Закон больших чисел утверждает что в статистике. Понятия закона больших чисел. Малая выборка в статистике

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

Министерство образования и науки Российской Федерации

Федеральное агентство по образованию

Государственное образовательное учреждение высшего профессионального образования

«Северо-Кавказский государственный технический университет»

ФУП и ЗО (ИУП)

КОНТРОЛЬНАЯ РАБОТА

ПО ДИСЦИПЛИНЕ ПРАВОВАЯ СТАТИСТИКА

Ставрополь 2012

1. Назовите виды (источники) информации и дайте им краткую характеристику. Какие требования предъявляются к статистической информационной базе

Статистические данные - это составная часть глобальной информационной системы, которая формируется в соответствии с концепцией информатизации, разработанной в Российской Федерации. Государственная политика в сфере формирования информационных ресурсов и информатизации направлена на создание условий эффективного и качественного информационного обеспечения решения стратегических и оперативных задач социального и экономического развития страны.

Формирование информационной базы статистического исследования социальных явлений и процессов - сложный, многоступенчатый процесс.

В этом процессе выделяются следующие обязательные этапы (иногда, как отмечалось, их именуют стадиями) исследования: статистическое наблюдение, сводка и группировка собранного материала, обработка и анализ сводных статистических данных (информации). Последние два этапа составляют научную обработку статистических данных.

Перечисленные этапы неразрывно связаны между собой, проводятся по предварительному плану и только в своей совокупности составляют законченный вид всякого статистического исследования.

Статистическое наблюдении - первый этап статистического исследования - планомерное, научно организованное и, как правило, систематическое получение данных (сбор сведений) о массовых явлениях и процессах социальной и экономической жизни путем регистрации существенных признаков каждой единицы их совокупности.

Например, во время проведения переписи населения в отношении каждого жителя страны, подлежащего переписи, регистрируются такие признаки, как пол, возраст, национальность, семейное положение, образование, источник средств существования и т.д. А при регистрации преступления в соответствующих документах единого учета (форма № 1 - статистическая карточка на выявленное преступление) учитываются существенные уголовно-правовые признаки (квалификация преступления, категория преступления, объект и предмет преступного посягательства, способ его совершения и т.д.), уголовно-процессуальные (кем и когда возбуждено уголовное дело, чья подследственность и т.д.), криминологические (виктимологические) - число потерпевших, их пол, возраст, отношение к виновному в совершении преступления и другие значимые в научно-практическом отношении признаки.

Статистическое наблюдение как целенаправленный, научно организованный и методически контролируемый учет признаков и свойств массовых явлений, событий, фактов - основополагающий способ сбора данных во всех сферах общественной жизни, в том числе и в сфере реализации государственных мер социального контроля над правонарушениями.

Статистическая сводка - представляет собой проверку, систематизацию, научную обработку материалов статистического наблюдения (подсчет первичного статистического материала, например карточек на лиц, совершивших преступления), подытоживание отдельных единиц и сведения их в массы или совокупности в целях получения обобщенной характеристики изучаемого явления по ряду существенных для него признаков (например, число несовершеннолетних, совершивших преступления).

Различают первичную и вторичную сводку. Первичная сводка - обработка и подсчет первичных данных (по документам первичного учета), непосредственно собранных в процессе статистического наблюдения; вторичная сводка - обработка и подсчет сведенных данных первичной сводки. Она производится по данным отчетности и специально.

Целью сводки является систематизация первичных данных и получение на этой основе сводной характеристики объекта исследования в целом при помощи обобщающих статистических показателей. То есть если при статистическом наблюдении собирают данные о тех или иных признаках каждой единицы совокупности, то результатом сводки являются подробные сведения, отражающие в целом всю совокупность.

2. Сущность закона больших чисел и его роль в исследовании социально-правовых явлений. Какова вероятность того, что при бросании игральной кости у нас выпадет число очков, делящееся на 3? Что является математическим обоснованием закона больших чисел

Закон Больших Чисел в теории вероятностей утверждает, что эмпирическое среднее (среднее арифметическое) достаточно большой конечной выборки из фиксированного распределения близко к теоретическому среднему 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 относительная частота появления некоторого события будет сколь угодно мало отличаться от его вероятности.

Общий смысл закона больших чисел - совместное действие большого числа случайных факторов приводит к результату, почти не зависящему от случая.

На этом свойстве основаны методы оценки вероятности на основе анализа конечной выборки. Наглядным примером является прогноз результатов выборов на основе опроса выборки избирателей.

Под законом больших чисел и понимается совокупность предложений, в которых утверждается, что с вероятностью, как угодно близкой к единице (или нулю), произойдет событие, зависящее от очень большого, неограниченно увеличивающегося числа случайных событий, каждое из которых оказывает на него лишь незначительное влияние.

Точнее, под законом больших чисел понимается совокупность предложений, в которых утверждается, что с вероятностью, как угодно близкой к единице, отклонение средней арифметической достаточно большого числа случайных величин от постоянной величины - средней арифметической их математических ожиданий, не превзойдет заданного как угодно малого числа.

Отдельные, единичные явления, которые мы наблюдаем в природе и в общественной жизни, часто проявляются как случайные (например, регистрируемый смертный случай, пол родившегося ребенка, температура воздуха и др.) вследствие того, что на такие явления действует много факторов, не связанных с существом возникновения или развития явления. Предсказать суммарное действие их на наблюдаемое явление нельзя, и они различно проявляются в единичных явлениях. По результатам одного явления нельзя ничего сказать о закономерностях, присущих многим таким явлениям.

Однако давно было замечено, что средняя арифметическая числовых характеристик некоторых признаков (относительные частоты появления события, результатов измерений и т.д.) при большом числе повторений опыта подвержена очень незначительным колебаниям. В средней как бы проявляется закономерность, присущая существу явлений, в ней взаимно погашается влияние отдельных факторов, которые делали случайными результаты единичных наблюдений. Теоретически объяснить такое поведение средней можно с помощью закона больших чисел. Если будут выполнены некоторые весьма общие условия относительно случайных величин, то устойчивость средней арифметической будет практически достоверным событием. Эти условия и составляют наиболее важное содержание закона больших чисел.

Первым примером действия этого принципа и может служить сближение частоты наступления случайного события с его вероятностью при возрастании числа испытаний - факт, установленный в теореме Бернулли (швейцарский математик Якоб Бернулли (1654- 1705)).Теорема Бернулл является одной из простейших форм закона больших чисел и часто используется на практике. Теорема Бернулли: Если вероятность события А в каждом из п независимых испытаний постоянна и равна р, то при достаточно большом п для произвольного e >0 справедливо неравенство

Переходя к пределу, имеем

Вероятность того, что при бросании игральной кости выпадет число, которое делится на 3, равна 2/6. Так как игральная кость имеет 6 сторон, а на три делятся всего 2 числа - 3 и 6.

3. Назовите основные задачи анализа данных уголовно-правовой статистики. Основные направления исследования преступности на основе данных уголовно-правовой статистики

Уголовно-правовая статистика, призвана играть самую серьезную роль в изучении преступности и выработке практических мер контроля над ней. Она ставит перед собой и решает следующие основные задачи:

1) определение количественно-качественных характеристик преступности;

2) выявление обстоятельств (причин, условий, факторов), детерминирующих преступность;

3) изучение лиц, совершивших преступления;

4) изучение всей системы государственных мер социального контроля над преступностью.

Очевидно, все перечисленные задачи практически связаны друг с другом, поскольку исследование преступности ведется, как правило, в связи с оценкой деятельности государственных органов, осуществляющих контроль над ней.

В процессе анализа используются следующие виды источников информации:

Документы первичного учета и статистической отчетности правоохранительных органов и суда;

Данные обобщения уголовных дел и материалов о преступлениях;

Данные прокурорских проверок состояния законности;

Данные социально-экономической, социально-демографической статистики;

Результаты изучения общественного мнения о преступности и криминологических исследований, если они проводились на обследуемой территории;

Данные об иных правонарушениях и показателях моральной статистики (пьянство, алкоголизм, наркомания и др.).

