
- •§ 1. Испытания и события
- •§ 2. Виды случайных событий
- •§ 3. Классическое определение вероятности
- •§ 4. Основные формулы комбинаторики
- •§ 5. Примеры непосредственного вычисления вероятностей
- •§ 6. Относительная частота. Устойчивость относительной частоты
- •§ 7. Ограниченность классического определения вероятности. Статистическая вероятность
- •§ 8. Геометрические вероятности
- •§ 1. Теорема сложения вероятностей несовместных событий
- •§ 2. Полная группа событий
- •§ 4. Принцип практической невозможности маловероятных событий *
- •§ 1. Произведение событий
- •§ 2. Условная вероятность
- •§ 3. Теорема умножения вероятностей
- •§ 4. Независимые события. Теорема умножения для независимых событий
- •§ 5. Вероятность появления хотя бы одного события
- •§ 1. Теорема сложения вероятностей совместных событий
- •§ 2. Формула полной вероятности
- •§ 3. Вероятность гипотез. Формулы Бейеса
- •§ 1. Формула Бернулли
- •§ 2. Локальная теорема Лапласа
- •§ 3. Интегральная теорема Лапласа
- •§ 4. Вероятность отклонения относительной частоты от постоянной вероятности в независимых испытаниях
- •§ 1. Случайная величина
- •§ 2. Дискретные и непрерывные случайные величины
- •§ 3. Закон распределения вероятностей дискретной случайной величины
- •§ 4. Биномиальное распределение
- •§ 5. Распределение Пуассона
- •§ 6. Простейший поток событий
- •§ 7. Геометрическое распределение
- •§ 8. Ги пер геометрическое распределение
- •§ 1. Числовые характеристики дискретных случайных величин
- •§ 2. Математическое ожидание дискретной случайной величины
- •§ 3. Вероятностный смысл математического ожидания
- •§ 4. Свойства математического ожидания
- •§ 5. Математическое ожидание числа появлг I события в независимых испытаниях
- •§ 1. Целесообразность введения числовой характеристики рассеяния случайной величины
- •§ 2. Отклонение случайной величины от ее математического ожидания
- •§ 3. Дисперсия дискретной случайной величины
- •§ 4. Формула для вычисления дисперсии
- •§ 5. Свойства дисперсии
- •§ 6. Дисперсия числа появлений события в независимых испытаниях
- •§ 7. Среднее квадратическое отклонение
- •§ 8. Среднее квадратическое отклонение суммы взаимно независимых случайных величин
- •§ 9. Одинаково распределенные взаимно независимые случайные величины
- •§ 10. Начальные и центральные теоретические моменты
- •§ 1. Предварительные замечания
- •§ 2. Неравенство Чебышева
- •§ 3. Теорема Чебышева
- •§ 4. Сущность теоремы Чебышева
- •§ 5. Значение теоремы Чебышева для практики
- •§ 6. Теорема Бернулли
- •§ 1. Определение функции распределения
- •§ 2. Свойства функции распределения
- •§ 3. График функции распределения
- •3. Дискретная случайная величина X задана законом распрс. Деления
- •§ 1. Определение плотности распределения
- •§ 2. Вероятность попадания непрерывной случайной величины в заданный интервал
- •§ 3. Нахождение функции распределения по известной плотности распределения
- •§ 4. Свойства плотности распределения
- •§ 5. Вероятностный смысл плотности распределения
- •§ 6. Закон равномерного распределения вероятностей
- •§ 1. Числовые характеристики непрерывных случайных величин
- •§ 2. Нормальное распределение
- •§ 3. Нормальная кривая
- •§ 4. Влияние параметров нормального распределения на форму нормальной кривой
- •§ 5. Вероятность попадания в заданный интервал нормальной случайной величины
- •§ 6. Вычисление вероятности заданного отклонения
- •§ 7. Правило трех сигм
- •§ 8. Понятие о теореме Ляпунова. Формулировка центральной предельной теоремы
- •§ 9. Оценка отклонения теоретического распределения от нормального. Асимметрия и эксцесс
- •§10. Функция одного случайного аргумента и ее распределение
- •§ 11. Математическое ожидание функции одного случайного аргумента
- •§ 12. Функция двух случайных аргументов. Распределение суммы независимых слагаемых. Устойчивость нормального распределения
- •§ 13. Распределение «хи квадрат»
- •§ 14. Распределение Стьюдента
- •§ 15. Распределение f Фишера — Снедекора
- •§ 1. Определение показательного распределения
