Предельные теоремы. Характеристические функции (стр. 2 из 2)

Имеем:

Так как случайные величины

независимы, то независимы и случайные величины , поэтому

Используя аппарат характеристических функций можно показать, что случайные величины Z = X + Y (Z – носит название композиции), где X, Y независимые случайные величины имеющие биноминальное распределение или распределение Пуассона, или нормальное распределение также подчиняются соответственно биноминальному распределению, закону Пуассона, нормальному закону.

3. Центральная предельная теорема

Теорема. Если случайные величины Х₁, Х₂, ... , Х_nвзаимно независимы и имеют один итот жезакон распределения f(x) и

то при неограниченном увеличении n закон распределения суммы

неограниченно приближается к нормальному.

Она может быть сформулирована в более общем случае. Закон распределения вероятностей суммы независимых случайных величин одинакового порядка при неограниченном увеличении слагаемых вне зависимости законов распределения слагаемых стремится к нормальному закону с плотностью вероятностей

где

Доказательство использует аппарат характеристических функций, представляя

и разлагая функцию g_x(t) в ряд Макларена. Далее, делая нормировку случайной величины Y_n, т.е. замену показывается, что

Пример. Складываются 24 независимых случайных величины, каждая из которых подчинена равномерному закону на интервале (0, 1).

Написать приближенное выражение для плотности суммы этих случайных величин. Найти вероятность того, что сумма будет заключена в пределах от 6 до 8.

Решение. Пусть

где Х_i – равномерно распределенные случайные величины. Случайная величина Y удовлетворяет центральной предельной теореме, поэтому ее плотность распределения

Так как Х_i – равномерно распределены на интервале (0, 1), то

Следовательно,

Подставим полученные значения в формулу плотности вероятности случайной величины Y:

Значит