В самом общем плане основными направлениями изучения преступности являются:

Изучение тенденций преступности и обусловливающих ее факторов в целях получения прогностических выводов о возможных изменениях этих тенденций и разработки на этой основе перспективных программ (общегосударственных, региональных и т.д.) социального контроля над ней;

Исследование отдельных проблем борьбы с преступностью и охраны общественного порядка. Например, анализ состояния некоторых категорий и видов преступлений (должностных, в сфере экономики - финансовых, налоговых, таможенных, связанных с наркотиками, заказных убийств, угона автомототранспортных средств, преступлений, совершаемых несовершеннолетними, квартирных краж и т.д.);

Текущий (непрерывный) анализ оперативной обстановки на основе суточной, декадной и месячной информации. Осуществляемый непрерывно, он служит потребностям оперативного руководства, позволяет быстро обнаруживать те или иные изменения в оперативной обстановке и принимать нужные управленческие решения. В органах внутренних дел это изучение практически осуществляется всеми отраслевыми службами. Однако основной объем данной работы ложится на их штабные подразделения и дежурные части, располагающие необходимой оперативной информацией и средствами ее накопления (картотеки, журналы, схемы, графики, магнитопланы и т.п.);

Систематический анализ преступности, при котором она анализируется последовательно из года в год (или по более длительным периодам - три, пять лет);

Комплексный анализ преступности с учетом большинства известных факторов, оказывающих или способных оказать влияние на их особенности.

Преступность анализируется не в статике, а в динамике. При этом, как отмечалось, поскольку «душа» анализа - сравнение во времени и пространстве, постольку важен как ретроспективный анализ, т.е. взгляд на тенденции и состояние преступности в прошлом, так и перспективный - выявление ее возможных тенденций, характеристик.

Говоря о динамике преступности за многолетний период, надо учитывать обстоятельства, влияющие на эту динамику: изменение исторических и социально-экономических условий (специфика в этом отношении советского и настоящего периода - постсоветского); движение населения (опережающие темпы роста смертности по сравнению с рождаемостью и связанные с этим процессы изменения удельных весов отдельных возрастных когорт и старения населения, процессы вынужденной миграции - беженцы и переселенцы и др.); изменение уголовного закона и др.

Указанные обстоятельства предопределяют необходимость выделения из всей совокупности сопоставимого массива преступлений, который мог бы быть базовым при анализе преступности во времени и пространстве. Опыт свидетельствует, что при этом следует учитывать ряд моментов: стабильность уголовно-правового запрета; распространенность преступлений не должна зависеть от каких-то особых, специфических условий места и времени, уровень терпимости населения к выявлению тех или иных преступлений, наказанию виновных и др.

Сопоставимый массив преступлений должен отражать видовой объект уголовно-правовой зашиты и включать следующие основные блоки:

1) преступления против личности (насильственная преступность): умышленные убийства, причинение вреда здоровью, изнасилование, посягательство на жизнь сотрудника правоохранительного органа и т.п.;

2) преступления в сфере экономики: а) против собственности (кражи, грабежи, разбои, вымогательство и др.); б) в сфере кредитно-денежных отношений - кредитно-банковские злоупотребления и фальшивомонетничество; в) в сфере внешнеэкономической деятельности - контрабанда; г) в сфере потребительского рынка; г) в сфере приватизации и др.;

3) преступления против общественной безопасности и общественного порядка (бандитизм, хулиганство, преступления, связанные с незаконным оборотом оружия, наркотиков, и др.);

4) преступления против интересов государственной власти (злоупотребление должностными полномочиями, взяточничество и др.).

Приведенный перечень может расширяться в зависимости от конкретного состояния преступности и практических потребностей анализа.

Кроме того, наряду с отмеченными блоками преступности, выделяемыми по характеру совершенных преступлений, в теории и аналитической практике важное значение имеет анализ основных показателей рецидивной преступности: ее уровень и интенсивность - число преступлений, совершенных лицами, ранее совершавшими преступления, число лиц, ранее совершавших преступления, структура рецидива по сопоставимому массиву преступлений, ее организованность - доля преступлений, совершенных группой лиц без предварительного сговора, группой лиц по предварительному сговору, организованной группой, преступным сообществом (преступной организацией).

правовой статистика автоматизированный

4. Раскройте особенности оценки деятельности правоохранительных органов и суда по утверждению в стране режима конституционной законности. Назовите основные направления создания автоматизированной системы обработки данных правовой статистики

Суды (аналитические подразделения судебных департаментов) и соответствующие отделы статистики и аналитических обобщений органов юстиции всех уровней на основе данных судебной статистики определяют показатели работы судов по трем направлениям:

а) рассмотрение уголовных дел;

б) рассмотрение гражданских дел;

в) исполнение судебных решений.

По рассмотрению уголовных дел показатели работы судов первой инстанции характеризуют, в частности:

Количество поступивших уголовных дел, общее число осужденных судами первой инстанции, состояние судимости (уровень, темпы роста, структура судимости по различным уголовно-правовым и криминологическим признакам и пр.);

Карательная практика - структура и динамика мер наказаний, что в известной степени показывает направление уголовной политики и характеризует степень общественной опасности преступности (имея в виду соотношение групп осужденных к лишению свободы и осужденных к мерам наказания, не связанным с лишением свободы);

Законность и обоснованность постановлений судов первой инстанции - общее число судебных решений, отмененных и измененных вышестоящими судами;

Оперативность судебного разбирательства - количество дел, разрешенных районными (городскими) судами с нарушением процессуальных сроков, в том числе по делам вышестоящих судов.

Итак, работу судов по рассмотрению уголовных дел можно характеризовать по объему, срокам и качеству (как по абсолютным, так и по обобщающим показателям).

Объем работы определяется и по числу уголовных дел, рассмотренных судом за отчетный период, и по показателям средней нагрузки на одного судью.

Качество рассмотрения уголовных дел по сложившейся практике характеризуют такими показателями, как число отмененных и измененных кассационной или надзорной инстанциями приговоров и постановлений.

Эффективность любой деятельности существенно зависит от качественно-количественных показателей ее информационного обеспечения и быстроты их получения. Поэтому проблеме информатизации различных аспектов юридической деятельности ныне уделяется самое серьезное внимание. Средства быстродействующей вычислительной техники, связи и информатики используются в правотворческой, правоприменительной и правоохранной деятельности. Особое внимание уделяется компьютеризации системы уголовной юстиции. Восьмой конгресс ООН о предупреждении преступности и обращению с правонарушителями (Гавана, 1990 г.) принял специальную резолюцию «Компьютеризация уголовного правосудия»1, Девятый конгресс ООН (Каир, 1995 г.) организовал международный семинар-практикум по данной проблеме.

В компьютеризации юридической деятельности можно условно выделить три группы систем:

1) автоматизированные информационные системы о нормативных актах, включающие в себя банки законодательных, правительственных и ведомственных актов, решения Конституционного Суда, постановления Пленума Верховного Суда, материалы судебной и арбитражной практики;

2) автоматизированные информационные системы, обеспечивающие оперативно-розыскную деятельность, расследование преступлений, охрану общественного порядка, где отражены банки данных криминального учета лиц - владельцев оружия и автотранспорта, лиц, разыскиваемых и без вести пропавших и единиц разыскиваемого оружия и т. д.;

3) автоматизированные информационные системы регистрации и учета преступлений, лиц, их совершивших, осужденных, заключенных, иной статистической информации о деятельности правоохранительных органов, судов, других юридических учреждений.

Все эти системы тесно связаны между собой. Они могут формировать единую информационно-вычислительную сеть органов внутренних дел, налоговой полиции, таможенной службы, прокуратуры и судов. Информация одной автоматизированной информационной системы может быть важной для другой и наоборот. Поэтому стратегическая цель при информатизации деятельности правоохранительных органов - это применение новейших информационных технологий на базе создания интегрированных банков данных справочного, статистического и аналитического характера, объединяя их в единое информационное пространство, доступное с рабочих мест сотрудникам правоохранительных органов1. В 1995 т. была принята Президентская программа «Правовая информатизация органов государственной власти РФ», в которой определены перспективы развития автоматизированных информационных систем в правовой сфере.

Размещено на Allbest.ru

Подобные документы

Математические методы систематизации и использования статистических данных для научных и практических выводов. Формирование закономерностей массовых социально-экономических процессов. Толкование экономических явлений посредством закона больших чисел.

контрольная работа , добавлен 28.10.2010

Понятие статистической совокупности и ее структура. Понятие генеральной и выборочной совокупности. Обеспечение репрезентативности выборочной совокупности. Вероятность наступления в выборочной совокупности какого-либо события. Закон больших чисел.

презентация , добавлен 19.05.2012

Краткая история зарождения и развития статистики как науки. Предмет изучения и характеристика основных задач статистики. Статистические методы сбора и обработки данных для получения достоверных оценок и результатов. Источники статистических данных.

лекция , добавлен 13.02.2011

Исследование направлений движения статистической информации. Сбор первичных данных в ходе статистического наблюдения. Сводка, группировка, обработка данных, осуществляемая органами государственной статистики. Использование статистической информации.

реферат , добавлен 26.05.2014

Законы распределения случайных величин. Закон распределения Пуассона. Свойства плотности вероятности. Критериальные случайные величины. Свойство коэффициента корреляции. Закон больших чисел и его следствия. Предельные теоремы теории вероятностей.

