
- •Теория вероятностей Введение в теорию вероятностей Предмет теории вероятностей
- •Возникновение и развитие теории вероятностей До появления аксиоматики Колмогорова
- •В наше время
- •Необходимость теории вероятностей как науки
- •Возможность анализа случайных явлений
- •Расчет шансов и прогнозирование последствий
- •Игра по крупному
- •Основные понятия и определения Первичные понятия Опыт (эксперимент)
- •Элементарный исход
- •Пространство элементарных исходов
- •Советы по построению пространства элементарных исходов.
- •Определения Подмножества
- •Операции над подмножествами
- •Случайные события
- •Информационный смысл понятия сигма - алгебра
- •Пересечение сигма-алгебр
- •Вероятностное пространство
- •Парадокс определения вероятностного пространства
- •Независимые события
- •Теорема (о непрерывности вероятностной меры)
- •Дискретная вероятностная модель
- •Конечное пространство элементарных исходов
- •Классическая вероятностная модель
- •Связь классической вероятностной модели с комбинаторикой
- •Основная формула комбинаторики
- •Факториал
- •Урновая схема
- •Общее определение вероятности для экспериментов с конечным или счетным числом исходов
- •Дискретное распределение и вероятность
- •Равномерное распределение - классическая вероятностная модель
- •Биномиальное распределение – схема Бернулли
- •Мультиномиальное распределение – схема бросания частиц по ячейкам
- •Геометрическое распределение – испытания до первого успеха
- •Распределение Паскаля – испытания до m-того успеха
- •Пуассоновское распределение - теорема Пуассона
- •Теорема Пуассона.
- •Сходимость по вариации - приближение одних моделей другими
- •Использование понятия независимости для построения моделей. Произведение вероятностных пространств.
- •Примеры построения моделей.
- •Расчет надежности при параллельном соединении элементов.
- •Расчет надежности при последовательном соединении элементов
- •Расчет надежности сложной системы.
- •Замечания к примерам.
- •Условная вероятность
- •Урновая схема
- •Марковская зависимость
- •Формула полной вероятности и формула Байеса
- •Случайные величины
- •Отображения вероятностных пространств
- •Случайная величина
- •Борелевская сигма-алгебра
- •Свойства случайных величин
- •Случайный вектор
- •Распределения случайных величин и векторов
- •Точки непрерывности и разрыва функции распределения
- •Несобственные функции распределения
- •Геометрическое распределение
- •Мера Лебега на прямой.
- •Плотность распределения
- •Вероятностный смысл плотности распределения
- •Бета-распределение на отрезке [0,1]
- •Смеси распределений.
- •Нормальное (гауссовское) распределение.
- •Экспоненциальное (показательное) распределение.
- •Гамма-распределение.
- •Построение меры в конечномерном пространстве Борелевская сигма-алгебра в конечномерном пространстве
- •Определение случайного вектора
- •Мера Лебега в конечномерном пространстве
- •Мера Лебега на квадрате - Задача о встрече
- •Независимые случайные величины
- •Многомерное нормальное распределение
- •Числовые характеристики случайных величин и векторов
- •Интеграл Лебега – математическое ожидание
- •Свойства интеграла Лебега (математического ожидания)
- •Теоремы о предельном переходе под знаком интеграла Лебега
- •Теорема Лебега о мажорируемой сходимости
- •Неравенства Неравенство Маркова
- •Неравенство Чебышева. Дисперсия
- •Неравенство Коши-Буняковского-Шварца. Ковариация
- •Неравенство Йенсена.Выпуклые функции
- •Неравенство Ляпунова.Моменты
- •Вычисление математического ожидания.
- •Теорема Лебега о замене переменных
- •Вычисление интеграла Лебега на прямой.
- •Вычисление интеграла Лебега в произведении пространств. Теорема Фубини
- •Теорема Фубини
- •Вычисление маргинальных плотностей
- •Вычисление числовых характеристик важных распределений.
