![](/user_photo/2706_HbeT2.jpg)
- •2.Зависимые события, условные вероятности, вывод формулы, признак независимости событий, формула полной вероятности,формулаБайеса,ее практическое приминение.
- •7.Формулы для моментов линейных функций от двух дискретных случайных величин,понятие безграничной делимости,примеры.
- •Вероятностей непрерывной случайной величины
- •Характеристическая функция непрерывной случайной величины
- •Плотность распределения Лапласа
- •12.Случайные величины с плотностями распределения вероятностей:arcsin и Коши;графики,числовыехарактеристики,моменты,примеры расчета по заданию экзаменатора.
- •16.Функции от непрерывных случайных величин:вывод общей формулы,вывод формулы для плотности распределения линейной функции от непрерывной случайной величины.
- •19.Двумерные случайные величины,функцияраспределения,плотностьраспределения,маргинальныеплотности,формулы для вычисления вероятностноймеры двумерной области,числовые характеристики.
- •Числовые характеристики
- •20.Ковариационная матрица двумерной непрерывной случайной величины,коэффициенткорреляции,пределызначений,доказательство;независимость и некоррелированность:понятие и признаки.
- •Многомерная случайная величина (случайный вектор)
7.Формулы для моментов линейных функций от двух дискретных случайных величин,понятие безграничной делимости,примеры.
Линейное преобразование случайного вектора. Числовые характеристики
Общий
вид линейного преобразования случайного
вектора есть умножение его на матрицу
и добавление произвольного неслучайного
вектора:
.Раскроем
это преобразование:
.Вычислим
вначале математическое ожидание от
первой составляющей первого извекторов:
.
Точно так же
.
Поэтому
.
В
соответствии с математическим определением
ковариационной матрицы
Таким образом, если случайный вектор
претерпевает преобразование
,
то математическое ожидание и ковариационная
матрица результата такого преобразования
вычисляются по формулам:
,
.Мы
снова убеждаемся в том, что ковариационная
матрица не зависит от смещения, которое
задается вектором
.Рассмотрим
в качестве примера один важный частный
случай.Пусть матрица A
имеет вид
,
а вектор
.
Тогда
- скаляр:
=
,
и ковариационная матрица
также вырождается в скаляр, а именно -
в дисперсию, которую будем обозначать
через
Найдем математическое ожидание и
дисперсию случайной величины ,
пользуясь
полученными формулами.
.
Перемножив эти два вектора, окончательно
получим
Частные
случаи:- случайные величины
и
независимы или хотя бы некоррелированы,
тогда
,
-
коэффициентыa
= b = 1, то есть
случайная величина
есть сумма двух некоррелированных
случайных величин
и ,
тогда
, то есть дисперсия суммы некоррелированных
случайных величин равна сумме дисперсий
слагаемых Пусть в одинаковых условиях
выполнены две серии независимых испытаний
по схеме Бернулли (см. п. 1.2.4). Количество
испытаний в первой серии равно n,
во второй серии - k.
Производящие функции моментов :
и
.
Найти производящую функцию моментов
для случайной величины - суммы количества
появления события A
в этих двух сериях испытаний. Искомая
функция есть произведение:
.Оказывается,
что полученная функция - это производящая
функция моментов биномиального
распределения, соответствующего схеме
Бернулли с количеством испытаний, равным
(n+k).
Конец примера.
Полученный результат свидетельствует
о том, что сумма случайных величин,
подчиняющихся биномиальному распределению,
есть случайная величина, распределенная
также по биномиальному закону. Это
свойство случайных величин и их
распределений называется безграничной
делимостью.
Приведем точную формулировку обнаруженного
свойства. Распределение
вероятностей случайной величины
безгранично делимо тогда и только тогда,
когда эта случайная величина может быть
представлена суммой любого количества
независимых случайных величин, подчиненных
тому же распределению вероятностей
8Непрерывные случайные величины, аксиоматика,функции распределения и плотности распределения вероятностей,свойства,числовыехарактеритики,квантили,интерквантильныйпромежуток,неравенство Чебышева.
Непрерывные случайные величины.
Непрерывная случайная величина - функция случайных событий, принимающая значения на полуоткрытых интервалах.В соответствии с современной аксиоматикой для определения непрерывной случайной величины устанавливают:
- пространство элементарных событий ,
- сигма - алгебру полуоткрытых интервалов ,
- вероятностную меру на . Тогда говорят, что непрерывная случайная величина задана тройкой (, , P). Такое задание непрерывной случайной величины позволяет применять вероятностную меру точки, поскольку сигма - алгебра полуоткрытых интервалов, по определению, содержит точку, как результат более, чем счетного пересечения этих интервалов, то есть, как предел сходящейся последовательности полуоткрытых интервалов. Функция распределения и плотность распределения