курс лекций , добавлен 11.03.2011

Понятие о статистической информации. Статистическое наблюдение как стадия экономико-статистического исследования. Задачи и данные статистики при изучении доходов, расходов. Домашние хозяйства как источник информации. Доходная и расходная часть баланса.

контрольная работа , добавлен 06.12.2010

Понятие экономического анализа как науки, его сущность, предмет, общая характеристика методов и социально-экономическая эффективность. Основные группы эконометрических методов анализа и обработки данных. Факторный анализ экономических данных предприятия.

реферат , добавлен 04.03.2010

Основные понятия статистики. Организация статистического наблюдения. Ряды распределения, табличный метод представления данных. Статистическая сводка и группировка. Объекты уголовно-правовой, гражданско-правовой и административно-правовой статистики.

реферат , добавлен 29.03.2013

Понятие статистики как научного направления, предмет и методы ее изучения. Методы организации государственной статистики в РФ и международной практике, требования к данным. Сущность и порядок реализации корреляционно-регрессивного анализа и связей.

учебное пособие , добавлен 07.02.2010

Организационные формы и субъекты экономического анализа. Элементы информационной системы анализа, цели предоставления и степень точности информации. Состав информации, необходимой для принятия управленческого решения; справочно-правовые базы данных.

Закон больших чисел

Практика изучения случайных явлений показывает, что хотя результаты отдельных наблюдений, даже проведенных в одинаковых условиях, могут сильно отличаться, в то же время средние результаты для достаточно большого числа наблюдений устойчивы и слабо зависят от результатов отдельных наблюдений. Теоретическим обоснованием этого замечательного свойства случайных явлений является закон больших чисел. Общий смысл закона больших чисел- совместное действие большого числа случайных факторов приводит к результату, почти не зависящему от случая.

Центральная предельная теорема

Теорема Ляпунова объясняет широкое распространение нормального закона распределения и поясняет механизм его образования. Теорема позволяет утверждать, что всегда, когда случайная величина образуется в результате сложения большого числа независимых случайных величин, дисперсии которых малы по сравнению с дисперсией суммы, закон распределения этой случайной величины оказывается практически нормальным законом. А поскольку случайные величины всегда порождаются бесконечным количеством причин и чаще всего ни одна из них не имеет дисперсии, сравнимой с дисперсией самой случайной величины, то большинство встречающихся в практике случайных величин подчинено нормальному закону распределения.

Остановимся подробнее на содержании теорем каждой из этих групп

В практических исследованиях очень важно знать, в каких случаях можно гарантировать, что вероятность события будет или достаточно мала, или как угодно близка к единице.

Под законом больших чисел и понимается совокупность предложений, в которых утверждается, что с вероятностью, как угодно близкой к единице (или нулю), произойдет событие, зависящее от очень большого, неограниченно увеличивающегося числа случайных событий, каждое из которых оказывает на него лишь незначительное влияние.

Точнее, под законом больших чисел понимается совокупность предложений, в которых утверждается, что с вероятностью, как угодно близкой к единице, отклонение средней арифметической достаточно большого числа случайных величин от постоянной величины -средней арифметической их математических ожиданий, не превзойдет заданного как угодно малого числа.

Однако давно было замечено, что средняя арифметическая числовых характеристик некоторых признаков (относительные частоты появления события, результатов измерений и т. д.) при большом числе повторений опыта подвержена очень незначительным колебаниям. В средней как бы проявляется закономерность, присущая существу явлений, в ней взаимно погашается влияние отдельных факторов, которые делали случайными результаты единичных наблюдений. Теоретически объяснить такое поведение средней можно с помощью закона больших чисел. Если будут выполнены некоторые весьма общие условия относительно случайных величин, то устойчивость средней арифметической будет практически достоверным событием. Эти условия и составляют наиболее важное содержание закона больших чисел.

Первым примером действия этого принципа и может служить сближение частоты наступления случайного события с его вероятностью при возрастании числа испытаний – факт, установленный в теореме Бернулли (швейцарский математик Якоб Бернулли (1654- 1705)).Теорема Бернулл является одной из простейших форм закона больших чисел и часто используется на практике. Например, частоту встречаемости какого-либо качества респондента в выборке принимают заоценку соответствующей вероятности).

Выдающийся французский математик Симеон Денни Пуассон (1781- 1840) обобщил эту теорему и распространил ее на случай, когда вероятность событий в испытании меняется независимо от результатов предшествующих испытаний. Он же впервые употребил термин «закон больших чисел».

Великий русский математик Пафнутий Львович Чебышев (1821 - 1894) доказал, что закон больших чисел действует в явлениях с любой вариацией и распростаняется также на закономерность средней.

Дальнейшее обобщение теорем закона больших чисел связано с именамиА.А.Маркова, С.Н.Бернштейна, А.Я.Хинчина и А.Н.Колмлгорова .

Общаясовременная постановка задачи, формулировка закона больших чисел, развитие идей и методов доказательства теорем, относящихся к этому закону, принадлежит русским ученым П. Л. Чебышеву, А. А. Маркову и А. М. Ляпунову .

НЕРАВЕНСТВО ЧЕБЫШЕВА

Рассмотрим сначала вспомогательные теоремы: лемму и неравенство Чебышева, с помощью которых легко доказывается закон больших чисел в форме Чебышева.

Лемма (Чебышев).

Если среди значений случайной величины Х нет отрицательных, то вероятность того, что она примет какое-нибудь значение, превосходящее положительное число А, не больше дроби, числитель которой - математическое ожидание случайной величины, а знаменатель -число А:

Доказательство. Пусть известен закон распределения случайной величины Х:

(i = 1, 2, ..., ), причем значения случайной величины мы считаем расположенными в возрастающем порядке.

По отношению к числу А значения случайной величины разбиваются на две группы: одни не превосходят А, а другие больше А. Предположим, что к первой группе относятся первые значений случайной величины ().

Так как , то все члены суммы неотрицательны. Поэтому, отбрасывая первые слагаемых в выражении получим неравенство:

Поскольку

то

что и требовалось доказать.

Случайные величины могут иметь различные распределения при одинаковых математических ожиданиях. Однако для них лемма Чебышева даст одинаковую оценку вероятности того или иного результата испытания. Этот недостаток леммы связан с ее общностью: добиться лучшей оценки сразу для всех случайных величин невозможно.

Неравенство Чебышева .

Вероятность того, что отклонение случайной величины от ее математического ожидания превзойдет по абсолютной величине положительное число , не больше дроби, числитель которой - дисперсия случайной величины, а знаменатель -квадрат

Доказательство. Поскольку случайная величина, которая не принимает отрицательных значений, то применим неравенство из леммы Чебышева для случайной величины при :

что и требовалось доказать.

Следствие. Поскольку

то

- другая форма неравенства Чебышева

Примем без доказательства факт, что лемма и неравенство Чебышева верны и для непрерывных случайных величин.

Неравенство Чебышева лежит в основе качественных и количественных утверждений закона больших чисел. Оно определяет верхнюю границу вероятности того, что отклонение значения случайной величины от ее математического ожидания больше некоторого заданного числа. Замечательно, что неравенство Чебышева дает оценку вероятности событиядля случайной величины, распределение которой неизвестно, известны лишь ее математическое ожидание и дисперсия.

Теорема. (Закон больших чисел в форме Чебышева)

Если дисперсии независимых случайных величин ограничены одной константой С, а число их достаточно велико, то как угодно близка к единице вероятность того, что отклонение средней арифметическойэтих случайных величин от средней арифметической их математических ожиданий не превзойдет по абсолютной величине данного положительного числа , каким бы малым оно ни было:

Теорему примем без доказательства.

Следствие 1. Если независимые случайные величины имеют одинаковые, равные , математические ожидания, дисперсии их ограничены одной и той же постоянной С, а число их достаточно велико, то, сколько бы мало на было данное положительное число , как угодно близка к единице вероятность того, что отклонение средней арифметической этих случайных величин от не превзойдет по абсолютной величине .

То, что за приближенное значение неизвестной величиныпринимают среднюю арифметическую результатов достаточно большого числа ее измерений, произведенных в одних и тех же условиях, можно обосновать этой теоремой. Действительно, результаты измерений являются случайными, так как на них действует очень много случайных факторов. Отсутствие систематических ошибокозначает, что математические ожидания отдельных результатов измерений одинаковые и равны . Следовательно, по закону больших чисел средняя арифметическая достаточно большого числа измерений практически будет как угодно мало отличаться от истинного значения искомой величины.

