Цэнтра́льная грані́чная тэарэма (Ц. Г. Т.) — агульная назва шэрага тэарэм у тэорыі імавернасцей, якія сцвярджаюць, што сума дастаткова вялікай колькасці слаба залежных выпадковых велічынь, у якіх прыкладна аднолькавыя маштабы (ні адзін са складнікаў не пераважвае, не ўносіць у суму вызначальнага ўкладу), мае размеркаванне, блізкае да нармальнага.
Многія выпадковыя велічыні ў прыкладаннях фарміруюцца пад уплывам некалькіх слаба залежных выпадковых фактараў, таму іх размеркаванне лічаць нармальным. Пры гэтым павінна выконвацца ўмова, што ні адзін з фактараў не пераважвае. Цэнтральныя гранічныя тэарэмы ў гэтых выпадках абгрунтоўваюць прымяненне нармальнага размеркавання.
Няхай X1, …, X**n, … — паслядоўнасць незалежных аднолькава размеркаваных выпадковых велічынь з канечным матэматычным спадзяваннем µ і дысперсіяй σ2. Няхай таксама
S
n
=
∑
1
n
X
i
.
{\displaystyle S_{n}=\sum \limits _{i=1}^{n}X_{i}.}
Тады[1]
S
n
− μ n
σ
n
→ N ( 0 , 1 )
{\displaystyle {\frac {S_{n}-\mu n}{\sigma {\sqrt {n}}}}\to N(0,1)}
па размеркаванню пры
n → ∞ ,
{\displaystyle n\to \infty ,}
дзе
N ( 0 , 1 )
{\displaystyle N(0,1)}
— нармальнае размеркаванне з нулявым матэматычным спадзяваннем і стандартным адхіленнем, роўным адзінцы.
Заўвагі Абазначыўшы сімвалам
X ¯
{\displaystyle {\bar {X}}}
выбарачнае сярэдняе першых
n
{\displaystyle n}
велічынь:
X ¯
=
1 n
∑
1
n
X
i
,
{\displaystyle {\bar {X}}={\frac {1}{n}}\sum \limits _{i=1}^{n}X_{i},}
вынік цэнтральнай гранічнай тэарэмы можна перапісаць у наступным выглядзе:
n
X ¯
− μ
σ
→ N ( 0 , 1 )
{\displaystyle {\sqrt {n}}{\frac {{\bar {X}}-\mu }{\sigma }}\to N(0,1)}
па размеркаванню пры
n → ∞
{\displaystyle n\to \infty }
. Скорасць збежнасці можна ацаніць з дапамогаю няроўнасці Беры — Эсеена.
n
{\displaystyle n}
незалежных аднолькава размеркаваных выпадковых велічынь мае размеркаванне блізкае да
N ( n μ , n
σ
2
) .
{\displaystyle N(n\mu ,n\sigma ^{2}).}
Ці, што тое самае,
X ¯
{\displaystyle {\bar {X}}}
мае размеркаванне блізкае да
N ( μ ,
σ
2
/
n ) .
{\displaystyle N(\mu ,\sigma ^{2}/n).}
Z
n
=
S
n
− μ n
σ
n
{\displaystyle Z_{n}={\frac {S_{n}-\mu n}{\sigma {\sqrt {n}}}}}
, атрымліваем
F
Z
n
( x ) → Φ ( x ) ,
∀ x ∈
R
{\displaystyle F_{Z_{n}}(x)\to \Phi (x),;\forall x\in \mathbb {R} }
, дзе
Φ ( x )
{\displaystyle \Phi (x)}
— функцыя размеркавання стандартнага нармальнага размеркавання.
У дапушчэннях класічнае фармулёўкі, дапусцім у дадатак, што размеркаванне выпадковых велічынь
{
X
i
}
1
∞
{\displaystyle \{X_{i}\}_{i=1}^{\infty }}
абсалютна непарыўнае, г. зн. мае шчыльнасць. Тады размеркаванне
Z
n
{\displaystyle Z_{n}}
таксама абсалютна непарыўнае, і больш таго,
f
Z
n
( x ) →
1
2 π
e
−
x
2
2
{\displaystyle f_{Z_{n}}(x)\to {\frac {1}{\sqrt {2\pi }}},e^{-{\frac {x^{2}}{2}}}}
пры
n → ∞
{\displaystyle n\to \infty }
, дзе
f
Z
n
( x )
{\displaystyle f_{Z_{n}}(x)}
— шчыльнасць выпадковае велічыні
Z
n
{\displaystyle Z_{n}}
, а ў правай частцы стаіць шчыльнасць стандартнага нармальнага размеркавання.
Вынік класічнай цэнтральнай гранічнай тэарэмы верны для выпадкаў, значна больш агульных, чым выпадак поўнай незалежнасці і аднолькавага размеркавання.
Ляпуноў сфармуляваў і даказаў гэту тэарэму ў 1901 годзе.
Няхай незалежныя выпадковыя велічыні {X**i} маюць канечныя матэматычныя спадзяванні μi і дысперсіі σ2i і абсалютныя моманты E[|X**i − μi|2+δ]. Няхай
B
n
2
=
∑
1
n
σ
i
2
,
{\displaystyle B_{n}^{2}=\sum _{i=1}^{n}\sigma _{i}^{2},}
r
n
2 + δ
=
∑
1
n
E
[
|
X
i
−
μ
i
|
2 + δ
]
.
{\displaystyle r_{n}^{2+\delta }=\sum _{i=1}^{n}\mathbb {E} \left[|X_{i}-\mu _{i}|^{2+\delta }\right].}
Няхай выконваецца умова Ляпунова:
lim
n → ∞
r
n
2 + δ
B
n
2 + δ
= 0.
