БОЛЬШИ́Х ЧИ́СЕЛ ЗАКО́Н
-
Рубрика: Математика
-
Скопировать библиографическую ссылку:
БОЛЬШИ́Х ЧИ́СЕЛ ЗАКО́Н, общий принцип, согласно которому совместное действие большого числа случайных факторов приводит при некоторых весьма общих условиях к результату, почти не зависящему от случая. Сближение частоты наступления случайного события с его вероятностью при возрастании числа испытаний (т. н. устойчивость частот) может служить примером действия этого принципа.
На рубеже 17 и 18 вв. Я. Бернулли доказал теорему, утверждающую, что в последовательности независимых испытаний, в каждом из которых вероятность наступления некоторого события $A$ имеет одно и то же значение $p$, $0{<}p{<}1$, верно соотношение $$\mathsf P \left \{ \left | \frac {S_n}{n}-p \right | > ε \right \} \to0 \qquad (1)$$ при любом фиксированном $ε>0$ и $n \to \infty$; здесь $S_n$ – число появлений события $A$ в первых $n$ испытаниях, $S_n/n$ – частота появлений, $\mathsf P$ – вероятность события, указанного в скобках. Эта Бернулли теорема была распространена С. Пуассоном на случай последовательности независимых испытаний, где вероятность появления события $A$ может зависеть от номера испытания. Пусть эта вероятность для $k$-го испытания равна $p_k,\ k=1, 2, …,$ и пусть $$p̅_n=\frac{p_1+...p_n}{n}.$$ Тогда Б. ч. з. в форме Пуассона утверждает, что $$\mathsf P \left \{ \left | \frac {S_n}{n}-p̅_n \right | > ε \right \} \to0 \qquad (2)$$ для любого фиксированного $ε>0$ при $n→∞$. Строгое доказательство этого утверждения было дано П. Л. Чебышевым (1846). Термин «закон больших чисел» впервые встречается у Пуассона, так он назвал вышеуказанное обобщение теоремы Бернулли.
Дальнейшие обобщения утверждений Бернулли и Пуассона возникают, если заметить, что случайные величины $S_n$ можно представить в виде суммы $S_n=X_1+…+X_n$ независимых случайных величин, где $X_k=1$, если $A$ появляется в $k$-м испытании, и $X_k=0$ в противном случае, $k=1, .., n$. При этом математическое ожидание $\mathsf E(S_n/n)$ равно $p$ для случая Бернулли и для случая Пуассона. Другими словами, в обоих случаях рассматривается отклонение среднего арифметического величин $X_1, ..., X_n$ от среднего арифметического их математич. ожиданий.
В работе П. Л. Чебышева «О средних величинах» (1867) было установлено, что для независимых случайных величин $X_1, X_2, …,$ соотношение $$\mathsf P \left \{ \left | \frac {X_1+…+X_n}{n}- \frac {\mathsf EX_1+…+\mathsf EX_n}{n} \right | > ε \right \} \to0 \qquad (3)$$
при $n→∞$. Таким образом, Чебышев показал возможность широкого обобщения теоремы Бернулли. А. А. Марков отметил возможность дальнейших обобщений и предложил применять назв. «Б. ч. з.» ко всей совокупности обобщений теоремы Бернулли, и в частности к (3). Метод Чебышева основан на установлении общих свойств математич. ожиданий и на использовании т. н. Чебышева неравенства. Последующие доказательства разл. форм Б. ч. з. в той или иной степени являются развитием метода Чебышева. Применяя надлежащее «урезание» случайных величин $X_k$ (замену их вспомогательными величинами $X_{k,n}$, равными $X_{n,k}=X_k$, если $|X_k-\mathsf EX_k|{⩽}t_n$, и равными нулю в противном случае, где $t_n$ зависят лишь от $n$), Марков распространил Б. ч. з. на случаи, когда дисперсии слагаемых не существуют. Напр., он показал, что (3) имеет место, если для некоторого числа $δ>0$ величины $\mathsf E|X_k-\mathsf EX_k|^{1+δ}$ ограничены одной и той же постоянной.
Аналогично доказывается теорема Хинчина (1929): если $X_1, X_2, …$ имеют одинаковые законы распределения и $\mathsf EX_1$ существует, то Б. ч. з. (3) выполняется.
Существуют примеры, когда Б. ч. з. не выполняется. Так, он не выполняется, если случайные величины $X_1, X_2, …$ имеют Коши распределение, т. е. распределение с плотностью $1/(π(1+x^2))$. Здесь средние арифметические $(X_1+...+X_n)/n$ первых $n$ случайных величин имеют при любом $n$ то же самое распределение, что и отдельные слагаемые. Для распределения Коши математич. ожидание не существует.