(Напомним, что ошибки называются систематическими, если они искажают результат измерения в одну и ту же сторону по более или менее ясному закону. К ним относятся ошибки, появляющиеся в результате несовершенства инструментов (инструментальные ошибки), вследствие личных особенностей наблюдателя (личные ошибки) и др.)

Следствие 2 . (Теорема Бернулли.)

Если вероятность наступления события А в каждом из независимых испытаний постоянна, а их число достаточно велико, то сколь угодно близка к единице вероятность того, что частота появления события как угодно мало отличается отвероятности его появления:

Теорема Бернулли, утверждает, что если вероятность события одинакова во всех испытаниях, то с увеличением числа испытаний частота события стремится к вероятности события и перестает быть случайной.

На практике сравнительно редко встречаются опыты, в которых вероятность появления события в любом опыте неизменна, чаще онаразная в разных опытах. К схеме испытаний такого типа относится теорема Пуассона:

Следствие 3 . (Теорема Пуассона.)

Если вероятность появления события в -омиспытании не меняется, когда становятся известными результаты предыдущих испытаний, а их число достаточно велико, то сколь угодно близка к единице вероятность того, что частота появления события как угодно мало отличается отсредней арифметической вероятностей :

Теорема Пуассона утверждает, что частота события в серии независимых испытаний стремится к среднему арифметическому его вероятностей и перестает быть случайной.

В заключение заметим, что ни одна из рассмотренных теорем не дает ни точного, ни даже приближенного значения искомой вероятности, а указывается лишь нижняя или верхняя граница ее. Поэтому, если требуется установить точное или хотя бы приближенное значение вероятностей соответствующих событий, возможности этих теорем весьма ограничены.

Приближенные значения вероятностей при больших значениях можно получить только с помощью предельных теорем. В них или на случайные величины налагаются дополнительные ограничения (как это имеет место, например, в теореме Ляпунова), или рассматриваются случайные величины определенного вида (например, в интегральной теореме Муавра-Лапласа).

Теоретическое значение теоремы Чебышева, являющейся весьма общей формулировкой закона больших чисел, велико. Однако если мы будем применять ее при решении вопроса о возможности применить закон больших чисел к последовательности независимых случайных величин, то при утвердительном ответе теорема часто будет требовать, чтобы случайных величин было гораздо больше, чем необходимо для вступления в силу закона больших чисел. Указанный недостаток теоремы Чебышева объясняется общим характером ее. Поэтому желательно иметь теоремы, которые точнее указывали бы нижнюю (или верхнюю) границу искомой вероятности. Их можно получить, если наложить на случайные величины некоторые дополнительные ограничения, которые для встречающихся на практике случайных величин обычно выполняются.

ЗАМЕЧАНИЯ О СОДЕРЖАНИИ ЗАКОНА БОЛЬШИХ ЧИСЕЛ

Если число случайных величин достаточно велико и они удовлетворяют некоторым весьма общим условиям, то, как бы они ни были распределены, практически достоверно, что средняя арифметическая их сколь угодно мало отклоняете а от постоянной величины - - средней арифметической их математических ожиданий, т. е. является практически постоянной величиной. Таково содержание теорем, относящихся к закону больших чисел. Следовательно, закон больших чисел - одно из выражений диалектической связи между случайностью и необходимостью.

Можно привести очень много примеров возникновения новых качественных состояний как проявления закона больших чисел, в первую очередь среди физических явлений. Рассмотрим один из них.

По современным представлениям газы состоят из отдельных частиц- молекул, которые находятся в хаотическом движении, и нельзя точно сказать, где в данный момент будет находиться, и с какой скоростью будет двигаться та или иная молекула. Однако наблюдения показывают, что суммарное действие молекул, например давление газа на

стенку сосуда, проявляется с поразительным постоянством. Оно определяется числом ударов и силой каждого из них. Хотя первое и второе является делом случая, приборы не улавливают колебаний давления газа, находящегося в нормальных условиях. Объясняется это тем, что благодаря огромному числу молекул даже в самых небольших объемах

изменение давления на заметную величину практически невозможно. Следовательно, физический закон, утверждающий постоянство давления газа, является проявлением закона больших чисел.

Постоянство давления и некоторых других характеристик газа в свое время служило веским аргументом против молекулярной теории строения вещества. Впоследствии научились изолировать сравнительно небольшое число молекул, добиваясь того, чтобы влияние от дельных молекул еще оставалось, и тем самым закон больших чисел не мог проявиться в достаточной степени. Тогда удалось наблюдать колебания давления газа, подтверждающие гипотезу о молекулярном строении вещества.

Закон больших чисел лежит в основе различных видов страхования (страхование жизни человека на всевозможные сроки, имущества, скота, посевов и др.).

При планировании ассортимента товаров широкого потребления учитывается спрос на них населения. В этом спросе проявляется действие закона больших чисел.

Широко применяемый в статистике выборочный метод находит свое научное обоснование в законе больших чисел. Например, о качестве привезенной из колхоза на заготовительный пункт пшеницы судят по качеству зерен, случайно захваченных в небольшую мерку. Зерна в мерке немного по сравнению со всей партией, но во всяком случае мерку выбирают такой, чтобы зерен в ней было вполне достаточно для

проявления закона больших чисел с точностью, удовлетворяющей потребности. Мы вправе принять за показатели засоренности, влажности и среднего веса зерен всей партии поступившего зерна соответствующие показатели в выборке.

Дальнейшиеусилия ученых по углублению содержания закона больших чисел былинаправлены па получен наиболее общих условий применимостиэтого закона к последовательности случайных величин. В этом направлении долго не было принципиальных успехов. После П. Л. Чебышева и А. А. Маркова только в 1926 г. советскому академику А. Н. Колмогорову удалось получить условия, необходимые и достаточные для того, чтобы к последовательности независимых случайных величин был применим закон больших чисел. В 1928 г. советский ученый А. Я. Хинчин показал, что достаточным условием применимости закона больших чисел к последовательности независимых одинаково распределенных случайных величин является существование у них математического ожидания.

Для практики исключительно важно полностью выяснить вопрос о применимости закона больших чисел к зависимым случайным величинам, так как явления в природе и обществе находятся во взаимной зависимости и взаимно обусловливают друг друга. Много работ посвящено выяснению ограничений, которые необходимо наложить

на зависимые случайные величины, чтобы к ним можно было применить закон больших чисел, причем наиболее важные принадлежат выдающемуся русскому ученому А. А. Маркову и крупным советским ученым С. Н. Бернштейну и А. Я. Хинчину.

Основной результат этих работ состоит в том, что закон больших чисел приложим к зависимым случайным величинам, если только сильная зависимость существует между случайными величинами с близкими номерами, а между случайными величинами с далекими номерами зависимость достаточно слаба. Примерами случайных величин такого типа являются числовые характеристики климата. На погоду каждого дня заметно влияет погода предыдущих дней, причем влияние заметно ослабевает с удалением дней друг от друга. Следовательно, многолетняя средняя температура, давление и другие характеристики климата данной местности в соответствии с законом больших чисел практически должны быть близки к своим математическим ожиданиям. Последние являются объективными характеристиками климата местности.

В целях экспериментальной проверки закона больших чисел в разное время были произведены следующие опыты.

1. Опыт Бюффона . Монета брошена 4040 раз. Герб выпал 2048 раз. Частость его выпадения оказалась равной 0,50694 =

2. Опыт Пирсона . Монета брошена 12 000 и 24 000 раз. Частость выпадения герба в первом случае оказалась равной 0,5016, в Втором - 0,5005.

З. Опыт Вестергаарда . Из урны, в которой было поровну белых и черных шаров, получено при 10 000 извлечений (с возвратом очередного вынутого шара в урну) 5011 белых и 4989 черных шаров. Частость белых шаров составила 0,50110 = (), а черных - 0,49890.

4. Опыт В. И. Романовского . Четыре монеты брошены 21160 раз. Частоты и частости различных комбинаций выпадения герба и решетки распределились следующим образом:

Комбинации числа выпадений герба и решки	Частоты	Частости
Комбинации числа выпадений герба и решки	Частоты	Эмпирические	Теоретические
4 и 0	1 181	0,05858	0,0625
3 и 1	4909	0,24350	0,2500
2 и 2	7583	0,37614	0,3750
1 и 3	5085	0,25224	0,2500
1 и 4		0,06954	0,0625
Итого	20160	1,0000	1,0000

Результаты экспериментальных проверок закона больших чисел убеждают нас в большой близости опытных частостей вероятностям.

ЦЕНТРАЛЬНАЯ ПРЕДЕЛЬНАЯ ТЕОРЕМА

Нетрудно доказать, что сумма любого конечного числа независимых нормально распределенных случайных величин также распределена по нормальному закону.