- •§ 2. Вероятность попадания в заданный интервал показательно распределенной случайной величины
- •§ 3. Числовые характеристики показательного распределения
- •§ 4. Функция надежности
- •§ 5. Показательный закон надежности
- •§ 6. Характеристическое свойство показательно,, закона надежности
- •§ 1. Понятие о системе нескольких случайных величин
- •§ 2. Закон распределения вероятностей дискретной двумерной случайной величины
- •§ 3. Функция распределения двумерной случайной величины
- •§ 4. Свойства функции распределения двумерной случайной величины
- •§ 5. Вероятность попадания случайной точки в полуполосу
- •§ 6. Вероятность попадания случайной точки в прямоугольник
- •§ 7F Плотность совместного распределения вероятностей непрерывной, двумерной случайной величины (двумерная плотность вероятности)
- •§ 8. Нахождение функции распределения системы по известной плотности распределения
- •§ 9. Вероятностный смысл двумерной плотности вероятности
- •§ 10. Вероятность попадания случайной точки в произвольную область
- •§11. Свойства двумерной плотности вероятности
- •§ 12. Отыскание плотностей вероятности составляющих двумерной случайной величины
- •§ 13. Условные законы распределения составляющих системы дискретных случайных величин
- •§ 14. Условные законы распределения составляющих системы непрерывных случайных величин
- •§ 15. Условное математическое ожидание
- •§ 16. Зависимые и независимые случайные величины
- •§ 17. Числовые характеристики системы двух случайных величин. Корреляционный момент. Коэффициент корреляции
- •§ 18. Коррелированность и зависимость случайных величин
- •§ 19. Нормальный закон распределения на плоскости
- •§ 20. Линейная регрессия. Прямые линии среднеквадратической регрессии
- •§ 21. Линейная корреляция. Нормальная корреляция
- •1. Найти законы распределения составляющих дискретной двумерной случайной величины, заданной законом распределения
- •§ 1. Задачи математической статистики
- •§ 2. Краткая историческая справка
- •§ 3. Генеральная и выборочная совокупности
- •§ 4. Повторная и бесповторная выборки. Репрезентативная выборка
- •§ 5. Способы отбора
- •§ 6. Статистическое распределение выборки
- •§ 7. Эмпирическая функция распределения
- •§ 8. Полигон и гистограмма
- •§ 1. Статистические оценки параметров распределения
- •§ 2. Несмещенные, эффективные и состоятельны оценки е
- •§ 3. Генеральная средняя
- •§ 4. Выборочная средняя
- •§ 5. Оценка генеральной средней по выборочной средней. Устойчивость выборочных средних
- •§ 7. Отклонение от общей средней и его свойств
- •§ 8. Генеральная дисперсия
- •§ 9. Выборочная дисперсия
- •§ 10. Формула для вычисления дисперсии
- •§11. Групповая, внутри групповая, межгрупповая и общая дисперсии
- •§ 12. Сложение дисперсий
- •§ 13. Оценка генеральной дисперсии по исправленной выборочной
- •§ 14. Точность оценки, доверительная вероятность (надежность). Доверительный интервал
- •§15. Доверительные интервалы для оценки математического ожидания нормального распределения при известном о
- •§ 16. Доверительные интервалы для оценки математического ожидания нормального распределения при неизвестном о
- •§ 17. Оценка истинного значения измеряемой величины
- •§ 18. Доверительные интервалы для оценки среднего квадратического отклонения а нормального распределения
- •§ 19. Оценка точности измерений
- •§ 20. Оценка вероятности (биномиального распределения) по относительной частоте
- •§ 21. Метод моментов для точечной оценки параметров распределения
- •§ 22. Метод наибольшего правдоподобия
- •§ 23. Другие характеристики вариационного ряда
- •§ 1. Условные варианты
- •§ 2. Обычные, начальные и центральные эмпирические моменты
- •§ 3. Условные эмпирические моменты. Отыскание центральных моментов по условным
- •§ 4. Метод произведений для вычисления выборочных средней и дисперсии
- •§ 5. Сведение первоначальных вариант к равноотстоящим
- •§ 6. Эмпирические и выравнивающие (теоретические) частоты
- •§ 7. Построение нормальной кривой по опытным данным
- •§ 8. Оценка отклонения эмпирического распределения от нормального. Асимметрия и эксцесс