Применимость Б. ч. з. к суммам зависимых величин связана в первую очередь с убыванием зависимости между случайными величинами $X_i$ и $X_j$ при увеличении разности их номеров, т. е. при увеличении $|i-j|$. Впервые соответствующие теоремы были доказаны А. А. Марковым (1907) для величин, связанных в Маркова цепь.
Представление об отклонениях $S_n/n$ от $A_n=(\mathsf EX_1+...+\mathsf EX_n)/n$, наряду с неравенством Чебышева и его уточнениями, даёт центральная предельная теорема.
Предыдущие результаты можно обобщать в разл. направлениях. Так, всюду выше рассматривалась т. н. сходимость по вероятности. Рассматривают и др. виды сходимости, напр. сходимость в среднем квадратичном и сходимость с вероятностью 1 (сходимость почти наверное). Обобщения Б. ч. з. на случай сходимости с вероятностью 1 называют усиленными Б. ч. з.
Пусть $X_1, X_2, …$ – последовательность случайных величин и, как и раньше, $S_n=X_1+ …+X_n$. Говорят, что последовательность $X_1, X_2, …$ удовлетворяет усиленному Б. ч. з., если существует такая последовательность постоянных $A_n$, что вероятность соотношения $S_n/n-A_n→0$ при $n→∞$ равна 1. Последовательность $X_1, X_2, …$ удовлетворяет усиленному Б. ч. з. тогда и только тогда, когда при любом фиксированном $ε>0$ вероятность одновременного выполнения неравенств $$\left | \frac {S_n}{n}-A_n \right |{⩽}ε, \ \left | \frac {S_{n+1}}{n+1}-A_{n+1} \right |{⩽}ε, \ ...$$ стремится к 1 при $ n→∞$. Т. о., здесь рассматривается поведение всей последовательности сумм в целом, в то время как в обычном Б. ч. з. речь идёт лишь об отд. суммах. Если последовательность $X_1, X_2, …$ удовлетворяет усиленному Б. ч. з., то она удовлетворяет и обычному Б. ч. з. с теми же самыми $A_n$, т. е. $$\mathsf P \left \{ \left | \frac {S_n}{n}-A_n \right |≤ ε \right \} \to1$$ при любом фиксированном $ε>0$ и $n\to\infty$. Обратное, вообще говоря, неверно.
Усиленный Б. ч. з. был впервые сформулирован и доказан Э. Борелем (1909) для схемы Бернулли. Частные случаи схемы Бернулли возникают, напр., при разложении взятого наудачу (т. е. с равномерным распределением) действительного числа из отрезка [0, 1] в бесконечную дробь по к.-л. основанию. Так, в двоичном разложении $$ω=\sum\nolimits_{n=1}^\infty\frac{X_n(ω)}{2^n}$$ случайные величины $X_1(ω), X_2(ω),…$ принимают два значения 0 и 1 с вероятностью 1/2 каждое и являются независимыми. Сумма $S_n(ω)=\sum\nolimits_{k-1}^nX_k(ω)$ равна числу единиц среди первых $n$ знаков двоичного разложения $ω$, а $S_n(ω )/n$ – их доле. В то же время случайную величину $S_n$ можно рассматривать как число «успехов» в схеме Бернулли с вероятностью «успеха» (появления 1), равной 1/2. Борель доказал, что доля единиц $S_n(ω)/n$ стремится к 1/2 при $n→∞$ для почти всех $ω$ из отрезка [0, 1] (т. е. лебегова мера множества тех точек $ω∈$ [0, 1], для которых $\lim\limits_{n\to\infty}S_n(ω )/n=$ 1/2, равна 1). Аналогично, при разложении $ω$ по основанию 10 можно назвать «успехом» появление к.-л. одной из цифр 0, 1, …, 9 (напр., цифры 3). При этом получается схема Бернулли с вероятностью успеха 1/10, и частота появления выбранной цифры среди первых $n$ знаков десятичного разложения $ω$ стремится к 1/10 для почти всех $ω$ из отрезка [0, 1] (такие числа $ω$ иногда называют нормальными). Борель отметил также, что частота появления любой фиксированной группы из $r$ цифр стремится к 1/10 r для почти всех $ω$.
В случае независимых слагаемых наиболее известными являются условия справедливости усиленного Б. ч. з., установленные А. Н. Колмогоровым: достаточное (1930) – для величин с конечными дисперсиями и необходимое и достаточное (1933) – для одинаково распределённых величин (заключающееся в существовании математич. ожидания этих величин). Теорема Колмогорова для независимых случайных величин $X_1, X_2, …$ с конечными дисперсиями утверждает, что из условия $$\sum\nolimits_{n=1}^\infty\frac{\mathsf DX_n}{n^2}<\infty$$ вытекает справедливость усиленного Б. ч. з. с $A_n=\mathsf E(S_n/n)$.
Представление об отклонениях $S_n/n$ от $A_n$ даёт повторного логарифма закон.