Documente Academic
Documente Profesional
Documente Cultură
(1)
de ndat ce n N(,).
Se vede imediat c n locul condiiei (1) putem scrie:
P(: |Xn() - Xm()| < ) 1-
P
X .
(se scrie probabilitatea evenimentului complementar). Vom scrie n acest caz: Xn n
pentru orice x punct de continuitate al funciei F, unde Fn(x) = P(Xn < x), F(x) = P(X < x).
B
X .
Vom scrie Xn n
Observaie. Convergena n sens Bernoulli mai este cunoscut i sub numele de convergena
slab a irului de variabile aleatoare (Xn)nN*.
Definiie. irul de variabile aleatoare (Xn)nN* converge tare ctre variabila aleatoare X
dac, pentru orice >0 i >0, exist un rang N(,) astfel nct
P U { :| Xn( ) X ( ) }
n N ( , )
P
X .
Prescurtat, vom scrie Xn tare
n
Definiie. irul de variabile aleatoare (Xn)nN* converge aproape sigur ctre variabila
aleatoare X dac P( : lim Xn( ) exist i este egal cu X()) = 1. Pentru aceast
n
a .S
X .
convergen vom adopta scrierea prescurtat Xn n
Definiie. irul de variabile aleatoare (Xn)nN* converge n medie de ordinul r ctre variabila
aleatoare X (pentru care Mr(X) exist) dac lim M (| Xn X | r ) = 0 . n fine, n acest caz, vom
n
X .
scrie Xn n
Mr
repartiie FX.
Demonstraie. Fie a un punct de continuitate al funciei FX i >0, >0 astfel nct
FX(a + ) - FX(a - ) <
Atunci,
Atunci,
lim F X n ( a ) lim FX n ( a ) F X ( a + ) F X ( a ) <
n
ntr-adevr,
dac
lum
1
Xn( ) = , n N * i X ( ) = 0 , ,
n
atunci,
evident
Xn X . Totodat
0 , a n
0 , a 0
; FX n ( a ) =
FX n ( a ) =
1
1 , a > 0
1 , a >
n
0 , a < 0
Dar lim F X n ( a ) =
i de aici rezult c lim F X n ( 0) = 1 Fx( 0 ) = 0 din cauz c
n
n
1 , a 0
zero nu este punct de continuitate pentru FX.
orice punct a de continuitate pentru FX, atunci irul de variabile aleatoare (Xn)nN* converge
n probabilitate ctre k.
n
Xn: 1
2n 2
1
1 2
n
n
1 , nN*
2n 2
1
< ndat ce
n2
n > N(,), ceea ce dovedete faptul c irul (Xn)nN* converge n probabilitate ctre zero.
Atunci, oricare ar fi >0 i >0, exist N(,) astfel nct P(| Xn| > ) =
1
1
1
n
2n
2n
deci, (Xn)nN* nu converge n medie de ordinul doi.
Aadar, schema de mai jos indic lanul de implicaii ntre tipurile de convergen pe
care le-am introdus mai sus:
a .s
tare P
Xn X Xn X
B
Xn
X Xn
X
P
Xn X
M
Definiie. Dac exist un ir de numere reale (an)nN* astfel nct pentru orice >0 s avem
lim P(| Yn an| < ) = 1 , atunci spunem c irul (Xn)nN* se supune legii numerelor mari cu
n
Din definiia dat rezult c irul (Xn)nN* se supune legii numerelor mari cu funciile
P
(n) nN*, dac exist irul de numere reale (an) nN* astfel nct Yn an 0 .
n
1 n
lim P Xk M ( Xk ) < = 1
n n
n k =1
k =1
D
k =1
( Xk )
c
n
(variabilele irului sunt independente, iar dispersiile sunt uniform mrginite). Aplicnd
inegalitatea lui Cebev, obinem
1 n
D Xk
n k =1
2
1 n
1 n
1 P Xk M ( Xk ) < 1
n k =1
n k =1
c
n 2
1 n
1 n
Prin trecere la limit se obine lim P Xk M ( Xk ) < = 1 .
n n
n k =1
k =1
1 n
Observaie. Se constat c an = M ( Xk ) .
n k =1
Teorema lui Markov. Fie (Xn)nN* un ir de variabile aleatoare astfel nct
1 2 n
0
2 D Xk n
k =1
n
1 n
1 n
Atunci, lim P Xk M ( Xk ) < = 1 .
n n
n k =1
k =1
1 n
lim P Xk M ( Xk ) < = 1
n n
n k =1
k =1
1 2 n
Observaie. Condiia 2 D Xk n
0 este cunoscut sub numele de condiia lui
k =1
n
Markov.
