Автор Анна Евкова
Преподаватель который помогает студентам и школьникам в учёбе.

Центральная предельная теорема в теории вероятности с примерами решения

Содержание:

Центральная предельная теорема:

Формулировка центральной предельной теоремы (для одинаково распределенных слагаемых).

Пусть Центральная предельная теорема в теории вероятности с примерами решения

Центральная предельная теорема в теории вероятности с примерами решения

сколь угодно близок к нормальному закону распределения.

В условиях теоремы имеет место предельное соотношение Центральная предельная теорема в теории вероятности с примерами решения

где Центральная предельная теорема в теории вероятности с примерами решения

Пример:

Стрелок в десятку попадает с вероятностью 0,4, в девятку – с вероятностью 0,3, в восьмерку – с вероятностью 0,2, в семерку – с вероятностью 0,1. Какова вероятность того, что при 25 выстрелах стрелок наберет от 220 до 240 очков?

Решение. Пусть при Центральная предельная теорема в теории вероятности с примерами решениям выстреле стрелок выбивает Центральная предельная теорема в теории вероятности с примерами решения очков. Величины Центральная предельная теорема в теории вероятности с примерами решения независимы и имеют одно и то же распределениеЦентральная предельная теорема в теории вероятности с примерами решения

Заметим, что Центральная предельная теорема в теории вероятности с примерами решения а ( ) Центральная предельная теорема в теории вероятности с примерами решения Центральная предельная теорема в теории вероятности с примерами решения.

Сумма очков Центральная предельная теорема в теории вероятности с примерами решения будучи суммой большого числа независимых одинаково распределенных слагаемых с ограниченными дисперсиями, имеет закон распределения близкий к нормальному с параметрамиЦентральная предельная теорема в теории вероятности с примерами решения

В итоге Центральная предельная теорема в теории вероятности с примерами решения Поэтому по формуле (2.9.2)Центральная предельная теорема в теории вероятности с примерами решения

Ответ. Центральная предельная теорема в теории вероятности с примерами решения

Пример:

Регулировка прибора занимает время от 4 до 10 мин. Регулировщику предстоит отрегулировать 50 приборов. Считая для каждого прибора равновозможными все значения времени регулировки в указанных пределах, оценить вероятность того, что регулировщик справится с работой за шесть часов.

Решение. Пусть Центральная предельная теорема в теории вероятности с примерами решения – время регулировки Центральная предельная теорема в теории вероятности с примерами решенияго прибора, а Центральная предельная теорема в теории вероятности с примерами решения – время выполнения работы рабочим. Требуется найти Центральная предельная теорема в теории вероятности с примерами решения Величина Y является суммой большого числа одинаково распределенных независимых случайных величин, каждая из которых ограничена. По центральной предельной теореме Y имеет закон распределения близкий к нормальному закону распределения. Найдем параметры этого закона, т.е. математическое ожидание и дисперсию величины Y. Так как случайные величины Центральная предельная теорема в теории вероятности с примерами решения независимы, тоЦентральная предельная теорема в теории вероятности с примерами решения

Вычислим Центральная предельная теорема в теории вероятности с примерами решения и Центральная предельная теорема в теории вероятности с примерами решения По условию все значения случайной величины Центральная предельная теорема в теории вероятности с примерами решения равновозможны в отрезке [4,10]. Поэтому функция плотности вероятности этой случайной величины в указанном отрезке постоянна. Чтобы площадь, заключенная между графиком функции плотности вероятности и осью абсцисс, равнялась единице, следует положить Центральная предельная теорема в теории вероятности с примерами решения при Центральная предельная теорема в теории вероятности с примерами решенияи Центральная предельная теорема в теории вероятности с примерами решения при остальных Центральная предельная теорема в теории вероятности с примерами решения С учетом этого имеемЦентральная предельная теорема в теории вероятности с примерами решения

Поэтому Центральная предельная теорема в теории вероятности с примерами решения

Итак, Центральная предельная теорема в теории вероятности с примерами решения Для вычисления искомой вероятности воспользуемся формулой (2.9.2) и таблицей функции Лапласа (см. прил., табл. П2):Центральная предельная теорема в теории вероятности с примерами решения

Ответ. Центральная предельная теорема в теории вероятности с примерами решения

Пример:

Жетон для игрального автомата стоит 10 рублей. При использовании одного жетона (в отдельной игре) вероятность не получить ничего равна 0,8, вероятность получить 20 рублей равна 0,15, вероятность получения 50 рублей равна 0,04 и вероятность получения 100 рублей равна 0,01. Игрок купил жетонов на 1000 рублей. Какова вероятность того, что игрок не окажется в проигрыше?

