Лекции по ТВ и МС(ч.1)
.pdfЛекция № 12 |
Дисперсия |
9.Определить условия, при которых третий центральный момент биномиального распределения равен нулю.
10.Случайная величина ξ подчиняется бета распределению, то есть имеет
плотность распределения вероятностей
fξ (x)= |
Γ(α + β) |
|
xα −1(1− x)β −1, (0 < x <1,α > 0, β > 0). |
|
Γ(α)Γ(β) |
||||
|
|
Найти начальный момент k –го порядка.
11.Выразить центральный момент µ(k ) через начальные моменты.
12.Выразить начальный момент m(k ) через центральные моменты и математическое ожидание.
13.Случайная величина ξ равномерно распределена на отрезке [−π,π].
Найти:
а) M sin ξ , M cosξ , Dsin ξ , D cosξ ; |
|
|
|
|
|
|||
б) M sink ξ , M cosk ξ |
при |
любом |
целом |
k ≥1 |
и |
асимптотику |
M sink ξ , |
|
M cosk ξ |
при k → ∞. |
|
|
|
|
|
|
|
14. |
Случайная величина ξ |
равномерно |
распределена на отрезке [0,π]. |
|||||
Найти: |
|
|
|
|
|
|
|
|
а) M sin ξ , M cosξ , Dsin ξ , D cosξ ; |
|
|
|
|
|
|||
б) M sink ξ , M cosk ξ |
при |
любом |
целом |
k ≥1 |
и |
асимптотику |
M sink ξ , |
|
M cosk ξ |
при k → ∞. |
|
|
|
|
|
|
|
15.Вероятность появления события A при одном опыте равна 0,4; оценить
спомощью неравенства Чебышева вероятность того, что частота этого события при 100 опытах будет лежать в пределах 0,3–0,5.
16.Среднее квадратическое отклонение ошибки измерения курса самолета равно 20. Считая математическое ожидание ошибки измерения равным 0, оценить вероятность того, что ошибка при данном измерении курса будет более 50.
129
Распределение случайного вектора |
Лекция № 13 |
Лекция № 13
|
Распределение случайного вектора. |
Тема: |
Независимость случайных величин. |
|
Распределение функций от случайных величин |
|
Пожалуй, нет ни одной отрасли математики такой |
|
интересной, такой важной, как теория |
|
вероятностей. История ее открываеи чудеса, |
|
которых может достич математическая наука, и |
|
пределы, которые она не может преступить. |
|
Э. Девис |
13.1. Случайные векторы |
|
|
|
|
|
Случайным вектором ξ |
со значениями в |
Rm |
называется |
||
последовательность |
(ξ1,ξ2 ,K,ξm ) |
действительных |
|||
Определение 13.1 случайных величин ξk , |
k = |
|
, определенных |
на одном |
|
1, m |
вероятностном пространстве (Ω,F, P). Величина ξk , k =1, m
называется k–ой координатой вектора ξ .
Так как ξk = fk (ω), здесь fk (ω) — F–измеримая действительная функция, то ξ = f (ω), где f (ω)= (f1(ω), f2 (ω),K, fm (ω)) — функция со значениями в Rm с
F–измеримыми координатами. Эта функция отображает пространство Ω в Rm .
Для каждого множества B из Rm положим
ξ−1(B)={ω : f (ω) B}.
Для каждого борелевского множества B из |
Rm ξ−1(B) F. Следовательно, |
определена вероятность P{ξ B}. |
|
Пусть |
|
F(B)= P{ξ B}, B Bm . |
|
Функция множеств F() является мерой, причем |
F (Rm )=1. |
130
Лекция № 13 |
|
|
|
Распределение случайного вектора |
|
|
Меру F(), |
определенную |
на |
σ –алгебре |
борелевских |
|
|||||
Определение 13.2 |
множеств |
Bm называют |
распределением |
случайного |
|
|
вектора ξ . |
|
|
|
|
|
Функцией распределения F(x) |
случайного вектора ξ или |
|||
|
|||||
|
|||||
Определение 13.3 |
совместной |
функцией распределения последовательности |
|||
|
случайных величин ξ1,ξ2 ,K,ξm называют функцию: |
||||
|
|
F(x)= P{ξ1 < x1,ξ2 < x2 ,K,ξm < xm }. |
|
||
Подобно тому, как это было сделано в одномерном случае, для |
|||||
многомерных функций распределения можно установить свойства: |
|
I) F(x1, x2 ,K, xm ) суть неубывающая функция по каждому аргументу; II) F(x1, x2 ,K, xm ) — непрерывная слева функция по каждому аргументу;
III)lim F(x1, x2 ,K, xm )= 0 , k =1, m ;
xk →−∞
IV) |
lim |
F(x1, x2 ,K, xm )=1. |
|
min(x1 ,K, xm )→+∞ |
|
Как мы знаем, в одномерном случае перечисленные свойства являлись необходимыми и достаточными того, чтобы функция F(x) была функцией распределения некоторой случайной величины. В многомерном случае необходимо дополнительное условие — условие согласованности.