Dac variabilele irului (Xn)nN* sunt necorelate dou cte dou, atunci condiia lui
Markov devine:
1 n 2
0
D ( Xk ) n
n 2 k =1
ntr-adevr,
2
2
n
n
2
D Xk = M Xk M Xk = M Xk + 2 XkXl
k =1
k =1
k =1
k <l
k =1
2
n
n
M 2 ( Xn) + 2 M ( Xk ) M ( Xl ) = [ M ( X k2 ) M 2 ( Xk )] + 2 [ M ( XkXl ) M ( Xk ) M ( Xl )]
k =1
k =1
k <l
k <l
Cum variabilele sunt necorelate dou cte dou, avem M(XkXl) - M(Xk)M(Xl) = 0 oricare ar fi
k,lN*, kl.
n
n
Deci, D 2 Xk = D 2 ( Xk ) .
k =1 k =1
lim P Xk a < = 1
n n
k =1
M (Yk ) =
xdF ( x ) = a
D (Yk ) =
2
n
2
dF ( x ) an
2
dF ( x ) n x dF ( x ) bn
n
Cu b =
xdF ( x ) = a
>0 exist N() cu proprietatea c pentru orice n N() avem |an - a| < . Cum
1 n 1 n
nan
M Yk = M (Yk ) =
= an
n k = 1 n k =1
n
1 n 1
D Yk = 2
n k =1 n
2
k =1
(Yk )
nbn
= b
n2
b
1 n
aplicm inegalitatea lui Cebev, obinem P Xk an 2 .
n k =1
1 n
1 n
Pe de alt parte, Yk an Yk a +| an a| .
n k =1
n k =1
Dac
1 n
1 n
Y
a
k
<
i
|a
a|<
atunci
n
Yk a < 2 . Deci,
n k =1
n k =1
1 n
1 n
n k =1
1 n
1 n
n
k
2
Y
a
Yk a {| an a| > }
n k =1
n k =1
i de aici
1 n
1 n
b
P Yk ak 2 P Yk a + P(| an a| > ) 2
n k =1
n k =1
a .s .
|x | n
k =1
k =1
dF ( x) n | x| dF ( x ) n .
|x | n
1 n
1 n
b
n
P Xk a 2 P Yk a 2 + P Zk 0 2 +
k =1
n k =1
n k =1
Cum i sunt arbitrari, urmeaz c
4.3. Teorema lui Bernoulli. Fie numrul de apariii ale evenimentului A n n probe
independente i p = P(A). Atunci oricare ar fi > 0, are loc relaia
lim P p < = 1
n n
1 0
Demonstraie. Asociem experimentului de rang j variabilele aleatoare Xj:
.
p q
Deci, variabila aleatoare Xj ia valoarea 1 dac s-a realizat evenimentul A i 0 n caz contrar,
j=1,2,. Am obinut un ir de variabile aleatoare independente (Xn)nN* identic repartizate i
M(Xn) = p, nN*
1
D 2 ( Xn ) = pq (dispersii uniform mrginite).
4
Cum
1 n
Xj , rezult c sunt ndeplinite condiiile teoremei lui Hincin i, deci,
n j =1
lim P p < = 1.
n n
p
n
Acelai rezultat ar putea obine i ca urmare a faptului c sunt ndeplinite condiiile teoremei
1
lui Cebev, deoarece D 2 ( Xn ) = pq , nN* adic variabilele aleatoare Xn au dispersii
4
egale mrginite.
Teorema lui Poisson. Dac ntr-o succesiune de probe independente, probabilitatea de
apariie a evenimentului A n proba de rang k este pk, atunci
1 n
lim P pk < = 1
n n
n k =1
1
, k=1,2,...