Решение. Игрок купил Центральная предельная теорема в теории вероятности с примерами решения жетонов. Результат каждой игры (использование одного жетона) является случайной величиной Центральная предельная теорема в теории вероятности с примерами решения с законом распределения

Центральная предельная теорема в теории вероятности с примерами решения

Выигрыш указан с учетом стоимости жетона.

Результат 100 игр обозначим через Центральная предельная теорема в теории вероятности с примерами решения Величина Y является суммой большого числа одинаково распределенных независимых случайных величин, каждая из которых ограничена. По центральной предельной теореме Y имеет закон распределения близкий к нормальному закону распределения. Найдем параметры этого закона, т.е. математическое ожидание и дисперсию величины Y. Так как случайные величины Центральная предельная теорема в теории вероятности с примерами решения независимы, тоЦентральная предельная теорема в теории вероятности с примерами решения

Так как

 Центральная предельная теорема в теории вероятности с примерами решения

Итак, Y имеет примерно нормальный закон распределения Центральная предельная теорема в теории вероятности с примерами решения Игрок не окажется в проигрыше, если Центральная предельная теорема в теории вероятности с примерами решения По формуле (2.9.2) имеемЦентральная предельная теорема в теории вероятности с примерами решения

Ответ. Центральная предельная теорема в теории вероятности с примерами решения

Пример:

Вероятность рождения мальчика равна 0,514. Определить вероятность того, что доля мальчиков среди 400 новорожденных будет отличаться от вероятности рождения мальчика не более чем на 0,05 в ту или другую сторону.

Решение. Рождение ребенка можно рассматривать как независимый опыт с вероятностью «успеха» Центральная предельная теорема в теории вероятности с примерами решения (по данным статистики на каждую тысячу новорожденных приходится 514 мальчиков). Тогда по формуле (2.13.1)Центральная предельная теорема в теории вероятности с примерами решения

Ответ. 0,9545.

Пример:

Вероятность события Центральная предельная теорема в теории вероятности с примерами решения Сколько независимых опытов нужно проделать, чтобы с вероятностью 0,95 быть уверенным, что частота появления события в этих опытах будет отличаться от вероятности события не более чем на 0,05 в ту или другую сторону?

Решение. Запишем формулу (2.13.1) для нашего случая:Центральная предельная теорема в теории вероятности с примерами решения

По таблице функции Лапласа находим, что Центральная предельная теорема в теории вероятности с примерами решения Поэтому Центральная предельная теорема в теории вероятности с примерами решения Откуда Центральная предельная теорема в теории вероятности с примерами решения Условия задачи выполняются при Центральная предельная теорема в теории вероятности с примерами решения

Ответ. Центральная предельная теорема в теории вероятности с примерами решения

Центральная предельная теорема. Систематические изменения или случайность

Мы уже знаем, что нормальное распределение - особенное. Некоторые его свойства мы сможем использовать и для распределений, которые, строго говоря, нормальными не назовешь. Задача, которую мы рассмотрим в этом разделе имеет чрезвычайно важное значение для бизнеса, это задача о диагностировании тенденций к изменению показателей.

Удобство использование нормального распределения некоторых случайных величин и особые возможности, которые закон нормального распределения предоставляет исследователю, породили ряд теорем, которые позволяют пользоваться этими свойствами даже, если генеральная совокупность представляет собой "не вполне нормальное распределение".

Центральная предельная теорема имеет несколько формулировок, мы не будем их здесь полностью приводить и доказывать. Для нас важно знать только то, что в большинстве случаев среднее арифметическое выборки, взятой из генеральной совокупности (напомним, что это среднее арифметическое - тоже случайная величина), ложится на нормальное распределение гораздо лучше, чем исходная генеральная совокупность.

Другими словами, если мы возьмем несколько выборок из генеральной совокупности, то средние арифметические величины этих выборок будут представлять собой новую случайную величину с практически нормальным распределением. Именно эта теорема и позволит нам проверять так называемые статистические гипотезы, т.е. делать заключение о наличии тенденции к изменению показателей деятельности, которые сами по себе, являясь случайными величинами, имеют право на некоторый разброс.