Введем в рассмотрение конечно–разностный оператор ∆ih , действующий на функцию g(x) следующим образом:
∆i |
g(x)= g(x ,Kx |
, x + h, x |
,Kx |
|
)−(x ,Kx |
, x , x |
,Kx |
|
), i = |
|
. |
||||||
m |
m |
1, m |
|||||||||||||||
h |
1 |
i −1 |
i |
i +1 |
|
|
|
1 |
i −1 |
i i +1 |
|
|
|
|
|||
|
|
|
Пусть |
F(x), |
x Rm , |
— |
произвольная функция, |
||||||||||
|
|
|
|||||||||||||||
|
|
|
удовлетворяющая условиям I, II, III,IV а также |
||||||||||||||
|
|
|
V) для любых x, h Rm |
|
|
|
|
|
|
|
|
||||||
Теорема 13.1. |
|
|
|
|
|
∆1h |
∆2h |
2 |
K∆mh F(x)≥ 0 , |
|
|
|
|
||||
|
|
|
|
|
|
|
|
1 |
|
m |
|
|
|
|
|
|
|
|
|
|
тогда существует вероятностное пространство (Ω,F, P) и |
||||||||||||||
|
|
|
случайная величина ξ(ω)= (ξ1(ω),ξ2 (ω),K,ξm (ω)) на нем |
||||||||||||||
|
|
|
такая, что функция распределения ξ(ω) равна F(x). |
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
131
Распределение случайного вектора |
Лекция № 13 |
Пример 13.1. Покажем, что требование V может быть не выполнено, несмотря на наличием у функции F(x1, x2 ,K, xm ) свойств I–IV. Пусть
F(x, y)= 0, |
если x ≤ 0, или y ≤ 0, x + y ≤1; |
1, |
востальной частикоординатнойплоскости. |
Не трудно видеть, что эта функция удовлетворяет условиям I–IV, но для нее
x |
y |
1 |
1 |
|
|
1 |
1 |
|
1 |
1 |
|
|
||||||
∆ ∆ |
|
F |
|
; |
|
|
= F(1;1)− F 1; |
|
|
− F |
|
;1 |
+ F |
|
; |
|
|
=1−1−1+ 0 = −1. |
|
|
|
|
|
|
|
||||||||||||
1 2 |
1 2 |
2 |
2 |
|
|
2 |
2 |
|
2 |
2 |
|
|
И, следовательно, пятое требование не выполнено.
13.2. Дискретные распределения
Если случайный вектор ξ = (ξ1,ξ2 ,K,ξm ) принимает конечное или счетное число значений x1 = (x11,K, x1m ),K, xn = (x1n ,K, xmn ),K, то распределение этого вектора можно задать с помощью набора чисел pn = P{ξ = xn }.
Для любого множества B из Rm :
F(B)= P{ξ B}= ∑ pn .
x n B
13.3. Абсолютно непрерывные распределения
Случайный вектор ξ = (ξ1,ξ2 ,K,ξm ) называется абсолютно непрерывным, если существует борелевская функция f (x)
Определение 13.4 такая, что
F (x)= ∫−∞x1 K∫−∞xm f (u1,Kum )du1 Kdum .
Функция f (x) называется плотностью распределения F().
Рассмотрим случайный вектор ξ = (ξ1,ξ2 ,K,ξm ) с функцией распределения
Fξ (x) и наряду с ним «укороченный» вектор η = (ξ1,ξ2 ,K,ξs ), s < m . Связь между функциями распределениями случайных векторов ξ и η имеет вид:
Fη (x)= P{ξ1 < x1,K,ξs < xs }= P{ξ1 < x1,K,ξs < xs ,ξs +1 < +∞,K,ξm < +∞}= = Fξ (x1,K, xs ,+∞,K,+∞).
132
Лекция № 13 |
|
|
Распределение случайного вектора |
Если вектор ξ имеет плотность распределения, тогда |
|||
x |
x |
+∞ |
+∞ |
Fη (x)= Fξ (x1,K, xs ,+∞,K,+∞)= ∫1 |
K ∫s |
∫ K ∫ fξ (u1,K,um )du1 Kdum = |
|
−∞ |
−∞ −∞ |
−∞ |
x x
=∫ K ∫ fη (u1,K,us )du1 Kdus ,
−∞ −∞1 s
здесь
+∞ |
+∞ |
fη (u1,K,us )= ∫ K ∫ fη (u1,K,us ,us +1,K,um )dus +1 Kdum . |
|
−∞ |
−∞ |
Таким образом, в случае если вектор ξ обладает плотностью распределения вероятностей, то укороченный вектор также имеет плотность.
Вероятность абсолютно непрерывному вектору попасть в борелевское множество B равна:
P{ξ B}= ∫ f (x1,K, xm )dx1 Kdx2 .
