Вопрос 8.

Дисперсией (рассеиванием) дискретной сл\в наз мат ожид квадрата отклонения сл\в от ее мат ожид.

Теорема. Дисперсия равна разности между мат-м ожид квадрата сл\в Х и квадратом ее мат-го ожид.

Доказательство. С учетом того, что мат ожид М(Х) и квадрат мат-го ожид М2(Х) – величины постоянные, можно записать: 

Свойства дисперсии

С1. Дисперсия постоянной величины равна нулю.

С2. Постоян множитель можно выносить за знак дисперсии, возводя его в квадрат.

С3.Дисперсия суммы 2х независимых сл\в = сумме дисперсий этих величин.

С4. Дисперсия разности 2х независимых сл\в = сумме дисперсий этих величин.

Справедливость этого равенства вытекает из свойства 2. 

С5. Дисперсия = мат ожид квадрата сл\в без квадрата мат ожид.

Доказательство С5:

Использовние С5, значит-но упрощает процесс нахожд-я дисперсии по отнош-ю использ-я опр-я, поэтомк, в кач ф-лы нахожднеия дисперсии, использ-ся С5 дисперсии.

 Теорема. Дисперсия числа появления  события А в п независимых испытаний, в каждом из кот вер-ть р появления события постоянна, = произведению числа испытаний на вер-ти появления и не появления события в каждом испытании. .

Вопрос 9.

Сформулируем простейшую форму центральной предельной теоремы, когда СВ взаимно независимы и одинаково распределены.

Теорема Ляпунова 1 Если СВ независимы и имеют один и тот же закон распределения с МОЖ и дисперсией причем существует третий абсолютный момент , то при неограниченном увеличении закон распределения суммы неограниченно приближается к нормальному.

Для неодинаково распределенных СВ так же справедлива центральная предельная теорема.

Теорема Ляпунова 2 Если - независимые CB, имеющие математические ожидания , дисперсии и конечные абсолютные центральные моменты третьего порядка , удовлетворяющие условиям

,

то при неограниченном увеличении закон распределения нормированной суммы

сходится по вероятности к нормальному закону с плотностью вероятностей

,

для которого .

Частными случаями центральной предельной теоремы для дискретных СВ являются теоремы Муавра – Лапласа. Нормированная сумма будет иметь вид

.

Вопрос 10.

Непрерывную случайную величину нельзя охарактеризовать перечнем всех возможных ее значений и их вероятностей. Естественно, встает вопрос о том, нельзя ли охарактеризовать случайную величину иным способом, одинаково годным как для дискретных, так и для непрерывных случайных величин.      Функцией распределения случайной величины Х называют функцию F(x), определяющую для каждого значения х, вероятность того, что случайная величина Х примет значение меньше х, т.е.      F(x) = P (X <x).      Иногда функцию F(x) называют интегральной функцией распределения.      Функция распределения обладает следующими свойствами:      1. Значение функции распределения принадлежит отрезку [0,1]: 0 ≤ F(x) ≤ 1.      2. Функции распределения есть неубывающая функция.      3. Вероятность того, что случайная величина Х примет значение, заключенное в интервале (а, b), равна приращению функции распределения на этом интервале:       Р(а < X < b) = F(b) – F(а).                                          (2.1)      4. Если все возможные значения случайной величины Х принадлежат интервалу (а, b), то       F(x) = 0 при х ≤ а ;F(x) = 1 при х ≥ b.      5.      Справедливы следующие предельные отношения:       .