- •Теорія ймовірностей
- •1. Аксіоматичне означення ймовірності. Формула повної імовірності та ф-ла Баєса.
- •2. Випадкові величини. Властивості функцій розподілу.
- •3.Нерівність Чебишева. Закон великих чисел
- •4. Основні типи дискретних та неперервних розподілів.
- •1. Рівномірний з параметрами
- •2. Показниковий з параметром
- •3. Нормальний з параметрами
- •5.Центральна гранична теорема 1
- •6. Поняття випадкового процесу. Вінерівський та пуасонівський процеси.
- •7. Випадкове середнє та дисперсія. Емпірична функція розподілу. Теореми глівенка та колмогорова
- •8.Перевірка статистичних гіпотез. Критерії згоди колмогорова і 2 ( критерій пірсона).
1. Рівномірний з параметрами
F(x) - кусково-диференційовна
2. Показниковий з параметром
3. Нормальний з параметрами
,
Стандартний гауссівський розподіл - N(0,1):
,
5.Центральна гранична теорема 1
для однаково розподілених незалежних випадкових величин
Теорема. Якщо випадкові величини є незалежними та однаково розподіленими і мають математичне сподівання , та скінчену дисперсію , тоді
=
тобто збігається до функції розподілу нормального закону.
Рівномірна збіжніть є наслідком слабкої збіжності та неперервності нормального розподілу. Позначимо і запишемо характеристичну функцію
- потрібно показати, що вона збігається до х.ф. нормального розподілу. Можна вважати, що а = 0 інакше можна було б розглянути - нові в.в. з мат. сподіванням, рівним 0, та .
Враховуючи, що
, . Оскільки існує , то справедливий розклад . Крім того
Остаточно , що і т.д.
Наслідок (Інтегральна теорема Муавра-Лапласа)
Теорема Якщо задана схема випробувань Бернуллі, а - число успіхів у серії з n випробувань, то - р ймовірність успіху
Розглянемо множину кожна з яких має розподіл Бернуллі, тобто
, , .
6. Поняття випадкового процесу. Вінерівський та пуасонівський процеси.
Озн. Випадковий процес - це система в.в. , , - проміжок часу, яка описує еволюцію процесу, що досліджується, - значення характеристики, що досліджується, в момент
У ТЙ:
ВП - множина в.в. , визначена на одному і тому ж імовірністному просторі . інтерпретується як час.
Класифікація ВП:
за типом :
а) - дискретна, - процеси з дискретним часом.
У цьому випадку ВП - це послідовність в.в.
б) - процеси з неперервним часом.
За типом множини значень:
- дискретні - процеси з дискретним часом
- неперервні - процеси з неперервним часом
За способом опису спільних розподілів
Множину значень називають також множиною можливих станів.
- поле
Озн. 1)Процесом з незалежними приростами називається випадковий процес, визначенийй для із дискретною або неперервною множиною станів, для якого виконується умова: для будь-якого скінченого набору моментів часу випадкові величини - незалежні.
Однорідні ПНП - це процеси, у яких:
а) ;
б) розподіл залежить тільки від , тобто співпадає з розподілом .
Стохастично-неперервні ОПНП - це такі, у яких , тобто
Характеристична функція для с/н ОПНП
Із властивостей характеристичних функцій випливає, що
, .
Теорема Характеристична функція с/н ОПНП представляється у вигляді , де - кумулянта процесу.
Висновок: для задання с/н ОПНП необхідно і достатньо задати кумулянту
Теорема. (Про представлення кумулянти)
Кумулянта представляється у вигляді:
, де , - скінчена міра, що не має атома в нулі: .
Вінерівський процес.
, тобто . Позначається .
В цьому випадку процес можна вибрати так, що траєкторії процесу, тобто є для фіксованих неперервними.
Отже, - це с/н ОПНП, , з неперервними траєкторіями, і характеризується нормальним розподілом
Пуасонівський процес
-пуасонівська в.в.
Пуасонівським процесом називається однорідний процес з незалежними приростами, що дорівнює 0 в 0, у якого розподіл процесу в момент є пуасонівською випадковою величиною із параметром .
Друга характеризація ПП.
а) - кількість подій до моменту
- не залежить від приростів на будь-яких інших інтервалахі, які не перетинаються з
б) залежить тільки від (однорідність)
в) в кожний момент часу відбувається тільки одна подія потоку (ординарність)
Поток подій, який характеризується цими властивостями є найпростішим, а отже є процесом чистого росту чи пуасонівським