Закон больших чисел

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Новая: '''Закон больших чисел''' в теории вероятностей утверждает, что эмпирическое среднее (среднее арифмети...)
 
Строка 1: Строка 1:
 +
{{Задание|Лошкарёв Сергей|Константин Воронцов|8 января 2010}}
'''Закон больших чисел''' в теории вероятностей утверждает, что эмпирическое среднее (среднее арифметическое) конечной выборки из фиксированного распределения близко к теоретическому среднему (математическому ожиданию) этого распределения. В зависимости от вида сходимости различают слабый закон больших чисел, когда имеет место сходимость по вероятности, и усиленный закон больших чисел, когда имеет место сходимость почти всюду.
'''Закон больших чисел''' в теории вероятностей утверждает, что эмпирическое среднее (среднее арифметическое) конечной выборки из фиксированного распределения близко к теоретическому среднему (математическому ожиданию) этого распределения. В зависимости от вида сходимости различают слабый закон больших чисел, когда имеет место сходимость по вероятности, и усиленный закон больших чисел, когда имеет место сходимость почти всюду.

Текущая версия

Данная статья является непроверенным учебным заданием.
Студент: Участник:Лошкарёв Сергей
Преподаватель: Участник:Константин Воронцов
Срок: 8 января 2010

До указанного срока статья не должна редактироваться другими участниками проекта MachineLearning.ru. По его окончании любой участник вправе исправить данную статью по своему усмотрению и удалить данное предупреждение, выводимое с помощью шаблона {{Задание}}.

См. также методические указания по использованию Ресурса MachineLearning.ru в учебном процессе.


Закон больших чисел в теории вероятностей утверждает, что эмпирическое среднее (среднее арифметическое) конечной выборки из фиксированного распределения близко к теоретическому среднему (математическому ожиданию) этого распределения. В зависимости от вида сходимости различают слабый закон больших чисел, когда имеет место сходимость по вероятности, и усиленный закон больших чисел, когда имеет место сходимость почти всюду.

Всегда найдётся такое количество испытаний, при котором с любой заданной наперёд вероятностью частота появления некоторого события будет сколь угодно мало отличаться от его вероятности.

Слабый закон больших чисел

Пусть есть бесконечная последовательность одинаково распределённых и некоррелированных случайных величин \{X_i\}_{i=1}^{\infty}, определённых на одном вероятностном пространстве (\Omega,\mathcal{F},\mathbb{P}). То есть их ковариация \mathrm{cov}(X_i,X_j) = 0,\; \forall i \not=j. Пусть \mathbb{E}X_i = \mu,\; \forall i\in \mathbb{N}. Обозначим S_n выборочное среднее первых n членов:

S_n = \frac{1}{n} \sum\limits_{i=1}^n X_i,\; n \in \mathbb{N}.

Тогда S_n \to^{\!\!\!\!\!\! \mathbb{P}} \mu.

Усиленный закон больших чисел

Пусть есть бесконечная последовательность независимых одинаково распределённых случайных величин \{X_i\}_{i=1}^{\infty}, определённых на одном вероятностном пространстве (\Omega,\mathcal{F},\mathbb{P}). Пусть \mathbb{E}X_i = \mu,\; \forall i\in \mathbb{N}. Обозначим S_n выборочное среднее первых n членов:

S_n = \frac{1}{n} \sum\limits_{i=1}^n X_i,\; n \in \mathbb{N}.

Тогда S_n \to \mu почти наверное.

Литература

  • Ширяев А. Н. Вероятность, — М.: Наука. 1989.
  • Чистяков В. П. Курс теории вероятностей, — М., 1982.
Источник — «http://machinelearning.ru/wiki/index.php?title=%D0%97%D0%B0%D0%BA%D0%BE%D0%BD_%D0%B1%D0%BE%D0%BB%D1%8C%D1%88%D0%B8%D1%85_%D1%87%D0%B8%D1%81%D0%B5%D0%BB»
Личные инструменты