- •Абсолютная непрерывность вероятностных мер
- •Абсолютно непрерывные и сингулярные меры и распределения
- •Теорема Радона-Никодима
- •Суммирование независимых случайных величин
- •Сходимость последовательностей случайных величин и их распределений
- •Сходимость почти наверное
- •Закон больших чисел в форме Бернулли
- •Теорема Шеффе
- •Преобразование Лапласа и производящая функция
- •Теорема единственности для характеристических функций и характеристические функции важных распределений
- •Предельные теоремы теории вероятностей
- •Классическая схема
- •Закон больших чисел в форме Чебышева
- •Закон больших чисел для схемы серий
- •Закон больших чисел в форме Хинчина
- •Условное математическое ожидание, условная вероятность и условное распределение
- •Определение и основные свойства условного математического ожидания
- •Теорема существования и единственности условного математического ожидания
- •Математическое ожидание одной случайной величины относительно другой
- •Свойства условного математического ожидания
- •Определение условной вероятности, условного распределения и условной плотности Условная вероятность
- •Условное распределение
- •Вычисление условной плотности и условного математического ожидания
Вычисление математического ожидания.
Если случайная величина простая, то ее математическое ожидание вычисляется непосредственно по определению. Например, если все значения
случайной величины
равновероятны, то ее математическое ожидание равно среднему арифметическому этих значений
Заметим , что у простой случайной величины математическое ожидание всегда конечно.
Для дискретной случайной величины, принимающей счетное число различных значений, имеем (приближая ее снизу последовательностью простых случайных величин)
Этот ряд не всегда сходится, и поэтому существуют дискретные случайные величины, не имеющие конечного математического ожидания. Простым достаточным условием конечности математического ожидания является ограниченность модуля случайной величины сверху (константой или другой случайной величиной, имеющей конечное математическое ожидание).
Заметим, что для вычисления математического ожидания дискретной случайной величины нам достаточно знать только ее распределение. Этот факт справедлив и в общем случае, что показывает следующая теорема.
Теорема Лебега о замене переменных
Пусть
случайная величина и g(x) – борелевская функция
Тогда
если хотя бы один из этих интегралов существует.
Проверьте! |
Доказательство. Легко проверить, что утверждение теоремы верно для неотрицательных простых функций. |
Следовательно, в силу теоремы о монотонной сходимости оно верно и для произвольных неотрицательных случайных величин. Далее, как обычно представим произвольную случайную величину в виде разности
и завершим доказательство.
Заметим, что справа стоит интеграл Лебега по прямой. Поэтому, для эффективного вычисления произвольных интегралов Лебега, надо научиться вычислять
распределения случайных величин
интегралы Лебега на прямой
Как мы уже знаем, вычисление распределения на прямой эквивалентно вычислению его функции распределения. Поэтому займемся вторым пунктом.
Вычисление интеграла Лебега на прямой.
Так как на распределение на прямой однозначно определяется функцией распределения
то интеграл Лебега часто обозначают так
и называют интегралом Лебега-Стильтьеса от функции g по функции F.
Если функция распределения имеет плотность
то предыдущий интеграл интеграл превращается в интеграл
где
мера Лебега на прямой.
Для доказательства этого достаточно опять рассмотреть простые функции и перейти к пределу. Можно показать, что
если функция g (x) интегрируема по Риману, то
где последний интеграл понимается в смысле Римана.
Таким
образом, в практически важных случаях
вычисление интеграла Лебега сводится
к вычислению конечной суммы, ряда или
интеграла Римана (или их комбинаций).
В дальнейшем для интегралов по мере
Лебега будем опускать символ
и использовать такое же обозначение
как и для интегралов Римана.
Вычисление интеграла Лебега в произведении пространств. Теорема Фубини
В математическом анализе кратные интегралы часто вычисляются с помощью сведения их к повторным интегралам. Аналогично можно вычислять и интегралы Лебега, в тех случаях, когда основное вероятностное пространство является произведением вероятностных пространств.
Теорема Фубини
Пусть основное пространство является произведением двух пространств
и существует
Тогда
Теорема обобщается на любое конечное произведение вероятностных пространств. Доказательство можно найти, например, в книге Ширяева.