4
1
. Sunt verificate
4
1 n
1 n
1 n
condiiile teoremei lui Cebev i, deci, cum = Xj i M Xk = pk , rezult
n k =1 n k =1
n n j =1
1 n
lim P pk < = 1 .
n n
n k =1
1
n
n n
legii numerelor mari.
Soluie:
M(Xk) = 0, k = 1,2,
D2(Xk) = 2, k = 2,3,
Atunci, fiind ndeplinite condiiile teoremei lui Cebev, rezult c irul dat se supune legii
numerelor mari n varianta lui Cebev.
1 n
1 n
M Xk 0 ; D 2 Xk = 2 D 2 ( Xk ) = 2 log k
n k =1
n k =1 n k =1
n k =1
ns
n
log k =
k =1
1 n
1
ln k <
ln 10 k =1
ln 10
n +1
ln xdx =
A
1
x ln x
ln 10
n +1
1
n +1
dx = ln 10 [( n + 1) ln( n + 1) n]
1
1
( n + 1) ln( n + 1) n
n
0 .
Deci, D 2 Xk <
n k =1
n 2 ln 10
n
Sunt ndeplinite condiiile teoremei lui Markov i, deci, irul (Xn)nN* se supune legii
numerelor mari.
1
n
e
densitatea de repartiie f X n ( x ) =
, nN*, [0,1] se supune legii numerelor
4
n
mari.
M ( Xk ) =
k
4
D ( Xk ) =
2
xe
( x k ) 2
k
( x )
k
4 k
dx = k , kN*;
2
( x k ) 2
dx =
k
, kN*.
2
De aici rezult c:
1 n
1 n
n +1
M Xk = k =
n k =1 n k =1
n(1 )
1 n
1
D 2 Xk = 2
n k =1 n
D 2 ( Xk ) =
k =1
1
n2
k =1
k n n
<
0
n
2
2n 2
Deci, irul (Xn)nN* se supune legii numerelor mari, unde irul de numere reale (an)nN* este
n +1
dat de an =
, nN*.
n(1 )
sin x
dx , a > 0 se poate calcula prin metoda
x
a
1
1
a
sin , dup efectuarea schimbrii de variabil y = i
n k =1 yk
yk
x
unde y1,y2,,yn sunt numere aleatoare repartizate uniform pe intervalul [0,1].
n
Monte-Carlo, cu formula In =
1
a
a
1
1
I = sin dy = sin dy
y
y
1 y
0 y
a
1
M sin exist dac i numai dac
Y
Y
a
|sin x|
1
dx
sin dy =
y
y
x
k=s
a
( k +1)
. Atunci,
sin y
|sin x|
dy
dx =
x
k = s 0 y + k
ns
k =s 0
sin y
1
2 1
dy >
sin
ydy
=
=
y + k
k=s k +1
k = s ( k + 1) 0
1
a
1
1
sin y dy este divergent i, deci, M sin nu exist.
Y
y
Y
p(1 p )
k
P p < 10 3 1
6 = 1
n
n 10
n 10 6
p(1 p )
p(1 p )10 6
0.95 rezult n
Din inegalitatea 1
= 2 p( p 1)10 7
6
0.05
n 10
Exemplu. Se efectueaz 800 de probe independente. n 200 din ele probabilitatea apariiei
unui rezultat ateptat a fost de 0.5; n 400 de probe aceast probabilitate a fost de 0.4, iar n
restul probelor a fost de 0.3. S se determine marginea inferioar a probabilitii n abaterea
absolut a frecvenei relative de apariie a evenimentului astfel nct media probabilitilor s
nu depeasc 0.04.
Soluie. Se aplic teorema lui Poisson i se obine:
1
k
P
( 200 0.5 + 400 0.4 + 200 0.3) < 0.04 0.817
n 800
nainte de a pune n eviden legi limit normale N(m;), vom formula unele rezultate
importante fr a le demonstra - pe care apoi le vom utiliza.
punct de continuitate al funciei de repartiie FX, atunci irul (Xn(t))nN* converge ctre X(t)
uniform, n orice interval (a,b]R.
(t) este o funcie caracteristic i irul (FXn(x))nN* converge ctre F n orice punct de
continuitate al funciei F, funcia de repartiie corespunztoare funciei caracteristice (t).