Если независимые случайные величины не распределены по нормальному закону, то можно наложить на них некоторые весьма нежесткие ограничения, и их сумма будет все-таки распределена нормально.

Эту задачу поставили и решили в основном русские ученые П. Л. Чебышев и его ученики А. А. Марков и А. М. Ляпунов.

Теорема (Ляпунов).

Если независимые случайные величины имеютконечные математические ожидания и конечные дисперсии , число их достаточно велико, а при неограниченном возрастании

где - абсолютные центральные моменты третьего порядка, то сумма их с достаточной степенью точности имеет распределение

(Фактически мы приводим не теорему Ляпунова, а одно из следствий из нее, так как этого следствия вполне достаточно для практических приложений. Поэтому условие , которое названо условием Ляпунова, является более сильным требованием, чем необходимо для доказательства собственно теоремы Ляпунова.)

Смысл условия состоит в том, что действие каждого слагаемого (случайной величины) невелико по сравнению с суммарным действием их всех. Многие случайные явления, встречающиеся в природе и в общественной жизни, протекают именно по такой схеме. В связи с этим теорема Ляпунова имеет исключительно большое значение, а нормальный закон распределения является одним из основныхзаконов в теории вероятностей.

Пусть, например, производится измерение некоторой величины . Различные уклонения наблюдаемых значений от истинного ее значения (математического ожидания)получаются в результате воздействия очень большого числа факторов, каждый из которых порождает малую ошибку , причем . Тогда суммарная ошибка измерения является случайной величиной, которая по теореме Ляпунова должна быть распределена по нормальному закону.

При стрельбе из орудия под влиянием очень большого числа причин случайного характера происходит рассеяние снарядов на некоторой площади. Случайные воздействия на траекторию снаряда можно считать независимыми. Каждая причина вызывает лишь незначительное изменение траектории по сравнению с суммарным изменением под воздействием всех причин. Поэтому следует ожидать, что отклонение места разрыва снаряда от цели будет случайной величиной, распределенной по нормальному закону.

По теореме Ляпунова мы вправе ожидать, что, например, рост взрослого мужчины является случайной величиной, распределенной по нормальному закону. Эта гипотеза, как и рассмотренные в предыдущих двух примерах, хорошо согласуется с наблюдениями.В подтверждение приведем распределение по росту 1000 взрослых рабочихмужчини соответствующие теоретические численности мужчин, т. е. число мужчин, которые должны иметь рост указанных групп, если исходить из предположения о распределении роста мужчин по нормальному закону.

Рост, см	количество мужчин
Рост, см	экспериментальные данные	теоретические прогнозы
143-146
146-149
149-152
152-155
155-158
158- 161
161- 164
164-167
167-170
170-173
173-176
176-179
179 -182
182-185
185-188

Более точного совпаденияэкспериментальных данных с теоретическими трудно было ожидать.

Можно легко доказать как следствие теоремы Ляпунова -предложение, которое будет необходимо в дальнейшем для обоснования выборочного метода.

Предложение.

Сумма достаточно большого числа одинаково распределенных случайных величин имеющих абсолютные центральные моменты третьего порядка, распределена по нормальному закону.

Предельные теоремы теории вероятностей, теоремы Муавра-Лапласа объясняют природу устойчивости частоты появлений события. Природа эта состоит в том, что предельным распределением числа появлений события при неограниченном возрастании числа испытаний (если вероятность события во всех испытаниях одинакова) является нормальное распределение.

Система случайных величин.

Рассмотренные выше случайные величины были одномерными, т.е. определялись одним числом, однако, существуют также случайные величины, которые определяются двумя, тремя и т.д. числами. Такие случайные величины называются двумерными, трехмерными и т.д.

В зависимости от типа, входящих в систему случайных величин, системы могут быть дискретными, непрерывными или смешанными, если в систему входят различные типы случайных величин.

Более подробно рассмотрим системы двух случайных величин.

Определение. Законом распределения системы случайных величин называется соотношение, устанавливающее связь между областями возможных значений системы случайных величин и вероятностями появления системы в этих областях.

Пример. Из урны, в которой находятся 2 белых и три черных шара вынимают два шара. Пусть - число вынутых белых шаров, а случайная величина определяется следующим образом:

Составим таблицу распределения системы случайных величин :

Поскольку - вероятность того, что белых шаров не вынуто (значит, вынуто два черных шара), при этом , то

Вероятность

Вероятность - вероятность того, что белых шаров не вынуто(и, значит, вынуто два черных шара), при этом , тогда

Вероятность - вероятность того, что вынут один белый шар (и, значит, один черный), при этом , тогда

Вероятность - вероятность того, что вынуто два белых шара (и, значит, ни одного черного), при этом , тогда

Таким образом, ряд распределения двумерной случайной величины имеет вид:

Определение. Функцией распределения системы двух случайных величин называется функция двух аргументов F ( x , y ) , равная вероятности совместного выполнения двух неравенств X < x , Y < y .

Отметим следующие свойства функции распределения системы двух случайных величин:

1) ;

2) Функция распределения является неубывающей функцией по каждому аргументу:

3) Верно следующее:

5) Вероятность попадания случайной точки (X , Y ) в произвольный прямоугольник со сторонами, параллельными координатным осям, вычисляется по формуле:

Плотность распределения системы двух случайных величин.

Определение. Плотностью совместного распределения вероятностей двумерной случайной величины (X , Y ) называется вторая смешанная частная производная от функции распределения.

Если известна плотность распределения, то функция распределения может быть найдена по формуле:

Двумерная плотность распределения неотрицательна и двойной интеграл с бесконечными пределами от двумерной плотности равен единице.

По известной плотности совместного распределения можно найти плотности распределения каждой из составляющих двумерной случайной величины.

; ;

Условные законы распределения.

Как было показано выше, зная совместный закон распределения можно легко найти законы распределения каждой случайной величины, входящей в систему.

Однако, на практике чаще стоит обратная задача – по известным законам распределения случайных величин найти их совместный закон распределения.

В общем случае эта задача является неразрешимой, т.к. закон распределения случайной величины ничего не говорит о связи этой величины с другими случайными величинами.

Кроме того, если случайные величины зависимы между собой, то закон распределения не может быть выражен через законы распределения составляющих, т.к. должен устанавливать связь между составляющими.

Все это приводит к необходимости рассмотрения условных законов распределения.

Определение. Распределение одной случайной величины, входящей в систему, найденное при условии, что другая случайная величина приняла определенное значение, называется условным законом распределения .

Условный закон распределения можно задавать как функцией распределения так и плотностью распределения.

Условная плотность распределения вычисляется по формулам:

Условная плотность распределения обладает всеми свойствами плотности распределения одной случайной величины.

Условное математическое ожидание.

Определение. Условным математическим ожиданием дискретной случайной величины Y при X = x (х – определенное возможное значение Х) называется произведение всех возможных значений Y на их условные вероятности.

Для непрерывных случайных величин:

где f ( y / x ) – условная плотность случайной величины Y при X = x .

Условное математическое ожидание M ( Y / x )= f ( x ) является функцией от х и называется функцией регрессии Х на Y .

Пример. Найти условное математическое ожидание составляющей Y при

X = x 1 =1 для дискретной двумерной случайной величины, заданной таблицей:

Y
Y	x 1 =1	x 2 =3	x 3 =4	x 4 =8
y 1 =3	0,15	0,06	0,25	0,04
y 2 =6	0,30	0,10	0,03	0,07

Аналогично определяются условная дисперсия и условные моменты системы случайных величин.

Зависимые и независимые случайные величины.

Определение. Случайные величины называются независимыми , если закон распределения одной из них не зависит от того какое значение принимает другая случайная величина.

Понятие зависимости случайных величин является очень важным в теории вероятностей.

Условные распределения независимых случайных величин равны их безусловным распределениям.

Определим необходимые и достаточные условия независимости случайных величин.

Теорема. Y были независимы, необходимо и достаточно, чтобы функция распределения системы ( X , Y ) была равна произведению функций распределения составляющих.

Аналогичную теорему можно сформулировать и для плотности распределения:

Теорема. Для того, чтобы случайные величины Х и Y были независимы, необходимо и достаточно, чтобы плотность совместногораспределения системы ( X , Y ) была равна произведению плотностей распределения составляющих.

Практически используются формулы:

Для дискретных случайных величин:

Для непрерывных случайных величин:

Корреляционный момент служит для того, чтобы охарактеризовать связь между случайными величинами. Если случайные величины независимы, то их корреляционный момент равен нулю.

Корреляционный момент имеет размерность, равную произведению размерностей случайных величин Х и Y . Этот факт является недостатком этой числовой характеристики, т.к. при различных единицах измерения получаются различные корреляционные моменты, что затрудняет сравнение корреляционных моментов различных случайных величин.