- •§ 1. Функциональная, статистическая и корреляционная зависимости
- •§ 2. Условные средние
- •§ 3. Выборочные уравнения регрессии
- •§ 4. Отыскание параметров выборочного уравнения Прямой линии среднеквадратичной регрессии по несгруппированным данным
- •§ 5. Корреляционная таблица
- •§ 7. Выборочный коэффициент корреляции
- •§ 8. Методика вычисления выборочного коэффициента корреляции
- •§ 9. Пример на отыскание выборочного уравнения прямой линии регрессии
- •§ 10. Предварительные соображения к введению меры любой корреляционной связи
- •§ 11. Выборочное корреляционное отношение
- •§ 12. Свойства выборочного корреляционного отношения
- •§13. Корреляционное отношение как мера корреляционной связи. Достоинства и недостатки этой меры
- •§ 14. Простейшие случаи криволинейной корреляции
- •§ 15. Понятие о множественной корреляции
- •§ 1. Статистическая гипотеза. Нулевая
- •§ 2. Ошибки первого и второго рода
- •§ 3. Статистический критерий проверки нулевой гипотезы. Наблюдаемое значение критерия
- •§ 4. Критическая область. Область принятия гипотезы. Критические точки
- •§ 5. Отыскание правосторонней критической области
- •§ 6. Отыскание левосторонней и двусторонней критических областей
- •§ 7. Дополнительные сведения о выборе критической области. Мощность критерия
- •§ 8. Сравнение двух дисперсий нормальных генеральных совокупностей
- •§ 9. Сравнение исправленной выборочной дисперсии с гипотетической генеральной дисперсией нормальной совокупности
- •§ 10. Сравнение двух средних нормальных
- •"Набл — ,...-. .....» . — 1 fV/o#
- •§ 12. Сравнение двух средних нормальных генеральных совокупностей, дисперсии которых неизвестны и одинаковы (малые независимые выборки)
- •§ 13. Сравнение выборочной средней с гипотетической генеральной средней нормальной совокупности
- •§ 14. Связь между двусторонней критической областью и доверительным интервалом
- •§ 15. Определение минимального объема выборки при сравнении выборочной и гипотетической генеральной средних
- •§16. Пример на отыскание мощности критерия
- •§ 17. Сравнение двух средних нормальных генеральных совокупностей с неизвестными дисперсиями (зависимые выборки)
- •§ 18. Сравнение наблюдаемой относительной частоты с гипотетической вероятностью появления события
- •§ 19. Сравнение двух вероятностей биномиальных распределений
- •§ 20. Сравнение нескольких дисперсий нормальных генеральных совокупностей по выборкам различного объема. Критерий Бартлетта
- •§ 21. Сравнение нескольких дисперсий нормальных генеральных совокупностей по выборкам одинакового объема. Критерий Кочрена
- •§ 22. Проверка гипотезы о значимости выборочного коэффициента корреляции
- •§ 24. Методика вычисления теоретических частот нормального распределения
- •§ 25. Выборочный коэффициент ранговой корреляции Спирмена и проверка гипотезы о его значимости
- •§ 26. Выборочный коэффициент ранговой корреляции Кендалла и проверка гипотезы о его значимости
- •§ 27. Критерий Вилкоксона и проверка гипотезы об однородности двух выборок
- •§ 1. Сравнение нескольких средних. Понятие о дисперсионном анализе
- •§ 2. Общая факторная и остаточная суммы квадратов отклонений
- •§ 3. Связь между общей, факторной и остаточной суммами
- •§ 4. Общая, факторная и остаточная дисперсии
- •§ 5. Сравнение нескольких средних методом дисперсионного анализа
- •§ 1. Предмет метода Монте — Карло
- •§ 2. Оценка погрешности метода Монте — Карло
- •§ 3. Случайные числа
- •§ 4. Разыгрывание дискретной случайной величины
- •§ 5. Разыгрывание противоположных событий
- •§ 6. Разыгрывание полной группы событий
- •§ 7. Разыгрывание непрерывной случайной величины. Метод обратных функций
- •§ 8. Метод суперпозиции
- •§ 9. Приближенное разыгрывание нормальной случайной величины
- •§ 1. Цепь Маркова
- •§ 2. Однородная цепь Маркова. Переходные вероятности. Матрица перехода
- •§ 3. Равенство Маркова
- •§ 1. Основные задачи
- •§ 2, Определение случайной функции
- •§ 3. Корреляционная теория случайных функций
- •§ 4. Математическое ожидание случайной функции