Teorem. Fie (Xn)nN* un ir de variabile aleatoare care au momente de orice ordin. Dac
pentru orice kN Mk ( Xn ) n
Mk ( X ) , atunci lim P( Xn < x ) = P( X < x ) .
k
X
M
Xk
k =1
k =1
, nN*, atunci
consider irul de variabile aleatoare (Yn)nN* Yn =
n
D Xk
k =1
1
Yn
X N ( 0;1) , adic lim Fn( x ) = lim P( : Yn( ) < x ) =
n
n
n
2
B
y2
2
dy .
M Xk = M ( Xk ) = nm; m = M ( Xk ), k = 1,2,...
k =1 k =1
n
n
D 2 Xk = D 2 ( Xk ) = n 2 ; 2 = D 2 ( Xk ), k = 1,2,.. .
k =1 k =1
i, deci,
n
(X
Yn =
m)
k =1
Atunci,
k=1( Xk m )
n i
it n
= Me
= M e
k =1
( )
Y (t ) = M e
n
it Yn
t t
= ( Xk m )
=
n n
k =1
n
t
n
( Xk m )
n
i
= Me
k =1
t
n
( Xk m )
+
=
+ 3/ 2
1
2
3/ 2
n
n
n
2n
2! n
t2
(1 + n ) , lim n = 0 i, de aici, lim Yn ( t ) = e 2 .
Urmeaz c Yn ( t ) = 1
n
n
2n
y2
2
dy .
Teorema lui Liapunov. Fie (Xn)nN* un ir de variabile aleatoare idependente pentru care
exist M(Xk) = mk, D2(Xk) = D2k, M(|Xk - mk|3) = H3k, kN*.
n
Notm Sn = D k2 ; Kn = H k3
k =1
k =1
1/ 3
Kn
= 0 , atunci
n Sn
. Dac lim
k
X
M
Xk
k =1
k =1
n
Yn =
1
2
D Xk
k =1
n
y2
2
X N ( 0,1) ,
n
dy .
Demonstraie.
n
n
(X
mk )
k =1
Sn
i, cu aceasta,
i t n ( Xk mk )
n i t ( Xk mk ) n
i t ( Xk mk )
Sn k =1
Sn
S
Yn (t ) = M e
= M e
= M e
= M e n
k =1
k =1
n
t
Deci, Yn ( t ) = Xk mk . Dar, X k mk ( t ) = e itmk X k ( t ) = ak ( t ) + ibk ( t ) .
Sn
k =1
it Yn
Dk2 t 2 t 3
ak (t ) = cos txdGk (x ) = 1
+
2
6
t3
bk (t ) = sin txdGk (x ) =
6
Atunci, X k mk ( t ) = 1
dGk (x )
x dGk (x )
Dk2 t 2
+ t 3 Rk , unde
2
1
| Rk| =
6
H k3
1
3
(1 x 2 x ) dGk( x ) 6 | x ||1 2 | dGk( x ) 3
Dk2 t 2
t3
t
+
i, de aici, X k mk = 1
, iar
Sn
2S n2 3S n3
n
ln Yn ( t ) = ln X k mk (
k =1
D 2 t 2 t 3 Rk
t
) = ln 1 k 2 +
.
Sn
2S n
3S n3
k =1
Kn
0 cnd n, rezult c oricare ar fi > 0, exist un rang N() astfel
Sn
H k3 3
Kn
nct pentru orice n > N() s avem
< , t 0 . De aici rezult c 3 < 3 , dac
S n | t|
Sn | t |
n > N().
