a k  Mk , Bn2  D   k , то при n   равномерно относительно x
k 1
 n 
  ( k  a k ) 
 k 1  1 x z2 / 2
P
n
 x  e
2  
dz (11)
 
 D  k 
 k 1 
Следствие. Если независимые случайные величины 1, 2,..., n,...
одинаково распределены и имеют конечную отличную от нуля дисперсию, то
выполняется (11).Условие Линдеберга в этом случае, т.е. Mk=a, Dk=2,
Fk(x)=F(x), принимает вид: при любом  > 0 и при n  
2
( x  a) dF ( x )  0
;
\ x  a\  n
оно, очевидно, выполняется, поскольку интеграл по всей оси, т.е. дисперсия,
существует.
Убедимся статистически в том, что сумма нескольких случайных
величин распределена приближенно по нормальному закону.

Одинаково распределенные слагаемые .


Сделаем это на примере суммы
m
S  xk (12)
k 1
шести (m = 6) независимых случайных величин, имеющих beta-
распределение с параметрами a=b=0.5, плотность которого
x a  1 ( 1  x )b  1 1 1
p( x| a ,b ) 
B( a ,b )


, (13)
x( 1  x )
1
a 1
где B( a ,b )  z ( 1  z )b  1 dz - beta-функция. Плотность при выбранных
0
значениях параметров имеет U-образный вид, весьма далекий от
нормального; убедимся в этом, построив график плотности .
Чтобы статистически оценить закон распределения для суммы S,
cследует многократно, N раз (например, N=500), промоделировать
суммирование: получим S1, S2,...,SN - выборку для суммы; для этой
выборки построим гистограмму и сравним ее визуально с нормальной
плотностью.

Задание: Доказать утверждение о Центральной предельной теоремы.

Задание 1.
Вывод: Убедились в существенном отличии распределения слагаемого от
нормального и то, что при шести, даже четырех слагаемых распределение
близко к нормальному; подтверждением тому являются значения статистики
Колмогорова - Смирнова К - Sd и уровень значимости p, которые
указываются на графиках. Это доказывает утверждение Центральной
Предельной Теоремы, что при n стремящемся к бесконечности происходит
нормализация.

Задание 2

Задание на генерацию случайных величин: E(5); = VExpon(rnd(1); 0.2);


С показательным распределением со средним значением 5.

1 2 3 4 5 6
a 1 0.5 1 1 2 2
b 0.5 1 1 2 1 2

Различно распределенные слагаемые


Вывод: Экспериментально оценили распределение для суммы
шести слагаемых, распределенных по различным законам. Сравнили
гистограммы сумм и убедились, что распределение близко к нормальному.
Это доказывает теорему Линдеберга, т.е. существует дисперсия, и исход из
этого нормируется сумма.
Задание 3
Получить гистограмму, добавив 7-е слагаемое, имеющее beta-
распределение с параметрами a=b=0.5 и умноженное на 1000.
Вывод: Добавив 7-е слагаемое, имеющее beta-распределение с
параметрами a=b=0.5 и умноженное на 1000 и сравнив гистограммы видно,
что если в сумме имеется слагаемое, дисперсия которого существенно
превышает все остальные, то распределение не нормально.

Вам также может понравиться