Главная
>
Дифференцирование и интегрирование по аргументу получим (2/-- 1)?2-2=2$2 Отсюда при г == 1 находим .1=2о2. o = -L V2 SF 1-3...(2/--1). t - 2 Если бы мы взяли нормальный закон распределения в виде (33), то получили бы =1-3... (2/- -l)o2 9.1.13. Характеристическая функция нормального закона распределения. По определению, характеристическая функция (р(и) равна ср(и) = -i= / е е 2c=dx. ay 2iz J - CO Вычисление ее легко сводится к вычислению интеграла со * J у а Отсюда, считая, что а = и у = ио, получаем выражение cf(u)-e 2 которое имеет ту же аналитичеркую форму, что и плотность вероятности. Вычисление производных от функции (р(и) позволяет легко найти х2 = (-1) (0) = 1 . 3 ... (2/- - 1) o2 х2-+1=0. 9.1.14. Теорема Бернулли. Пусть дано сколь угодно малое число tj. Вероятность того, что разность между частотой появления события и вероятностью этого события окажется меньше у}, стремится к единице, когда число п опытов бесконечно возрастает. Иначе говоря, когда п бесконечно возрастает, частоты осуществлений события А и противоположного события В неограниченно приближаются к вероятностям р и д. Высказанное выше предложение называется законом больших чисел. Пусть т; -сколь угодно малое положительное число. Покажем, что вероятность выполнения неравенства < (34) при бесконечно возрастающем п стремится к единице. Другими словами, частота появления события А стремится к вероятности р. порядка 2г (все моменты нечетных порядков в силу симметрии равны нулю). Интегрируя от нуля до бесконечности обе части тождества (2r-lg-6) = (2/-- l)£2r-2g-5 2£2г~6% Если положить <7J. TO вероятность того, что неравенство (34) будет удовлетворяться, стремится к Ф() при условии, что п бесконечно возрастает, т. е. к При любом заданном tj можно всегда выбрать и достаточно большим, чтобы эта величина была сколь угодно близка к единице. Следовательно, вероятность того, что - стремится к р при бесконечно возрастающем п, стремится к единице. Возьмем например, р = q = 0,5. Из таблиц функции Ф() находим, что если > 7,6 10, то вероятность того, что отличается от р меньше, чем на 10~, больше, чем 1 - 10 . 9.1.15. Замечания о переходе от биномиального закона распределения к но5мальному. Вернемся к рассмотрению условий, позволяющих заменить биномиальный закон распределения, представленный формулами (21) или (26), нормальным законом, определяемым формулой (31). При этом переходе мы допускаем несколько ошибок, а именно: 1) при замене истинного значения факториала его приближенным значением по формуле Стирлинга (при переходе от формулы (26) к формуле (27)); 2) за счет пренебрежения бесконечно малыми высшего порядка при пере- ходе от формулы (27) к формуле (28) или к формуле (31); 3) при замене дискретной случайной величины непрерывной. Можно показать, что основная часть этих ошибок пропорциональна - , если р отлично от О, и пропорционально -2- , если р равно q. У npq -РЯ Если п не слишком велико, а р близко к q, то кривая, представляющая нормальный закон распределения, пройдет очень близко от точек, изображающих биномиальный закон, кроме случаев очень больших значений отклонения. Рассмотрим, например, случай п = 30, а Р - - (см. схему на рис. 9.5. и таблицу в примере п. 9.1.11). Ординаты при этом были вычислены по биномиальному закону. Сравним их значения со значениями, полученными по формуле (28). При малом отклонении х = 1 имеем Язц(11)=г 0,1396 (биномиальный закон), (11) = 0,1389 (нормальный закон); ошибка составляет 0,5%. При большом отклонении х = 7 имеем (5) = 0,002634 (биномиальный закон), (5) = 0,004970 (нормальный закон); ошибка составляет 88%. Если исследователь-статистик не располагает статистическими таблицами, содержащими очень большое количество результатов измерений, ему следует с большой осторожностью пользоваться нормальным законом распределения Неравенство (34) можно написать в виде . 1 -- Таккак р очень мало, то следует принимать во внимание только числа k, малые по сравне! и:о с п. Произведение 1--jl -. . . 1 -~~] весьма близко к единице. Это же относится к величине 1 -- близка к е . Отсюда получаем формулу . Величина 1--очень а \п Pni = . (35) Эта формула представляет собой закон распределения Пуассона, В случае, если п бесконечно возрастает, формула (35) имеет своим пределом нормальный закон распределения. Введя математическое ожидание чисел k, можно написать эту формулу в виде , . ; , p,{k)==-. (36) и только для малых значений отклонений в случае, когда вероятности р а q пе слишком отличаются друг от друга. Следует также помнить, что хвосты кривой Гаусса, соответствующие большим отклонениям, вевсе не представляют собой в этом случае биномиальный закон. Напротив, физик, который исследует столкновения молекул или электронные флюктуации, будет все время иметь дело с очень большими числами п и сможет всегда отождествлять биномиальный закон распределения с нормальным законом, за исключением, однако, случая очень малой вероятности р. Действительно, рассмотрим случай, когда р значительно отличается отд. При этом точки, изображающие биномиальный закон распределения, не находятся на кривой Гаусса на любом участке этой кривой. Отличие будет тем больше, чем больше р будет отличаться от 9 и чем меньше будет и. Однако, если даже п - большое число, нельзя отождествить оба эти закона в случае крайне малой вероятности, как это встречается в физике. Если, например, =:10~ а 9 = 0,999999, то пренебречь величиной можно, только если п будет порядка Ю. Vnpq Полезно было бы найти промежуточный закон распределения для случая очень малых вероятностей р. Конечно, закон этот должен приближаться к нормальному закону распределения, если п бесконечно возрастает. 9.1.16. Закон распределения Пуассона. Пусть р - вероятность осуществления события А. Предполагаем, что эта вероятность очень мала. Наивероятнейшее число осуществлений события А равно, как мы уже видели, пр-\- р или, приближенно, пр. Биномиальный закон распределения Рп{к) = Сгр\1-рТ- может быть написан, если положить а = пр, в виде
|