Для того, чтобы устранить этот недостаток применятся другая характеристика – коэффициент корреляции.

Определение. Коэффициентом корреляции r xy случайных величин Х и Y называется отношение корреляционного момента к произведению средних квадратических отклонений этих величин.

Коэффициент корреляции является безразмерной величиной. Для независимых случайных величин коэффициент корреляции равен нулю.

Свойство: Абсолютная величина корреляционного момента двух случайных величин Х и Y не превышает среднего геометрического их дисперсий.

Свойство: Абсолютная величина коэффициента корреляции не превышает единицы.

Случайные величины называются коррелированными , если их корреляционный момент отличен от нуля, и некоррелированными , если их корреляционный момент равен нулю.

Если случайные величины независимы, то они и некоррелированы, но из некоррелированности нельзя сделать вывод о их независимости.

Если две величины зависимы, то они могут быть как коррелированными, так и некоррелированными.

Часто по заданной плотности распределения системы случайных величин можно определить зависимость или независимость этих величин.

Наряду с коэффициентом корреляции степень зависимости случайных величин можно охарактеризовать и другой величиной, которая называется коэффициентом ковариации . Коэффициент ковариации определяется формулой :

Пример. Задана плотность распределения системы случайных величин Х и независимы. Разумеется, они также будут и некоррелированы.

Линейная регрессия.

Рассмотрим двумерную случайную величину (X , Y ), где X и Y – зависимые случайные величины.

Представим приближенно одну случайную величину как функцию другой. Точное соответствие невозможно. Будем считать, что эта функция линейная.

Для определения этой функции остается только найти постоянные величины a и b .

Определение. Функция g ( X ) называется наилучшим приближением случайной величины Y в смысле метода наименьших квадратов , если математическое ожидание

Принимает наименьшее возможное значение. Также функция g ( x ) называется среднеквадратической регрессией Y на X .

Теорема. Линейная средняя квадратическая регрессия Y на Х вычисляется по формуле:

в этой формуле m x = M ( X случайной величины Y относительно случайной величины Х. Эта величина характеризует величину ошибки, образующейся при замене случайной величины Y линейной функцией g ( X ) = a Х + b .

Видно, что если r = ± 1, то остаточная дисперсия равна нулю, и, следовательно, ошибка равна нулю и случайная величина Y точно представляется линейной функцией от случайной величины Х.

Прямая среднеквадратичной регрессии Х на Y определяется аналогично по формуле: Х и Y имеют в отношении друг друга линейные функции регрессии, то говорят, что величины Х и Y связаны линейной корреляционной зависимостью .

Теорема. Если двумерная случайная величина ( X , Y ) распределена нормально, то Х и Y связаны линейной корреляционной зависимостью.

Е.Г. Hикифорова

Зако́н больши́х чи́сел в теории вероятностей утверждает, что эмпирическое среднее (среднее арифметическое) достаточно большой 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 конечное число испытаний, при котором с любой заданной наперёд вероятностью меньше 1 относительная частота появления некоторого события будет сколь угодно мало отличаться от его вероятности.

Общий смысл закона больших чисел: совместное действие большого числа одинаковых и независимых случайных факторов приводит к результату, в пределе не зависящему от случая.

Энциклопедичный YouTube

1 / 5

✪ Закон больших чисел

✪ 07 - Теория вероятностей. Закон больших чисел

✪ 42 Закон больших чисел

✪ 1 - Закон больших чисел Чебышёва

✪ 11 класс, 25 урок, Гауссова кривая. Закон больших чисел

Субтитры

Давайте разберем закон больших чисел, который является, пожалуй, самым интуитивным законом в математике и теории вероятностей. И поскольку он применим ко многим вещам, его иногда используют и понимают неправильно. Давайте я вначале для точности дам ему определение, а потом уже мы поговорим об интуиции. Возьмем случайную величину, например Х. Допустим, мы знаем ее математическое ожидание или среднее для совокупности. Закон больших чисел просто говорит, что, если мы возьмем пример n-ого количества наблюдений случайной величины и выведем среднее число всех этих наблюдений… Давайте возьмем переменную. Назовем ее Х с нижним индексом n и с чертой наверху. Это среднее арифметическое n-ого количества наблюдений нашей случайной величины. Вот мое первое наблюдение. Я провожу эксперимент один раз и делаю это наблюдение, затем я провожу его еще раз и делаю вот это наблюдение, я провожу его снова и получаю вот это. Я провожу этот эксперимент n-ое количество раз, а затем делю на количество моих наблюдений. Вот мое выборочное среднее значение. Вот среднее значение всех наблюдений, которые я сделала. Закон больших чисел говорит нам, что мое выборочное среднее будет приближаться к математическому ожиданию случайной величины. Либо я могу также написать, что мое выборочное среднее будет приближаться к среднему по совокупности для n-ого количества, стремящегося к бесконечности. Я не буду четко разделять понятия «приближение» и «сходимость», но надеюсь, вы интуитивно понимаете, что, если я возьму довольно большую выборку здесь, то я получу математическое ожидание для совокупности в целом. Думаю, большинство из вас интуитивно понимает, что, если я сделаю достаточное количество испытаний с большой выборкой примеров, в конце концов, испытания дадут мне ожидаемые мною значения, принимая во внимание математическое ожидание, вероятность и все такое прочее. Но, я думаю, часто бывает непонятно, почему так происходит. И прежде, чем я начну объяснять, почему это так, давайте я приведу конкретный пример. Закон больших чисел говорит нам, что... Допустим, у нас есть случайная величина Х. Она равна количеству орлов при 100 подбрасываниях правильной монеты. Прежде всего, мы знаем математическое ожидание этой случайной величины. Это количество подбрасываний монеты или испытаний, умноженное на шансы успеха любого испытания. Значит, это равно 50-ти. То есть, закон больших чисел говорит, что, если мы возьмем выборку, или если я приведу к среднему значению эти испытания, я получу... В первый раз, когда я провожу испытание, я подбрасываю монету 100 раз или возьму ящик с сотней монет, тряхну его, а потом сосчитаю, сколько у меня выпадет орлов, и получу, допустим, число 55. Это будет Х1. Затем я снова встряхну ящик и получу число 65. Затем еще раз – и получу 45. И я проделываю это n-ое количество раз, а затем делю это на количество испытаний. Закон больших чисел говорит нам, что это среднее (среднее значение всех моих наблюдений) будет стремиться к 50-ти в то время, как n будет стремиться к бесконечности. Теперь я бы хотела немного поговорить о том, почему так происходит. Многие считают, что если после 100 испытаний, у меня результат выше среднего, то по законам вероятности у меня должно выпасть больше или меньше орлов для того, чтобы, так сказать, компенсировать разницу. Это не совсем то, что произойдет. Это часто называют «заблуждением азартного игрока». Давайте я покажу различие. Я буду использовать следующий пример. Давайте я изображу график. Поменяем цвет. Это n, моя ось Х – это n. Это количество испытаний, которые я проведу. А моя ось Y будет выборочным средним. Мы знаем, что математическое ожидание этой произвольной переменной равно 50-ти. Давайте я это нарисую. Это 50. Вернемся к нашему примеру. Если n равно… Во время моего первого испытания я получила 55, это мое среднее значение. У меня только одна точка ввода данных. Затем, после двух испытаний, я получаю 65. Значит, мое среднее значение будет 65+55, деленное на 2. Это 60. И мое среднее значение немного возросло. Затем я получила 45, что вновь снизило мое среднее арифметическое. Я не буду наносить на графике 45. Теперь мне нужно привести все это к среднему значению. Чему равно 45+65? Давайте я вычислю это значение, чтобы обозначить точку. Это 165 делить на 3. Это 53. Нет, 55. Значит, среднее значение снова опускается до 55-ти. Мы можем продолжить эти испытания. После того, как мы проделали три испытания и получили это среднее, многие люди думают, что боги вероятности сделают так, что у нас выпадет меньше орлов в будущем, что в следующих нескольких испытаниях результаты будут ниже, чтобы уменьшить среднее значение. Но это не всегда так. В дальнейшем вероятность всегда остается такой же. Вероятность того, что у меня выпадет орел, всегда будет 50-ти %. Не то, что у меня изначально выпадает определенное количество орлов, большее, чем я ожидаю, а дальше внезапно должны выпасть решки. Это «заблуждение игрока». Если у вас выпадает несоразмерно большое количество орлов, это не значит, что в определенный момент у вас начнет выпадать несоразмерно большое количество решек. Это не совсем так. Закон больших чисел говорит нам, что это не имеет значения. Допустим, после определенного конечного количества испытаний, ваше среднее... Вероятность этого достаточно мала, но, тем не менее... Допустим, ваше среднее достигло этой отметки – 70-ти. Вы думаете: «Ого, мы основательно отошли от математического ожидания». Но закон больших чисел говорит, что ему все равно, сколько испытаний мы провели. У нас все равно осталось бесконечное количество испытаний впереди. Математическое ожидание этого бесконечного количества испытаний, особенно в подобной ситуации, будет следующим. Когда вы приходите к конечному числу, которое выражает какое-нибудь большое значение, бесконечное число, которое сойдется с ним, снова приведет к математическому ожиданию. Это, конечно, очень свободное толкование, но это то, что говорит нам закон больших чисел. Это важно. Он не говорит нам, что, если у нас выпало много орлов, то каким-то образом вероятность выпадения решки увеличится, чтобы это компенсировать. Этот закон говорит нам, что неважно, каков результат при конечном количестве испытаний, если у вас еще осталось бесконечное количество испытаний впереди. И если вы сделаете достаточное их количество, вы вернетесь снова к математическому ожиданию. Это важный момент. Подумайте о нем. Но это не используется ежедневно на практике с лотереями и в казино, хотя известно, что, если вы сделаете достаточное количество испытаний... Мы даже можем это посчитать... чему равна вероятность того, что мы серьезно отклонимся от нормы? Но казино и лотереи каждый день работают по тому принципу, что если взять достаточное количество людей, естественно, за короткий срок, с небольшой выборкой, то несколько человек сорвут куш. Но за большой срок казино всегда останется в выигрыше из-за параметров игр, в которые они приглашают вас играть. Это важный принцип вероятности, который является интуитивным. Хотя иногда, когда вам его формально объясняют со случайными величинами, все это выглядит немного запутанно. Все, что этот закон говорит, – это что чем больше выборок, тем больше среднее арифметическое этих выборок будет стремиться к истинному среднему. А если быть более конкретной, то среднее арифметическое вашей выборки сойдется с математическим ожиданием случайной величины. Вот и все. До встречи в следующем видео!

