Неравенство Маркова. Пусть У ³0 - дискретная СВ. e>0 - некоторое число, тогда Р(У³e) ≤М(У)\ e
Неравенство Чебышева. Пусть имеется СВ x с математическим ожиданием m и дисперсией D. Каково бы ни было положительное число e, вероятность того, что величина x отклонится от своего математического ожидания не меньше чем на e, ограничена сверху числом D\e2
Под законом больших чисел в теории вероятностей понимается ряд теорем, в каждой из которых устанавливается факт приближения средних характеристик большого числа опытов к некоторым определенным постоянным.
Теорема Чебышева. Пусть имеется бесконечная последовательность x1,x2,.. независимых случайных величин с одним и тем же математическим ожиданием m и дисперсиями, ограниченными одной и той же постоянной:
M[x1]=M[x2]=…=m
D[x1]<c, D[x2]<c,…
Тогда каково бы ни было положительное число e, вероятность события
|((x1+…+xn)\n)-m|<e, стремится к 1 при n стремящемся к бесконечности.
Теорема Бернулли. Пусть производится n независимых опытов, в каждом из которых с вероятностью р может наступить некоторое событие А. Рассмотрим СВ n - число наступлений события А в n опытах. Каково бы ни было положительное число e, вероятность события
|n\n-p|<e стремится к 1 при n стремящемся к бесконечности.
Центральная предельная теорема Ляпунова.
Если последовательность x1,x2,..независимых СВ удовлетворяет условию Ляпунова (отдельные отклонения xi от ее математического ожидания должны быть равномерно малы по сравнению с суммарным отклонением случайных величин. Если при n стремящемся к бесконечности предел
то будем говорить, что последовательность
x1,x2,..удовлетворяет условию Ляпунова)
то справедливо предельное соотношение
что означает, что закон распределения СВ v' с ростом приближается к нормальному с мат. ожиданием 1 и дисперсией 0.