Deoarece
Din inegalitatea lui Liapunov (monotonia momentelor absolute) avem Dk Hk, kN* i, deci,
Dk2 H k2 H k3
2 = 3
S n2
Sn Sn
2/3
H n2 2
2 2 , k = 1,2, ... , n . Atunci, pentru orice > 0,
Sn
t
t 2 D k2 t 3 Rk 2 3
+
<
+
<2
2
3
2 S n2
3S n3
D 2 t 2 t 3 Rk
sub forma:
S punem ln Yn ( t ) = ln1 k 2 +
2S n
3S n3
k =1
D k2 t 2 t 3 Rk D k2 t 2
t2
ln Yn ( t ) +
= ln 1
+
+
2 k =1
2 S k2
3S n3 2 S n2
t 2 Dk2
1
t 3 Rk
, Bk =
, putem scrie
Cum |ln(1 + x ) x| | x | dac | x| , cu notaia Ak =
2
2 S n2
3S n3
2
ln Yn ( t ) +
t2
=
2
k =1
k =1
k =1
Dar
| Bk|
k =1
| t|3 K n3 3
, iar
3
3S n3
Deci, lim Yn ( t ) = e
k =1
k =1
ln Yn ( t ) +
Urmeaz, de aici, c
t2
2
t 2 2 | t| 2 5 3
1
+
+
< , dac <
.
2
2
3
3
3| t| 2
Observaie.
Dac
| t| 2 5
+
.
2
3
variabilele
irului
1/ 2
e
2
(Xn)nN*
y2
2
dy
sunt
identic
= n ; Kn = H k3
k =1
repartizate,
atunci
1/ 3
= H 3 n . Urmeaz c
Kn H 16
= n
0 adic este ndeplinit condiia lui Liapunov.
n
Sn
Observaie. Dac variabilele sirului (Xn)nN* satisfac proprietile: |Xk - mk| A, k=1,2, i
2
lim Sn = + ,
atunci
i
H k3 = M ( Xk mk 3) A M Xk mk = A D k2
n
n
n
3
3
Kn = H k A Dk2 = A1/ 3 S n2 / 3 .
k =1
k =1
Kn A1/ 3 S n2 / 3
= A1/ 3 S n1/ 3
0 i, deci, n acest caz, condiia lui Liapunov
n
Sn
Sn
este ndeplinit.
Rezult c
2
1
< x =
lim P
e y / 2 dy
n
2
npq
Demonstraie.
1 0
Asociem experimentului de rang j, variabila aleatoare Xj:
.
p q
n
n
n
Atunci, K = Xj; M Xj = np; D 2 Xj = npq . Cum variabilele Xj, j=1,2, sunt
j =1
j =1
j =1
independente, se poate aplica teorema limit central Lindeberg-Lvy i, deci,
n
n
j
X
M
Xj
2
k np
j =1
1 x y2
j =1
< x = lim P
lim P
<x =
e dy
n
n
2
npq
n
D Xj
j =1
k np
lim P
< x
n
npq
p
n
= lim P
< x =
n
pq
1
2
y2
2
dy
p
n
< ( ) ( ) .
De aici rezult, dac n este suficient de mare, P
pq
n
De asemenea, pentru n suficient de mare,
p
k
k
a p n
b p
b p
a p
P a b = P a p p b p = P
pq
pq
pq
n
n
pq
pq
n
n
n
n
n
Exemplu. Cu ce probabilitate putem afirma c din 100 de aruncri a unei monede, stema
apare de un numr de ori cuprins ntre 40 i 60?
Soluie. Aplicm teorema Moivre-Laplace, tiind c p = q = 1/2, n = 100.
40 50
60 50
40 np k np 60 np
= (2 ) (2 ) =
P (40 k 60) = P
npq
npq
npq
100
100
4
4
= 2(2 ) 1 = 0,9544
Exemplu. S considerm irul de variabile aleatoare independente (Xn)nN*, cu repartiiile:
1
1
1 1
0
, p ( 0,1), ,
X n: n
, nN*. S se arate c irului (Xn)nN* i se
n
3 2
1 2 p p
p
poate aplica teorema lui Liapunov.
Soluie. Cutm s vedem dac sunt ndeplinite condiiile teoremei lui Liapunov.