Слабый закон больших чисел

Слабый закон больших чисел также называется теоремой Бернулли , в честь Якоба Бернулли , доказавшего его в 1713 году .

Пусть есть бесконечная последовательность (последовательное перечисление) одинаково распределённых и некоррелированных случайных величин . То есть их ковариация c o v (X i , X j) = 0 , ∀ i ≠ j {\displaystyle \mathrm {cov} (X_{i},X_{j})=0,\;\forall i\not =j} . Пусть . Обозначим через выборочное среднее первых n {\displaystyle n} членов:

Тогда X ¯ n → P μ {\displaystyle {\bar {X}}_{n}\to ^{\!\!\!\!\!\!\mathbb {P} }\mu } .

То есть для всякого положительного ε {\displaystyle \varepsilon }

lim n → ∞ Pr (| X ¯ n − μ | < ε) = 1. {\displaystyle \lim _{n\to \infty }\Pr \!\left(\,|{\bar {X}}_{n}-\mu |<\varepsilon \,\right)=1.}

Усиленный закон больших чисел

Пусть есть бесконечная последовательность независимых одинаково распределённых случайных величин { X i } i = 1 ∞ {\displaystyle \{X_{i}\}_{i=1}^{\infty }} , определённых на одном вероятностном пространстве (Ω , F , P) {\displaystyle (\Omega ,{\mathcal {F}},\mathbb {P})} . Пусть E X i = μ , ∀ i ∈ N {\displaystyle \mathbb {E} X_{i}=\mu ,\;\forall i\in \mathbb {N} } . Обозначим через X ¯ n {\displaystyle {\bar {X}}_{n}} выборочное среднее первых n {\displaystyle n} членов:

X ¯ n = 1 n ∑ i = 1 n X i , n ∈ N {\displaystyle {\bar {X}}_{n}={\frac {1}{n}}\sum \limits _{i=1}^{n}X_{i},\;n\in \mathbb {N} } .

Тогда X ¯ n → μ {\displaystyle {\bar {X}}_{n}\to \mu } почти всегда.

Pr (lim n → ∞ X ¯ n = μ) = 1. {\displaystyle \Pr \!\left(\lim _{n\to \infty }{\bar {X}}_{n}=\mu \right)=1.} .

Как и любой математический закон, закон больших чисел может быть применим к реальному миру только при известных допущениях, которые могут выполняться лишь с некоторой степенью точности. Так, например, условия последовательных испытаний часто не могут сохраняться бесконечно долго и с абсолютной точностью . Кроме того, закон больших чисел говорит лишь о невероятности значительного отклонения среднего значения от математического ожидания .

Курс ОП 02 «Статистика»

Раздел 1. Общие основы статистической науки

Тема 1.1.Предмет, метод и задачи статистики. Организация статистики в Р.Ф.

Цель:

формирование представления о предмете и методе статистики;
о задачах статистики в условиях рыночной экономики.

Задачи:

Студент должен:

иметь представление:

1. О предмете и методе статистики;

2. Об общих основах статистической науки.

3. О принципах организации государственной статистики

1. Предмет, метод и задачи статистики.

2. Особенности статистической методологии.

3. Система государственной статистики в Р.Ф.

4. Задачи и принципы организации государственного статистического учета, структура органов государственной статистики. Функции органов государственной статистики.

5. Современные технологии организации статистического учета.

1. Предмет, метод и задачи статистики.

Роль статистики в нашей жизни настолько велика и неоспорима, что люди часто не задумываясь, используют элементы статистической методологии.

Например:

Планируя свой семейный бюджет ваша мама точно знает:

· Сколько в месяц денег она расходует на питание;

· Сколько на покупки одежды;

· Сколько на приобретение лекарств и лечение;

· Сколько на карманные расходы членам семьи;

· Сколько на образование детей и самообразование;

· Сколько на коммунальные платежи и т.д.

Отсюда, она примерно знает – сколько денег взрослые члены семьи должны заработать.

Принимая решения, человек:

Ø пользуется определенной системой имеющихся у него сведений, сложившихся вкусов и привычек, фактов,

Ø сопоставляет эти факты,

Ø систематизирует их,

Ø анализирует,

Ø делает необходимые для себя выводы и принимает определенные решения,

Ø предпринимает конкретные действия.

Это ли не статистика?

Государство также, как и ваша мама – планирует свои доходы, поэтому на каждый год рассматривается в многократных чтениях и утверждается бюджет государства. Это тоже статистика – экономическая статистика государства.

Вы видите, насколько велика и многогранна роль и значение предмета- статистики.

Статистика – самостоятельная общественная наука, имеющая свой предмет и методы исследования, которая возникла из потребностей общественной жизни. Термин «статистика» происходит от латинского слова «статус», которое означает «положение, порядок».

Основными объектами приложения статистической теории и методологии

выступают:

1. :озяйственная деятельность, народонаселение, условия жизни людей, управление экономическими и общественными процессамиобходимо о хозяйственная деятельность,

2. народонаселение,

3. условия жизни людей,

4. управление экономическими и общественными процессами,

5. научные исследования и т.д.

И если у химиков, физиков есть свои методы в изучении той или иной гипотезы, то статистика для изучения своего объекта также использует определенные методы.

Методы статистики : - направления

6. Описательное (дескриптивное);

7. Аналитическое.

Описательные методы – в них рассматриваются:

Ø методы сбора статистической информации – статистическое наблюдение,

Ø вопросы методологии и практики осуществления – статистическая сводка и группировка данных,

Ø наглядное представление статистических данных - построение статистических таблиц и графиков,

Ø расчет абсолютных, относительных и средних величин и их использования в анализе социально-экономических явлений.

Аналитические методы – включают:

Ø методы анализа вариации ,

Ø методологию индексного анализа,

Ø вопросы теории и практики выборочного наблюдения ,

Ø оценку взаимосвязей признаков, т.е. - исследование связей между явлениями,

Ø методы статистического анализа рядов динамики и прогнозирования.

Задачи и функции статистики в условиях рыночной экономики.

Основная задача статистики, как науки, следующая:

- сбор данных

- обработка данных

- анализ данных,

и на основе предыдущей работы – интерпретация получаемых результатов.

Начало такому подходу было положено Гауссом, применившим статистические приемы для вычисления планетных орбит по несовершенным данным.

Основная задача статистики в наше время – обработка количественных результатов научных экспериментов, т.к. статистические методы используют в промышленности, химии, геологии, истории, социологии, психологии, экономике, космических исследованиях.

налитическое.ики:

2. Особенности статистической методологии.

Статистическая совокупность, закон больших чисел, статистическая закономерность.

Независимо от уровня и стадии экономического развития, характера политической системы, статистика на протяжении сотен лет своего существования всегда оставалась необходимым и эффективным инструментом государственного управления.