Пример:

Фирма поместила информацию о своей продукции в каталоге. Был указан один из двух номеров телефона отдела продаж, на который и раньше поступали звонки потенциальных покупателей. Другой номер телефона в каталоге не упоминался. За два месяца до выхода каталога и в течение двух месяцев после было зарегистрировано следующее количество звонков на эти телефоны (два столбца в таблице). Как нам определить, подействовала ли информация, данная в каталоге, или мы имеем дело со случайным оживлением на рынке, а деньги на рекламу потрачены напрасно?

Центральная предельная теорема в теории вероятности с примерами решения

Последний столбец в таблице - ожидаемые величины. Это наши оценки, сделанные из предположения, что ничего не изменилось, и реклама не оказала никакого действия, т.е. произошло общее оживление на рынке и больше ничего, а пропорции между числом звонков на оба телефона должны сохраниться в точности. {Ожидаемая величина для телефона из каталога} = 455r216/358=274,5 {Ожидаемая величина для другого телефона} = 455r142/358=180,5. Наше предположение, о том, что реклама не оказала никакого воздействие на изменение числа покупателей, носит название нулевой гипотезы. Альтернативная гипотеза заключается в предположении о наличии такого влияния. Наша задача - выбрать более достоверную из двух этих гипотез. Чтобы оценить, насколько значимы отклонения реальной ситуации от ожидания по нулевой гипотезе, для обоих телефонов мы должны посчитать величину:

Центральная предельная теорема в теории вероятности с примерами решения

поставить их в таблицу и просуммировать.

Центральная предельная теорема в теории вероятности с примерами решения

Дальнейшие наши действия - определить, с какой вероятностью посчитанные отклонения "ложатся" на соответствующую кривую. Для такой оценки можно воспользоваться значениями так называемого Центральная предельная теорема в теории вероятности с примерами решения-критерия Пирсона. Обычно эти значения задаются в виде стандартных таблиц в книгах по статистике. Дадим и мы такую таблицу (X-греческая буква "хи"):

Центральная предельная теорема в теории вероятности с примерами решения

Теперь несколько слов о том, как пользоваться этой таблицей. Буквы d.f. означают число степеней свободы.

Чтобы посчитать степени свободы нужно просто брать в таблице с исходными данными количество строк n и столбцов m, и посчитать величину Центральная предельная теорема в теории вероятности с примерами решения Это и будет количество степеней свободы в каждом конкретном случае. Правда, строки и столбцы берутся только для самих исходных данных, ни строка суммирования (всего), ни столбец подсчета ожидаемых величин при определении степени свободы не учитывается. В нашем случае Центральная предельная теорема в теории вероятности с примерами решения это означает, что степень свободы равна единице, и в таблице Центральная предельная теорема в теории вероятности с примерами решения мы должны пользоваться соответствующей строкой (верхней).

Теперь о столбцах этой таблицы. Цифры 0,99; 0,95; и т.д. означают, что величины отклонений Центральная предельная теорема в теории вероятности с примерами решения, стоящие в этих столбцах с вероятностью 0,99; 0,95; и т.д. возникли случайно. В нашем примере, вероятность случайного происхождения отклонения составляет менее 0,01 (т.е. меньше одного шанса из ста!). Мы вполне можем считать, что реклама оказала воздействие. Обратите внимание, что критерий. Центральная предельная теорема в теории вероятности с примерами решения не говорит категорически, что случайность тут невозможна, просто вероятность этого очень мала. Другими словами, если мы отбросим нулевую гипотезу и выберем альтернативную, то вероятность ошибки будет меньше одного процента.

Если Вы будете пользоваться этим методом, совсем не нужно считать каждый раз вручную все отклонения. Подсчеты можно проводить в Excel автоматически.

Сначала запишите известные Вам показатели в виде таблицы. Затем посчитайте в Excel столбец ожидаемых величин. После этого нажмите в верхнем меню кнопку Центральная предельная теорема в теории вероятности с примерами решения

Затем, выберите среди функций тип "статистические", и из предложенного перечня в окошке - ХИ2ТЕСТ.

Затем, по подсказке, поставив курсор в поле "ожидаемый интервал" выделите мышью столбец ожидаемых значений (но не захватывайте сумму в нижней строке). Аналогично в поле "фактический интервал" введите массив из столбика фактических данных после рекламы. Программа сама посчитает граничную вероятность того, что отклонение было случайным.