{\displaystyle \lim \limits _{n\to \infty }{\frac {r_{n}^{2+\delta }}{B_{n}^{2+\delta }}}=0.}
Тады[1]
1
B
n
∑
1
n
(
X
i
−
μ
i
) → N ( 0 , 1 )
{\displaystyle {\frac {1}{B_{n}}}\sum _{i=1}^{n}(X_{i}-\mu _{i})\to N(0,1)}
па размеркаванню пры
n → ∞
{\displaystyle n\to \infty }
.
Ліндэберг даказаў свой варыянт ЦГТ ў 1920-х гадах.
Няхай незалежныя выпадковыя велічыні X1, …, X**n, … вызначаны на адной імавернаснай прасторы і маюць канечныя матэматычныя спадзяванні і дысперсіі:
E
[
X
i
μ
i
,
D
[
X
i
σ
i
2
.
{\displaystyle \mathbb {E} [X_{i}]=\mu _{i},\quad \mathrm {D} [X_{i}]=\sigma _{i}^{2}.}
Няхай
B
n
2
=
∑
1
n
σ
i
2
.
{\displaystyle B_{n}^{2}=\sum \limits _{i=1}^{n}\sigma _{i}^{2}.}
І няхай выконваецца ўмова Ліндэберга: г. зн. для любога ε > 0
lim
n → ∞
1
B
n
2
∑
1
n
∫
|
x −
μ
i
|
ε
B
n
( x −
μ
i
)
2
d
F
i
0 ,
{\displaystyle \lim \limits _{n\to \infty }{\frac {1}{B_{n}^{2}}}\sum \limits _{i=1}^{n}\int \limits _{|x-\mu _{i}|>\varepsilon B_{n}}(x-\mu _{i})^{2},dF_{i}(x)=0,}
дзе F**i(x) — функцыя размеркавання велічыні X**i .
Тады[2]
1
B
n
∑
1
n
(
X
i
−
μ
i
) → N ( 0 , 1 )
{\displaystyle {\frac {1}{B_{n}}}\sum _{i=1}^{n}(X_{i}-\mu _{i})\to N(0,1)}
па размеркаванню пры
n → ∞
{\displaystyle n\to \infty }
. Заўвагі
E
[
∑
1
n
X
i
]
=
∑
1
n
μ
i
.
{\displaystyle \mathbb {E} \left[\sum _{i=1}^{n}X_{i}\right]=\sum \limits _{i=1}^{n}\mu _{i}.}
D
[
∑
1
n
X
i
]
=
∑
1
n
σ
i
2
=
B
n
2
.
{\displaystyle \mathrm {D} \left[\sum _{i=1}^{n}X_{i}\right]=\sum \limits _{i=1}^{n}\sigma _{i}^{2}=B_{n}^{2}.}
∀ ε
0 ,
lim
n → ∞
1
B
n
2
∑
1
n
E
[
(
X
i
−
μ
i
)
2
1
{
|
X
i
−
μ
i
|
ε
B
n
}
]
= 0 ,
{\displaystyle \forall \varepsilon >0,;\lim \limits _{n\to \infty }{\frac {1}{B_{n}^{2}}}\sum \limits _{i=1}^{n}\mathbb {E} \left[(X_{i}-\mu _{i})^{2},\mathbf {1} _{\{|X_{i}-\mu _{i}|>\varepsilon B_{n}\}}\right]=0,}
дзе
1
{ … }
{\displaystyle \mathbf {1} _{\{\dots \}}}
— індыкатарная функцыя(англ.) бел..
Няхай працэс
(
X
t
)
t ∈
N
{\displaystyle (X_{t})_{t\in \mathbb {N} }}
з’яўляецца мартынгалам(англ.) бел. з абмежаванымі прырашчэннямі, г. зн. для ўсіх t
E
[
X
t + 1
−
X
t
∣
X
1
, … ,
X
t
]
= 0 ,
{\displaystyle \mathbb {E} \left[X_{t+1}-X_{t}\mid X_{1},\ldots ,X_{t}\right]=0,}
і існуе такая пастаянная C, што для ўсіх t амаль напэўна(англ.) бел. справядліва няроўнасць
|
X
t + 1
−
X
t
|
≤ C .
{\displaystyle |X_{t+1}-X_{t}|\leq C.}
Будзем таксама лічыць, што
|
X
1
|
≤ C .
{\displaystyle |X_{1}|\leq C.}
Няхай
σ
t
2
=
E
[
(
X
t
−
X
t − 1
)
2
∣
X
1
, … ,
X
t − 1
]
,
{\displaystyle \sigma _{t}^{2}=\mathbb {E} \left[(X_{t}-X_{t-1})^{2}\mid X_{1},\ldots ,X_{t-1}\right],}
і рад з σ2i разбягаецца з імавернасцю 1(англ.) бел.:
∑
1
∞
σ
i
2
= ∞ .
{\displaystyle \sum _{i=1}^{\infty }\sigma _{i}^{2}=\infty .}
Няхай
τ
ν
= min
{
t :
∑
1
t
σ
t
2
≥ ν
}
.
{\displaystyle \tau _{\nu }=\min \left\{t:\sum _{i=1}^{t}\sigma _{t}^{2}\geq \nu \right\}.}
Тады[3]
X
τ
ν
ν
→ N ( 0 , 1 )
{\displaystyle {\frac {X_{\tau _{\nu }}}{\sqrt {\nu }}}\to N(0,1)}
па размеркаванню пры
n → ∞
{\displaystyle n\to \infty }