- •§ 5. Свойства математического ожидания случайной функции
- •§ 6. Дисперсия случайной функции
- •§ 7. Свойства дисперсии случайной функции
- •§ 8. Целесообразность введения корреляционной функции
- •§ 9. Корреляционная функция случайной Функции
- •§11. Нормированная корреляционная функция
- •§ 12. Взаимная корреляционная функция
- •§ 13. Свойства взаимной корреляционной функции
- •§ 14. Нормированная взаимная корреляционная функция
- •§ 15. Характеристики суммы случайных функций
- •§ 16. Производная случайной функции и ее характеристики
- •§ 17. Интеграл от случайной функции и его характеристики
- •§ 18. Комплексные случайные величины и их числовые характеристики
- •§ 19. Комплексные случайные функции и их характеристики
- •§ 1. Определение стационарной случайной функции
- •§ 2. Свойства корреляционной функции стационарной случайной функции
- •§ 3. Нормированная корреляционная функция стационарной случайной функции
- •§ 4, Стационарно связанные случайные функции
- •§ 5. Корреляционная функция производной стационарной случайной функции
- •§ 6. Взаимная корреляционная функция стационарной случайной функции и ее производной
- •§ 7. Корреляционная функция интеграла от стационарной случайной функции
- •§ 8. Определение характеристик эргодическмх стационарных случайных функций из опыта
- •§ 1. Представление стационарной случайной функции в виде гармонических колебаний со случайными амплитудами и случайными фазами
- •§ 2. Дискретный спектр стационарной случайной функции
- •§ 3. Непрерывный спектр стационарной случайной функции. Спектральная плотность
- •§ 4. Нормированная спектральная плотность
- •§ 5. Взаимная спектральная плотность стационарных и стационарно связанных случайных функций
- •§ 7. Стационарный белый шум
- •§ 8. Преобразование стационарной случайной функции стационарной линейной динамической системой
- •1Истику,
- •1Сч счсчсмсчсчсчсчсм c4c4c4cococjco сосососососо сососососо сосоч-ч- ч1
- •Гмурман Владимир Ефимович теория вероятностей и математическая статистика
§ 13. Свойства взаимной корреляционной функции
Свойство 1. При одновременной перестановке индексов и аргументов взаимная корреляционная функция не изменяется:
Свойство 2. Прибавление к случайным функциям X(t) и Y (t) неслучайных слагаемых, соответственно <р(0 и г(>(0» не изменяет их взаимной корреляционной функции-
если
то
400
Свойство 3. При умножении случайных функций X (0 и Y (t) на неслучайные множители, соответственно Ф (t) и i|) (t), взаимная корреляционная функция умножается на произведение <p(*)(*)
если
(ПО
Свойство 4. Абсолютная величина взаимной корреляционной функции двух случайных функций не превышает среднего геометрического их дисперсий:
Доказательства
этих свойств аналогичны доказательствам
свойств корреляционной функции.
§ 14. Нормированная взаимная корреляционная функция
Наряду с взаимной корреляционной функцией для оценки степени зависимости сечений двух случайных функций пользуются характеристикой — нормированной взаимной корреляционной функцией.
Нормированной взаимной корреляционной функцией двух случайных функций X (t) и Y (t) называют неслучайную функцию двух независимых аргументов i, и t2:
it t ) Rxy {tl' h) = Rxy {h'ti]
x{ti, /,) VKy(tt, t2) y
Нормированная взаимная корреляционная функция имеет те же свойства, что и взаимная корреляционная Функция (см. § 13), причем свойство 4 заменяется следующим свойством: абсолютная величина нормированной взаимной корреляционной функции не превышает единицы:
* ' VK{t /) V
Пример. Найти нормированную взаимную корреляционную функ- двух случайных функций X(t) = tU и К(/) = /21/, где U— случайная величина, причем D(U) = 3.
Решение. Ранее при решении примера (см. § 12), в котором ?аданы те же функции, что и в настоящем примере, были найдены Функции:
401
Пользуясь этими результатами, легко найдем корреляционные функции:
Kxih, h) = и нормированную функцию:
it t)-r. Bxv
v ' VK{tt
Итак, искомая нормированная взаимная корреляционная функция
Заметим, что функция Y (t) связана с X (t) линейной функциональной зависимостью:
Y (t) = t*U = t (tU) =* tX (t).