Так в нашем варианте более точное значение вероятности составляет примерно 0,0035. В таблице мы попали по значению Центральная предельная теорема в теории вероятности с примерами решения между столбцами и посчитать вероятность с такой точностью не смогли. Видимо для того, чтобы Вы привыкли пользоваться подобными оценками, имеет смысл обсудить вопрос о "степени свободы". Что это такое и какие степени свободы вообще могут быть? Понятно, что оценка значимости происходящих изменений может происходить только при наличии данных, как полученных при гипотетическом воздействии этих изменений, так и свободных от изменений.

В качестве заведомо не подверженных изменениям данных в нашем примере выступали показания числа звонков на оба телефона до публикации каталога. Кроме того, для дополнительной объективности данных, мы использовали один телефон как неизвестный в рекламе. Это позволило нам исключить возможное влияние сезонных изменений спроса или другие подобные факторы. В других ситуациях, мы можем сравнивать динамику спроса на один товар с динамикой спроса на другой, если идет целевая раскрутка этого товара, или же товар входит в моду. И в этой ситуации свойства нормального распределения помогут нам сделать вывод о значимости происходящих изменений.

Предельные теоремы теории вероятностей

Сходимость по вероятности

Согласно молекулярно-кинетической теории все газы состоят из большого числа атомов и молекул, которые движутся хаотически в разных направлениях и с разными скоростями. Заранее нельзя указать, где в определенный момент времени, и с какой скоростью будет двигаться та или иная частица. Однако при измерении давления газа измерительный прибор показывает постоянную величину при неизменных внешних условиях. Это показание прибора зависит от числа ударяющихся частиц, от направления их движения и величины скорости частицы. Однако ввиду огромного числа частиц их суммарное действие оказывается постоянным. Этот опыт долгое время использовался как аргумент против молекулярно-кинетической теории. Но, когда был поставлен опыт с “небольшим” числом частиц, то давление при неизменных внешних условиях стало колеблющейся величиной. Этот опыт является иллюстрацией “закона больших чисел”, который будет рассмотрен ниже.

Пусть дана последовательность случайных величин Центральная предельная теорема в теории вероятности с примерами решения и некоторое постоянное число С.

Определение: Сходимостью по вероятности последовательности случайных величин Центральная предельная теорема в теории вероятности с примерами решения к постоянному числу С называется тот факт, когда для любого положительного числа Центральная предельная теорема в теории вероятности с примерами решения имеет место предельное соотношение: Центральная предельная теорема в теории вероятности с примерами решения

В дальнейшем рассмотрим теоремы, которые устанавливают сходимость некоторых последовательностей случайных величин к постоянному числу. Этими теоремами являются предельные теоремы теории вероятностей. Они разделяются на 2 группы. Первая группа объединяется под общим названием “закон больших чисел”. Эти теоремы доказывают устойчивость средних значений случайных величин и выявляют общие условия, выполнение которых приводит к устойчивости случайных процессов и явлений. Вторая группа теорем получила общее название “центральной предельной теоремы”, которая рассматривает предельные законы распределения. Примером этой группы теорем могут служить дифференциальная и интегральная формулы Муавра-Лапласа, которые были приведены в Лекции № 3. Поэтому в этой Лекции остановимся на теореме Чебышева, которая дает изящную и наиболее общую формулировку “закона больших чисел”.

Неравенство и теорема Чебышева

Прежде, чем рассматривать теорему Чебышева, сформулируем его важное неравенство, которое справедливо как дискретных, так и случайных непрерывных величин.

Теорема: Вероятность того, что отклонение случайной величины X от её математического ожидания по абсолютной величине меньше любого заранее заданного положительного числа Центральная предельная теорема в теории вероятности с примерами решения, не меньше, чем Центральная предельная теорема в теории вероятности с примерами решения.

Доказательство: Пусть X - случайная дискретная величина, для которой дисперсия равна Центральная предельная теорема в теории вероятности с примерами решения В этой сумме отбросим все те слагаемые, для которых выполняется неравенство Центральная предельная теорема в теории вероятности с примерами решения и оставим только те слагаемые, для которых выполняется неравенство Центральная предельная теорема в теории вероятности с примерами решения В результате этих действий сумма может только уменьшиться, т.е. Центральная предельная теорема в теории вероятности с примерами решения где Центральная предельная теорема в теории вероятности с примерами решения Эта сумма еще больше уменьшится, если в ней заменить выражения Центральная предельная теорема в теории вероятности с примерами решения на малое число Центральная предельная теорема в теории вероятности с примерами решения В этом неравенстве под знаком суммы стоят вероятности тех значений случайной величины X, для которых выполняется неравенство Центральная предельная теорема в теории вероятности с примерами решения Тогда сумма Центральная предельная теорема в теории вероятности с примерами решения по теореме сложения случайных величин есть вероятность того, что случайная величина X принимает значения, при которых выполняется неравенство Центральная предельная теорема в теории вероятности с примерами решенияСледовательно, выполняется равенство: Центральная предельная теорема в теории вероятности с примерами решения Вероятность противоположного события равна Центральная предельная теорема в теории вероятности с примерами решения Подставив полученное равенство в неравенство для дисперсии, получим Центральная предельная теорема в теории вероятности с примерами решения