Статистика была наукой, исследующей количественную сторону массовых явлений, выявляющей конкретные закономерности на основе закона больших чисел . Выполняя самые разнообразные функции сбора, систематизации и анализа сведений, характеризующих экономическое и социальное развитие общества, статистика всегда играла роль главного поставщика фактов для всех структур общества. Например:

Обеспеченность пахотными землями на душу населения в 1998 г. - м².

3. Система государственной статистики в Р.Ф.

В настоящее время в нашей стране функционирует единая централизованная система государственной статистики. Центральным органом этой системы является Государственный комитет Российской Федерации по статистике (Госкомстат России). В субъектах РФ (в республиках, краях и областях), в районах статистические работы проводятся территориальными органами государственной статистики.

Непосредственная обработка поступающих из регионов статистических данных осуществляется в Главном межрегиональном центре обработки и распространения статистической информации (ГМЦ Госкомстата России), который обладает необходимыми для этих целей мощными вычислительными ресурсами.

На Госкомстат России возложено как методологическое, так и практическое руководство по сбору, обработке и анализу статистических данных на государственном уровне.

Для решения этих задач в структуре Госкомстата России выделены следующие Управления:

¨ статистического планирования и организации статистического наблюдения, национальных счетов

¨ статистики предприятий и структурных обследований;

¨ статистики основных фондов и строительства;

¨ статистики окружающей среды и сельского хозяйства.

¨ статистики цен и финансов;

¨ статистики населения;

¨ и ряд других по основным отраслям экономики и социальной сферы

Госкомстат России ежегодно разрабатывает и утверждает Федеральную программу статистических работ на календарный год, которая согласовывается с Правительством РФ.

Работа по сбору статистической информации проводится не только Госкомстатом России. В соответствии с Федеральной программой отдельные виды статистических работ ведутся другими органами государственного управления - Банком России, Минфином России, Минздравом России, Минобразованием России, Минтруда России, МВД России и др. (всего более 20 министерств и ведомств).

Получаемые Госкомстатом России статистические данные передаются в распоряжение органов федеральной власти. Они публикуются для широкого использования в аналитических целях научными и практическими работниками, руководителями и специалистами предприятий и организаций всех форм собственности.

Среди основных печатных изданий Госкомстата России можно выделить статистические ежегодники « Российская Федерация» и «Регионы России», краткий статистический сборник «Россия в цифрах», ежемесячный журнал «Вопросы статистики».

Особенности статистической методологии.

Своеобразие статистики как науки и метода познания состоит в том, что она изучает количественные отношения в неразрывной связи с качественной стороной процессов общественной жизни. Неизбежным следствием такого своеобразия являются и особенности статистического анализа. Эти особенности, в частности, заключаются и в том, что статистические методы исследования органически сочетаются с методами той науки, предмет которой изучается, а исследователь, как правило, является специалистом двух научных дисциплин. Аспект конкретности в анализе общественных явлений, обусловленных определенным пространством и временем, предопределяет необходимость сочетания статистических и специфических методов для данной сферы объектов, устанавливаемых определенной научной дисциплиной.

Можно назвать, по крайней мере, три особенности статистической методологии или принципа статистического изучения явлений:

Статистика изучает массовые количественные отношения в неразрывной связи с качественными особенностями процессов и явлений;

Статистика рассматривает с помощью сводных показателей любой процесс в целом, в совокупности факторов, черт и сторон изучаемых явлений;

Статистика стремится показать совокупность явлений и их развитие в дифференциации, в многообразии их типов, рассмотреть взаимосвязи и отношения между последними.

Особенно большое значение для вскрытия специфики статистики имеет трактовка таких философских категорий, как качество и количество, причинность, необходимость и случайность, общее, частное и отдельное, закон и закономерность.

КАЧЕСТВО - это внутренняя определенность, или сущность явления непосредственно связанная с законом его развития. Качество обнаруживается в сочетании многообразных сторон, свойств, признаков явления.

КОЛИЧЕСТВО - это внешняя определенность явления, выступающая в виде величины, числа, степени проявления того или иного его свойства. Количество находится в единстве с качеством, составляя меру явления.

СУЩНОСТЬ - это внутренняя относительно устойчивая сторона действительности, скрытая за поверхностью явления.

ЯВЛЕНИЕ - это внешняя более подвижная сторона действительности, выступающая формой выражения сущности.

СЛУЧАЙНОСТЬ - это то, что имеет причину не в самом себе, не в сущности явлений, вытекает не из внутренних, но побочных, внешних связей, а поэтому может быть, но может и не быть, может произойти так или по другому.

НЕОБХОДИМОСТЬ - это то, что имеет причину в себе самом, с неизбежностью вытекает из сущности, внутренних связей явлений, поэтому неизбежно должно произойти в главном так, а не иначе.

Сущность и явление не совпадают друг с другом. Задача всякой науки, в том числе и статистики, заключается в том, чтобы за явлениями, которые только и попадают в поле зрения исследователя, увидеть, вскрыть сущность.

Таким образом, руководствуясь названными категориями объективной действительности, статистик вправе рассчитывать, что на основе собираемых им статистических данных он может раскрыть сущность изучаемого общественного процесса.

Одним из выражений связи между случайностью и необходимостью выступает ЗАКОН БОЛЬШИХ ЧИСЕЛ.

Иными словами, закон больших чисел выражает общий принцип, в силу которого в большом числе явлений при некоторых общих условиях почти устраняется влияние случайных факторов.

Закон больших чисел получил свое математическое доказательство в теории вероятностей, а также подтверждение в многочисленных экспериментальных проверках. Так, французский естествоиспытатель А.Бюффон поставил следующий опыт: подбросил монету 4040 раз, при этом орел выпал 2048 раз, а решка 1992 раза. Отсюда, частность выпадения орла составила 2048/4040 = 0,507 и отклонилась от вероятности его выпадения в каждом отдельном случае, равной 1/2, лишь на 0,007 (0,507 - 0,500).

Это говорит о том, что в рассматриваемом опыте почти полностью проявилось влияние основных, постоянных причин, а случайные причины отклонили результаты только на весьма незначительную величину. Т.е. в результате взаимопогашения случайных отклонений средние, исчисленные для величин одного и того же вида, становятся типичными, отражающими действие постоянных и существенных факторов в данных условиях времени и места.

В силу закона больших чисел случайные отклонения и ошибки в измерении величин взаимопогашаются в массе явлений. Опять-таки в силу этого же свойства следует изучать основные закономерности в большой совокупности объектов, а не на отдельных объектах, на величину которых, кроме основной закономерности, действуют двоякого рода погрешности: индивидуальные особенности данного события (объекта) и неточности, связанные с измерением его величины.

При определенных условиях величину отдельного элемента в совокупности можно рассматривать как случайную величину, имея в виду, что она является не только автоматическим результатом какой-то общей закономерности, но в то же время и сама определена действием множества факторов, не зависящих от этой общей закономерности.

Поэтому в основе статистического исследования всегда лежит массовое наблюдение фактов. Но подчеркнем, что закон больших чисел не является регулятором процессов, изучаемых статистикой. Ошибочно считать его основным законом статистики. Он характеризует лишь одну из форм проявления закономерностей в массовых количественных отношениях, которую в науке называют статистической закономерностью.

СТАТИСТИЧЕСКАЯ ЗАКОНОМЕРНОСТЬ - одна из форм проявления всеобщей связи явлений в природе и обществе. Впервые этот термин стал употребляться в естественных науках в противоположность понятию динамической закономерности, т.е. такой формы закономерности, когда строго определенным значениям каких-либо факторов всегда соответствуют строго определенные значения величин, зависимых от этих факторов. При динамической закономерности количественные соотношения между величинами остаются справедливыми для каждого отдельного случая, каждого элемента совокупности, охваченного действием известного закона. Указанные соотношения могут быть выражены математическими строго определенными формулами, системой уравнений и т.д.

Примером динамической закономерности являются закономерности соотношений силы тяжести, массы и расстояний между телами, определяемые законом всемирного тяготения.

СТАТИСТИЧЕСКАЯ ЗАКОНОМЕРНОСТЬ - другая форма закономерности, когда какое-либо правило, закон, количественное соотношение выявляются только в достаточно большом числе элементов совокупности, находят свое выражение только в массе явлений. Наступление отдельного события при этой закономерности связано с известной вероятностью (т.е. отдельное событие может наступить или не наступить). Но в массе случаев общая закономерность необходимо найдет свое проявление. Характеристика связи между числом событий и степенью действия общей закономерности, при некоторых простых условиях, дается законом больших чисел. Одной из форм математического выражения связи причин и следствий при статистической закономерности служат уравнения регрессии (корреляции).