
- •Глава 1. Дискретные случайные Величины
- •1.1. Понятие случайной величины
- •1.2. Функция распределения случайной величины
- •1.3. Закон распределения дискретной случайной величины
- •1.4. Функция распределения дискретной случайной величины
- •1.5. Математическое ожидание дискретной случайной величины
- •1.6. Свойства математического ожидания.
- •3. Теорема сложения для математического ожидания.
- •4. Теорема умножения для математического ожидания.
- •1.7. Дисперсия дискретной случайной величины
- •1.8. Свойства дисперсии
- •7. Математическое ожидание и дисперсия среднего арифметического.
- •1.9. Биномиальное распределение
- •1.10. Распределение Пуассона
- •Глава 2. НепрерыВные случайные Величины
- •2.1. Плотность непрерывной случайной величины
- •2.2. Особенность непрерывной случайной величины
- •2.3. Вероятностный смысл плотности распределения
- •2.4. Математическое ожидание непрерывной случайной величины
- •I. Наводящее рассуждение.
- •II. Определение математического ожидания.
- •III. Математическое ожидание функции случайного аргумента.
- •IV. Свойства математического ожидания непрерывной случайной величины.
- •2.5. Дисперсия непрерывной случайной величины
- •2.6. Нормальное распределение
- •2.7. Показательное распределение
- •2.8. Равномерное распределение
- •2.9. Преобразование случайных величин
- •I. Линейное преобразование нормального закона.
- •II. Общий случай преобразования случайной величины.
- •2.10. Вероятность попадания в промежуток для нормального распределения.
- •I. Вероятность попадания в произвольный промежуток.
- •II. Вероятность отклонения от математического ожидания.
- •III. Правило «трех сигм».
- •2.11. Корреляция случайных величин
- •1. Нормированные случайные величины.
- •2. Корреляционный момент.
- •3. Коэффициент корреляции.
- •Глава 3. Закон больших чисел
- •3.1. Первое неравенство Чебышева
- •3.2. Второе неравенство Чебышева
- •3.3. Сходимость по вероятности
- •3.4. Общий закон больших чисел в форме Чебышева.
- •3.5. Частный закон больших чисел в форме Чебышева.
- •3.6. Закон больших чисел в форме я.Бернулли.
- •3.7. Центральная предельная теорема.
- •Глава 4. ДвумеРные случайные Величины
- •4.1. Функция распределения двумерной случайной величины
- •Свойства функции распределения
- •4.2. Дискретные двумерные случайные величины
- •4.3. Непрерывные двумерные случайные величины
- •Вероятностный смысл плотности
- •4.4. Вероятность попадания случайной точки в заданную область
- •4.5. Свойства плотности непрерывной двумерной случайной величины
- •4.6. Условные законы распределения составляющих
- •I. Случай дискретной двумерной случайной величины.
- •II. Случай непрерывной двумерной случайной величины.
- •4.7. Критерии независимости составляющих
- •Список литературы
- •Оглавление
- •Глава I. Дискретные случайные величины………………...3
- •Глава II. Непрерывные случайные величины ………..…22
- •Глава IV. Двумерные случайные величины ……………………..… 51
1.8. Свойства дисперсии
1. Для дисперсии справедлива формула:
.
(7)
Доказательство. По свойствам математического ожидания
.
Во
втором слагаемом постоянный множитель
вынесем за знак математического ожидания;
в третьем слагаемом математическое
ожидание константы
равно
самой этой константе. В результате
получаем:
.
▄
2.
.
Действительно, формулы (5) и (6) приводят к суммам неотрицательных слагаемых. ▄
3.
.
Доказательство. Применим формулу (7):
.
▄
4.
Если случайная
величина
является постоянной («неслучайной»)
величиной:
,
то есть имеет закон распределения
|
|
|
|
то
.
Доказательство.
По свойству математического ожидания
.
Поэтому в формуле (7) для дисперсии
.
▄
5. Обратно, если , то случайная величина является постоянной: .
Доказательство.
Пусть,
—
дискретная случайная величина, и
.
Если бы она с ненулевыми вероятностями
принимала по крайней мере два разных
значения, то есть имела закон распределения
,
то
,
поскольку, по крайней мере, одно слагаемое строго больше нуля. ▄
6.
Теорема сложения для дисперсии.
Если случайные величины
и
независимы,
то
.
Доказательство.
По теореме умножения для математических
ожиданий
.
Применим к
формулу (7):
.
▄
Замечание.
Аналогичное
утверждение имеет место и для суммы/разности
нескольких независимых случайных
величин. Например,
.
Лемма (о независимости константы). Если случайная величина является постоянной: , то есть с вероятностью принимает значение , то для всякой случайной величины имеет место независимость и .
Доказательство.
Пусть
и
произвольные промежутки. Рассмотрим
два возможных случая.
1.
.
Тогда событие
является достоверным, и
.
Далее,
,
так что условие независимости выполнено.
2.
.
Тогда событие
является невозможным, и
.
Далее,
.
▄
Следствие.
Если
случайная величина
является постоянной:
,
то для всякой случайной величины
имеет место равенство:
.
Доказательство. Поскольку случайные величины и независимы, то
.
▄
7. Математическое ожидание и дисперсия среднего арифметического.
Теорема.
Если случайные
величины
независимы и имеют одинаковое
математическое ожидание, равное
,
и одинаковую дисперсию, равную
,
то для их среднего арифметического
справедливы формулы:
.
(8)
Доказательство. Прежде всего, среднее арифметическое имеет такое же математическое ожидание, как и :
.
Далее, используя уже доказанные свойства дисперсии, получаем:
.
▄
Замечание. Из формулы (8) следует, что дисперсия среднего арифметического в раз меньше исходной дисперсии отдельного слагаемого. Иными словами, среднее арифметическое имеет меньшее рассеивание вокруг математического ожидания . Это связано с тем, что в среднем арифметическом при суммировании отклонения разных знаков в значительной степени погашают друг друга.
Последнее находит применение в практике измерений. Так, например, в навигации принято производить измерения по приборам трижды и в качестве результата брать среднее арифметическое полученных значений.