Отсюда и следует неравенство Чебышева. Аналогично теорема доказывается для случайной непрерывной величины.

Используя полученное неравенство, докажем теорему Чебышева:

Теорема: Пусть случайные величины Центральная предельная теорема в теории вероятности с примерами решения... попарно независимы, а их дисперсии ограничены (Центральная предельная теорема в теории вероятности с примерами решения). Тогда для любого заранее заданного положительного числа Центральная предельная теорема в теории вероятности с примерами решения имеет место неравенство Центральная предельная теорема в теории вероятности с примерами решения что иначе можно записать в виде

Центральная предельная теорема в теории вероятности с примерами решения

Доказательство: Рассмотрим случайную величину Центральная предельная теорема в теории вероятности с примерами решения Так как по условию теоремы случайные величины Центральная предельная теорема в теории вероятности с примерами решения попарно-независимы, то математическое ожидание случайной величины X равно Центральная предельная теорема в теории вероятности с примерами решения

Аналогично для дисперсии имеет место равенство Центральная предельная теорема в теории вероятности с примерами решения Так как по условию теоремы Центральная предельная теорема в теории вероятности с примерами решения Воспользуемся неравенством Чебышева для случайной величины X, т.е.

Центральная предельная теорема в теории вероятности с примерами решения или с учетом ограниченности дисперсииЦентральная предельная теорема в теории вероятности с примерами решения

Отсюда следует, что при неограниченном росте Центральная предельная теорема в теории вероятности с примерами решения вероятность события, указанного в круглых скобках, будет стремиться к 1, т.е. при Центральная предельная теорема в теории вероятности с примерами решения указанное событие будет становиться все более достоверным.

Оценка точности и надежности измерений с помощью теоремы Чебышева

Пусть Центральная предельная теорема в теории вероятности с примерами решения результаты n измерений случайной величины X. Очевидно, что Центральная предельная теорема в теории вероятности с примерами решения - истинное значение случайной величины X. Примем за приближенное значение измеряемой величины среднее арифметическое измеренных значений Центральная предельная теорема в теории вероятности с примерами решения Измерение имеет точность Центральная предельная теорема в теории вероятности с примерами решенияесли выполняется неравенство Центральная предельная теорема в теории вероятности с примерами решения Измерение имеет точность Центральная предельная теорема в теории вероятности с примерами решения с надежностью Центральная предельная теорема в теории вероятности с примерами решения если выполняется вероятностное неравенство Центральная предельная теорема в теории вероятности с примерами решения Согласно теореме Чебышева Центральная предельная теорема в теории вероятности с примерами решения

Для выполнения предыдущего неравенство должно выполняться соотношение: Отсюда найдем, какое количество опытов надо провести, чтобы получить заданную точность измерений Центральная предельная теорема в теории вероятности с примерами решения с заданной надежностью Центральная предельная теорема в теории вероятности с примерами решения

Центральная предельная теорема в теории вероятности с примерами решения

Теорема Ляпунова

В качестве “центральной предельной теоремы" рассмотрим теорему Ляпунова (без доказательства), которая объясняет особое место нормального закона распределения.

Теорема: Если случайные величины Центральная предельная теорема в теории вероятности с примерами решения... попарно независимы и удовлетворяют условию Центральная предельная теорема в теории вероятности с примерами решения, то Центральная предельная теорема в теории вероятности с примерами решения Смысл этой теоремы состоит в том, что при достаточно больших значениях n случайная величина Центральная предельная теорема в теории вероятности с примерами решения распределена почти по нормальному закону распределения с математическим ожиданием Центральная предельная теорема в теории вероятности с примерами решения и средне-квадратичным отклонением Центральная предельная теорема в теории вероятности с примерами решения “Закон больших чисел” проявляется здесь в том, что несмотря на то, что о слагаемых случайных величинах Центральная предельная теорема в теории вероятности с примерами решения почти ничего неизвестно, но об их сумме известно всё, так как определен закон распределения.

