Центральная предельная теорема.

Цель работы: статистически пронаблюдать существо основных предельных теорем.

1. Центральная предельная теорема
1.1. Содержание теоремы
Закон больших чисел утверждает , что при n  
1 n
  а ,
n i 1 i
где а = Mi. Центральная предельная теорема утверждает нечто большее, а, именно, что
при этом стремлении происходит нормализация:
1 n 2

n i 1
i ~ N ( c ,
n
), (10)

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
2
где a k  Mk , Bn  D  k , то при n   равномерно относительно x
k 1
 n 
  ( k  a k ) 
 k 1  1 x z2 / 2
P  x  e dz (11)
n 2  
 
 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.

1.2. 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 )   , (13)
B( a ,b )  x( 1  x )
 1
a 1
где B( a ,b )   z ( 1  z )b  1 dz - beta-функция. Плотность при выбранных значениях
0
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.
 1.3. Различно распределенные слагаемые
Распределение суммы сходится к нормальному и в том случае, когда слагаемые
распределены по различным законaм.
 6
Задание 1. Оценить экспериментально распределение для суммы S   i шести
i 1
слагаемых, распределенных по различным законам; выберем их из семейства beta-
распределений (13), задав следующие параметры:

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

Сгенерируем выборку для суммы и построим гистограмму для нее. Убедимся в том,
что распределение близко к нормальному. Распечатаем гистограммы для слагаемых и для
суммы.
Если же в сумме (12) имеется слагаемое, дисперсия которой существенно превышает
все остальные, то приближенная нормальность места не имеет.
 Задание 2. Проверить это (получить гистограмму), добавив в (12) 7-е слагаемое,
имеющее beta-распределение с параметрами a=b=0.5 и умноженное на 1000.
Вывод: В первом случае, при одинаково распределенных слагаемых, после построения
гистограмм, мы видим что центрально предельная теорема выполняется.
Вывод: Во втором случае при различно распределенных слагаемых, после построения
гистограмм, мы видим что центрально предельная теорема выполняется.
Вывод: В третьем случае при добавлении новой переменной x7 и последующем
построении гистограмм, мы видим что центрально предельная теорема не выполняется.