
- •0. Основные формулы комбинаторики
- •0/ /Выбор с возвращением и с учётом порядка.
- •| . . . | | . | . . | . . | | . |
- •| . . | . | . | . . | . . | | . | | | | | | | | . . . . . . . . . |
- •1. Классическое и геометрическое определения вероятности, примеры.
- •1//Геометрическое определение вероятности.
- •2. Дискретное вероятностное пространство, примеры.
- •3. Парадоксы доаксиоматической теории вероятностей.
- •4.Аксиоматика Колмогорова, вложение пред определений в аксиоматику.
- •5. Свойства вероятностей.
- •7. Условная вероятность. Теорема умножения вероятностей.
- •8. Независимость событий, примеры независимых и зависимых событий.
- •9. Формула полной вероятности, примеры.
- •10. Формула Байеса, примеры.
- •11. Схема Бернулли, примеры, полиномиальная схема.
- •12. Теорема Пуассона, примеры применения.
- •13. Теоремы Муавра-Лапласа, примеры применения.
- •14. Случайные величины, их распределения, функции распределения и их свойства.
- •15. Свойства плотностей распределения.
- •16. Математическое ожидание, механическая интерпретация, свойства.
- •17. Вычисление математических ожиданий функций от случайных величин с помощью дискретных и непрерывных плотностей распределения.
- •18. Свойства и статистический смысл дисперсии.
- •19. Математическое ожидание и дисперсия нормального закона.
- •20. Математическое ожидание и дисперсия биномиального распределения.
- •21. Математическое ожидание и дисперсия закона Пуассона.
- •22. Коэффициент корреляции и его свойства.
- •23. Двумерное нормальное распределение.
- •24. Случайные векторы, их распределения, функции и плотности распределения и их свойства.
- •25.Многомерный нормальный вектор
- •26. Теорема о плотности распределения преобразованной случайной величины.
- •27. Теорема о плотности распределения преобразованного случайного вектора. Примеры.
- •1. Преобразование случайных величин.
- •28. Неравенство Чебышева, закон больших чисел.
- •28//Закон больших чисел
- •29. Свойства характеристических функций.
- •30. Центральная предельная теорема Леви. Вывод из неё интегральной теоремы Муавра-Лапласа.
- •31. Свойства производящих функций, примеры их вычисления.
- •32. Примеры использования производящих функций для вычисления моментов.
- •33. Определение и свойства условного математического ожидания.
- •34. Условное мат ожидание и условное распределение одного подвектора норм случ вектора относит другого подвектора
- •34//Условная вероятность.
- •35. Задачи оценивания в математической статистике, состоятельность, несмещаемость, эффективность оценки.
- •36. Примеры построения оценок и исследования их свойств
- •36//Основные свойства
- •37. Критерий проверки гипотез.
- •38. Критерий Колиогорова и критерий χ², примеры.
- •39. Доверительные интервалы, примеры.
- •39//Пример:
- •40. Марковские цепи. Определения и основные характеристики.
- •41. Классификация состояний Марковских цепей. Период.
- •42. Уравнения Чупмена-Колмогорова.
- •43. Критерий возвратности и следствия из него.
- •44. Возвратность цепей Маркова
- •45. Эргодическая теорема для цепей Маркова.
29. Свойства характеристических функций.
Характеристическая функция случайной величины х – это есть мат.ожидание eitx
f(t)=Eeitx=E(costx)+iE(sintx) – функция вещественных переменных, но с комплексными значениями. В частном случае – преобразование Лапласа.
Свойства характеристической функции:
Существует плотность распределения
f(t)=
f(t)=
когда есть плотность, то dF(x)=p(x)dx, когда дискретные:dF(x)=F(x+)-F(x)=P(X=x)
Для дискретных x:f(t)=nj=1eitxjp(X=xj)
f(0)=1
|f(t)|<1, т.к.|eitx|<1
|EX|<E|x|
Пусть y=ax+b, где a,b – const, тогда fy(t)=eitbfx(at), т.к. fy(t)=Eeit(ax+b)=Eei(ta)xeitb=eitbfx(at)
Если случайные величины x,y – независимы, то fx+y(t)=fx(t)fy(t), т.к. fx+y(t)=E(eit(x+y))= =E(eitxeity)=EeitxEeity= fx(t)fy(t)
Вполняется для любого количества независимых случайных величин.
Существует x1,…,xn– независимых случайных величин
Sn=x1+…+xn, тогда fSn(t)=Пni=1fXi(t)
a) ПустьE|x| - конечна иf(t) - это характеристическая функция, тогдаf(t) дифференцируема и производная =
f`(t)|t=0=iEx
b) ЕслиE|x|2– конечна, то функцияf(t) – дважды дифференцируема:
f `(t)|t=0=iEx,
f ``(t)|t=0=-Ex2
c) ЕслиE|x|n– конечна, функцияf(t) –nраз дифференцируема:
f(n)(t)|t=0=(i)nExn
В случае aсуществует разложениеf(t)=1+iExt+0(t)
В случае bсуществует разложениеf(t)=1+iExt-Ex2t2/2+0(t)
В случае cсуществует разложениеf(t)=1+iExt-Ex2t2/2+…+(i)nExntn/n!+0(t)
29//Доказательство:
f `(t)|t=0=iEx
E– это интеграл, поэтому, когда мы берем производную по интегралу, по параметру – когда интеграл равномерно и абсолютно сходится, то дифференцирование под знаком интеграла.
Надо проверить:
Продифференцировать, будет ли такой интеграл равномерно сходится.
E|ixeitx|=E|x| - пусть плоское распределение.
E|x|=,
сходится равномерно, если интеграл по
множеству, гдеx>Aилиx<-Aстремится к 0, когдаA.
Это выполняется, т.к. это свойство любого интеграла.
Следовательно f`(t)=E(ixeitx)=iEx, еслиt=0
b,c) точно также доказывается, что можно дифференцировать под знаком интеграла.
f ``(t)=E(-x2eitx)=-Ex2 при t=0
f(n)(t)=E((ix)neitx)=(i)nExn при t=0
a,b,c) Вторая часть это разложение по формуле Тейлора с остаточным членом в форме Пиано.
Между функциями распределения и характеристическими функциями существует взаимнооднозначное соответствие: каждой характеристической функции соответствует 1 функция распределения и наоборот.
F(x)f(t)
Свойство непрерывности.
2 свойства равносильны
Fn(x)F(x) в каждой точке, сходимость слабая равносильна
fn(t)f(t), сходимости характеристических функций в каждой точке.
8) Обозначим через tхарактеристическую функцию стандартного нормального закона.
Это значит,, тогда характеристическая функция
Доказательство:
Обозначим
29//==
=
С другой стороны `(t)=
Получим дифференциальное уравнение.
`(t)=-t(t) - оно имеет следующее решение.
=-tПроинтегрируем
ln(t)=-t2/2+C
(t)=C- какая-то постоянная
Пусть t=0(t)=1 1 – это постоянная =>
(t)=C, т.е.(t)=, ч.т.д.