M ( Xk ) = 0, M ( X k2 ) = D k2 =
3
M ( Xk ) = H k3 =
2p
, kN*
k 3
De aici urmeaz c:
ntruct
2p
, kN*
k 2
k =1
2
k
S = D = 2 p
2
n
k =1
k =1
k 3
; K = H = 2 p
3
n
k =1
3
k
n
n
1
1
3
1
1
< , rezult c 1 < 3 i, de aici, lim 3 = 3 convergent.
n
2
3
2
k =1 k
k =1 k
Pe de alt parte,
k >k
2
k =1
k =1
1
= + .
n
k =1 k
i lim
Kn
= 0 i, fiind ndeplinite condiiile teoremei lui Liapunov, afirmaia
n Sn
Xk M Xk
k =1
k =1
< x =
lim P
n
n
D Xk
k =1
k =1
n
M Xk
k =1
n
D Xk
k =1
1
2
y2
2
dy
Dar M ( Xk ) =
1
1
, D 2 (Xk) = , k = 1,2,... i atunci
2
12
X
k =1
n
2
pentru n suficient de
n
12
mare, este aproximativ normal N(0;1). Pentru n=12 se obine o aproximaie destul de bun i
12
atunci
k =1
(n)
Demonstraie.
1
2
y2
2
dy .
it ( n ) n
it
n( t ) = M e 2 n = e
n
2
i
M e
t
2
(2n )
(2n ) M ( (2n ) )
D( (2n ) )
it
it
t
2
=e
= e (2n )
2n
n
2
(2n ) n
2
1 i
t
n
2n
n
2
ln n ( t ) =
n
n
ti ln1
2
2
2
ti
n
12
12
t2
ln n ( t ) = + n = 0; lim n = 0 .
n
2
t2
Trecnd la limit,
i, deci , lim n ( t ) = e 2 care este tocmai
lim ln n ( t ) =
n
n
2
funcia caracteristic a legii normale N(0;1). De aici rezult afirmaia.
Exemplu. Dac n, numrul gradelor de libertate, tinde la infinit, atunci repartiia Student cu
n grade de libertate tinde ctre repartiia normal N(0;1).
Demonstraie. Este suficient s artm c irul momentelor Mr(T(n)) cu r = 0,1,2, tinde
ctre Mr(X) unde XN(0;1).
n r 1 3...( 2r 3)( 2r 1)
.
Am vzut c M2r+1(T(n)) = 0; M2r+1(X) = 0, iar M 2r (T ( n )) =
( n 2)( n 4)...( n 2r )
De aici,
n r 1 3...( 2r 3)( 2r 1)
= 1 3 5...( 2r 1)
lim M 2 r (T ( n )) = lim
n
n ( n 2 )( n 4 )...( n 2r )
( x mk )
dFk ( x ) = 0 ,
k =1 {x ;|x mk |> S n }
xR
1
n S 2
n
lim
( x mk )
lim max
n 1 k n
k2
S n2
=0
dac
numai
dac
k =1 { x ;| x mk | > S n }
Demonstraie.
n acest caz, M ( Xk ) = m, D 2 (Xk) = 2 , kN* i, deci, Sn = n .
n ( ) =
k =1 n
i, deci
( x m)
dF ( x ) =
{ x ;| x m|> n }
1
n 2
( x m)
dF ( x )
{ x ;| x m| > n }
lim FYn ( x ) = ( x ) .
n
Demonstraie. Dat fiind c variabilele aleatoare Xk, kN* sunt uniform mrginite, rezult c
() A > 0 astfel nct Xk - mk A, kN*. De aici rezult c:
(x m )
k
{| x mk |> S n }
dF ( x ) =
( X ( ) m )
{ ;| x k ( ) mk |> S n }
ntruct lim Sn = + , putem lua n suficient de mare astfel nct Sn > A, i, n acest caz,
n
(x m )
i, deci,
{| x mk |> S n }
Bazai pe teorema limit central Lindeberg-Feller putem demonstra uor teorema lui
Leapunov, pe care am demonstrat-o anterior independent.
Teorema Leapunov. Fie irul de variabile aleatoare independente (Xn)nN* . Dac exist >0
astfel nct:
lim n ( ) = lim
1
S
M( x
2+
n
mk
k =1
2 +
) = 0,
n ( ) =
1
S n2
( x mk )2
k =1 {| x mk |> S n }
S n
1
dFk ( x ) = 2+
Sn
Sn
k =1
x m
2+
dFk ( x )
{|x m|> S n }
n ( )
H k3 = M xk mk
n 33
Kn
H k , atunci
K
lim
=
0
,
unde
=
k
N
*
i
dac
,
n
n Sn
k =1