§ 15. Характеристики суммы случайных функций
Пусть X(t) и Y{t)—случайные функции. Найдем характеристики суммы этих функций по известным характеристикам слагаемых.
Теорема 1. Математическое ожидание суммы двух случайных функций равно сумме математических ожиданий слагаемых:
если
то
Эта теорема уже была приведена ранее (см. § 5, свойство 3); здесь она помещена для систематизации изложения. Методом математической индукции теорему можно обобщить на п слагаемых.
Следствие. Математическое ожидание суммы случайной функции X (t) и случайной величины Y равно сумме их математических ожиданий;
если
то
Замечание 1. Центрированная функция суммы случайных функций равна сумме центрированных слагаемых:
если
Z(t) = то
402
1
i I
От
Действительно,
сюда
t(t) = X (
Теорема 2. Корреляционная функция суммы двух коррелированных случайных функций равна сумме корреляционных функций слагаемых и взаимной корреляционной функции, которая прибавляется дважды (с разным порядком следования аргументов):
если
то
Кz(ii> t2) = KAh, tJ+KyV^ t2) + Rxy(tlt t2) + Rxv(t2, tx).
Доказательство. По определению корреляционной функции,
В силу замечания 1
Z(t) = X(t) + Y(t). Следовательно,
Z (*х) Z (t2) = [X (tj + У (tt)] [X (tt) + ? (*,)].
Выполнив умножение, приравняем математические ожидания обеих частей равенства:
м [z (tj г (/2)] = м [х (tt) х (t,)]+м[у (tt) у (tt)] +
+ М[Х Цг) У (t2)] + M[Y (tx) X (/,)].
По определению корреляционной и взаимной корреляционной функций имеем
Учитывая, что Ryx(tlt t2) = Rxy(t2, tx) (см. §13, свойство 1), окончательно получим
**('i, tt)=Kx(ti, t2)+Ky(tt, tt)+Rxy(tlt t2)+Rxy(t2, h). (•)
Методом математической индукции теорему можно обобщить на п попарно коррелированных случайных Функций:
403
если то
tlt tj = S кх. (tlt*,) + 2у z?
кг
где индексы i, / второго слагаемого есть размещения чисел 1,2, ..., п, взятых по два.
Следствие 1. Корреляционная функция суммы двух некоррелированных случайных функций равна сумме корреляционных функций слагаемых:
если
то
Доказательство. Так как функции X(t) и Y(t) не коррелированы, то их взаимные корреляционные функции равны нулю. Следовательно, соотношение (*) примет вид
КЛ*х. t,)=K*(ti, tJ + Kyih, tt).
Методом математической индукции следствие можно обобщить на п попарно некоррелированных функций.
Замечание 2. В частности, при равных значениях аргументов ^ = ^2 = ^ получим Kz(t, t)=Kx(t, t)+Ky(t, t), или
Итак, дисперсия суммы двух некоррелированных случайных функций равна сумме дисперсий слагаемых.
Следствие 2. Корреляционная функция случайной функции X (t) и некоррелированной с ней случайной величины Y равна сумме корреляционной функции случайной функции и дисперсии случайной величины:
если
то
Пояснение. Случайную величину У можно считать случайной функцией, не изменяющейся при изменений
404
аргумента t:Y{t) = Y при всех значениях t. Тогда Y (t)=Y Л( следовательно,
Ку (tx, tt) = М [YY] = М [Y*] = Dy.
Пример. Заданы случайные функции X (t) = tl/, Y(t) = t2U, где у и V — некоррелированные случайные величины, причем M(U) — 3, д^(У) = 6, D(U)=0,2, D(V) = 5. Найти: а) математическое ожидание: б) корреляционную функцию; в) дисперсию суммы Z(/) = X(f) + + Y(t).
Решение, а) Найдем математическое ожидание суммы заданных функций. По теореме 1
i y
б) Найдем корреляционную функцию суммы Z (t). Так как случайные величины У и Уне коррелированы, то их корреляционный комент равен нулю:
M[(U— 3)(V — 6)] = 0. Следовательно, взаимная корреляционная функция
а значит, функции X (t) и Y (t) не коррелированы. Поэтому искомая корреляционная функция в силу следствия 1
К Ah, t%) = Kx(h, t,) + Ky(tu t2). Выполнив выкладки, окончательно получим
K,(h. t^ = 0,2ht»+5titl в) Найдем искомую дисперсию:
DAO = KA*. t) = 0,2/2 + 5/*.