Применим эту теорему для оценки точности и надежности измерений. Пусть Центральная предельная теорема в теории вероятности с примерами решения - истинное значение случайной величины X, а Центральная предельная теорема в теории вероятности с примерами решения Тогда согласно теореме Ляпунова случайная величина

Центральная предельная теорема в теории вероятности с примерами решения

распределена почти по нормальному закону. Так как величины Центральная предельная теорема в теории вероятности с примерами решения не являются случайными, то случайная величина Центральная предельная теорема в теории вероятности с примерами решения распределена также по нормальному закону. Вычислим её математическое ожидание и дисперсию Центральная предельная теорема в теории вероятности с примерами решения Тогда среднее квадратичное отклонение равно Центральная предельная теорема в теории вероятности с примерами решения Используя формулу вероятности отклонения нормальной случайной величины от ее математического ожидания, получим Центральная предельная теорема в теории вероятности с примерами решения Следовательно, чтобы получить заданную точность измерений Центральная предельная теорема в теории вероятности с примерами решения с заданной надежностью Центральная предельная теорема в теории вероятности с примерами решения надо потребовать выполнение неравенства Центральная предельная теорема в теории вероятности с примерами решения Поэтому Центральная предельная теорема в теории вероятности с примерами решения или Центральная предельная теорема в теории вероятности с примерами решения

Это неравенство и есть условие достижения заданной точности измерений Центральная предельная теорема в теории вероятности с примерами решения с заданной надежностью Центральная предельная теорема в теории вероятности с примерами решения

Пример:

Сколько измерений нужно провести, чтобы их среднее арифметическое значение дало измеряемую величину с точностью ε = 0.05 и надежностью γ = 0.9 , если дисперсия измеряемой величины меньше 2 . Необходимое число измерений равно Центральная предельная теорема в теории вероятности с примерами решения

Решение:

По условию задачи точность Центральная предельная теорема в теории вероятности с примерами решения надежность Центральная предельная теорема в теории вероятности с примерами решения и дисперсия измеряемой величины меньше 2. Следовательно, Центральная предельная теорема в теории вероятности с примерами решения Таким образом, согласно теореме Ляпунова должно выполняться неравенство Центральная предельная теорема в теории вероятности с примерами решения

Из таблицы для функции Лапласа находим, что если Центральная предельная теорема в теории вероятности с примерами решения следовательно,Центральная предельная теорема в теории вероятности с примерами решения Отсюда находим, что Центральная предельная теорема в теории вероятности с примерами решения

Теорема Бернулли

Пусть проводится n независимых испытаний, в каждом из которых вероятность появления события А постоянна и равна р.

Теорема: Вероятность отклонения частоты m/n от вероятности р в схеме Бернулли на сколь угодно малую положительную величину Центральная предельная теорема в теории вероятности с примерами решения стремится к единице при достаточно большом числе испытаний, т.е. Центральная предельная теорема в теории вероятности с примерами решения

Доказательство: Обозначим через Центральная предельная теорема в теории вероятности с примерами решения, число появлений события А в испытании i. Закон распределения для каждого испытания одинаков и имеет вид: Центральная предельная теорема в теории вероятности с примерами решения

Поэтому математическое ожидание и дисперсия равны: Центральная предельная теорема в теории вероятности с примерами решенияЦентральная предельная теорема в теории вероятности с примерами решения В силу того, что Центральная предельная теорема в теории вероятности с примерами решениято дисперсия Центральная предельная теорема в теории вероятности с примерами решения ограниченна. Так как испытания независимы, то и случайные величины Центральная предельная теорема в теории вероятности с примерами решения также независимы и к ним применима теорема Чебышева, т.е. Центральная предельная теорема в теории вероятности с примерами решения Величина Центральная предельная теорема в теории вероятности с примерами решения дает число случаев, благоприятствующих появлению события А, т.е. равно m, следовательно, Центральная предельная теорема в теории вероятности с примерами решения

Замечание: Из последней формулы не следует, что Центральная предельная теорема в теории вероятности с примерами решения Теорема утверждает только тот факт, что вероятность этого события с ростом n стремится к единице.

Замечание: Теорема Бернулли является частным случаем теоремы Чебышева и обосновывает возможность приближенной замены вероятности события A относительной частотой его появления, что находит свое применение в математической статистике.