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
B |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Пример 13.2. Плотность случайного вектора (ξ,η) равна |
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
f (x, y)= 3(x2 + y2 ), если0 ≤ x < y ≤1; |
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||
Тогда |
|
|
|
|
|
|
|
|
0, |
|
|
|
|
|
|
|
встальныхслучаях. |
|
|
|
|
|
|
|
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
2 |
|
2 |
|
|
2 |
|
|
y |
3 |
|
|
1 |
|
2 |
|
1 |
|
|
3 |
|
|
|
|
x |
3 |
|
|
|
|
3 |
|
2 |
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
fξ (x) |
= 3∫(x |
|
+ y |
|
)dy = 3 x |
|
y + |
|
|
|
|
|
|
|
= 3 x |
|
+ |
|
− x |
|
|
− |
|
|
|
|
= −4x |
|
+3x |
|
+1 |
, |
(0 |
≤ x ≤1). |
|||||||||
|
|
|
|
3 |
|
|
|
3 |
|
|
3 |
|
|
|
|||||||||||||||||||||||||||||
|
x |
|
|
|
|
|
|
|
|
|
|
x |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
y |
|
|
|
|
|
3 |
|
|
|
|
|
|
|
|
|
y |
|
3 |
|
|
|
|
|
|
3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
fη (x)= 3∫(x |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x |
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
2 |
+ y |
2 |
|
|
x |
|
+ y |
2 |
x |
|
|
|
|
|
|
y |
|
+ y |
3 |
− |
|
|
|
|
|
4 y |
3 |
, (0 |
≤ y ≤1). |
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||
|
|
)dx = 3 |
|
|
|
|
|
|
|
= 3 |
|
|
|
3 |
|
= |
|
|
|
|
|||||||||||||||||||||||
|
0 |
|
|
|
|
3 |
|
|
|
|
|
|
|
0 |
3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
13.4. Независимые случайные величины |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
|
|
|
|
|
|
Величины ξ1,ξ2 ,K,ξm называются независимыми, если для |
|||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
любых действительных x1, x2 ,K, xm события |
|
|
|
|
|
||||||||||||||||||||||||||||||||
Определение 13.5 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
{ξ1 < x1},{ξ2 < x2 },K,{ξm < xm } |
|
|
|
|
|
|||||||||||||||||||||||
|
независимы, т.е. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
m |
(ξk |
|
|
|
|
|
|
m |
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
P I |
< xk ) = ∏P{ξk < xk }. |
|
|
|
|
|
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
k =1 |
|
|
|
|
|
|
|
k =1 |
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
133
Распределение случайного вектора |
|
|
Лекция № 13 |
Свойства независимых случайных величин. |
|
||
1. Если случайные |
величины |
ξ1,ξ2 ,K,ξm независимы, |
то совместная |
функция распределения |
вектора |
ξ = (ξ1,ξ2 ,K,ξm ) равна |
произведению |
маргинальных функций распределения случайных величин ξi , i =1, m :
F(x1, x2 ,K, xm )= F(x1 ) K F(xm ).
2. Если случайный вектор ξ = (ξ1,ξ2 ,K,ξm ) имеет абсолютно непрерывное
распределение с независимыми координатами, тогда совместное распределение вектора ξ равно произведению плотностей координат
f(x1, x2 ,K, xm )= fξ1 (x1 ) K fξ2 (xm ).
3.Если ξ1,ξ2 ,K,ξm — интегрируемые случайные величины, тогда
произведение ξ1ξ2 K ξm — также интегрируемая случайная величина, причем
Mξ1ξ2 K ξm = Mξ1 Mξ2 K Mξm .
При доказательстве ограничимся рассмотрением дискретных случайных
величин. Доказательство в общем случае лишь немногим сложнее и использует
свойства интеграла Лебега–Стилтьеса.
Пусть ξi (i =1, m)принимают значения yin . Тогда
Mξ1 K ξm = ∑ |
y1n1 Kymnm P Im (ξk = yknk ) = |
∑ y1n1 Kymnm ∏m |
P{ξk = yknk }= |
||
n1 ,K,nm |
k =1 |
|
n1 ,K,nm |
k =1 |
|
= ∏m ∑yknk P{ξk = yknk }= Mξ1 Mξ2 K Mξm . k =1 nk
4. Если ξ1,ξ2 ,K,ξm — независимые случайные величины с конечными
дисперсиями, тогда
n
D ∑ξk
k =1
n
= ∑Dξk .
k =1
Действительно, используя метод математической индукции, имеем для n = 2
D(ξ +η)= M[(ξ +η)− M(ξ +η)]2 = M[(ξ − Mξ)+ M(η − Mη)]2 = = M(ξ − Mξ)2 + M(η − Mη)2 + 2 M(ξ − Mξ)(η − Mη)= Dξ + Dη.
134
Лекция № 13 |
|
|
|
|
|
Распределение случайного вектора |
n−1 |
|
|
|
|
|
|
Далее так как ∑ξk |
и ξn — независимы, то |
|
|
|||
k =1 |
|
|
|
|
|
|
n |
|
n−1 |
|
n−1 |
n−1 |
n |
D ∑ξk |
= D ∑ξk +ξn = D ∑ξk + Dξn = ∑Dξk + Dξn = ∑Dξk . |
|||||
k =1 |
|
k =1 |
|
k =1 |
k =1 |
k =1 |
13.5. Распределение функций от случайных величин
Пример 13.3. Пусть ξ и η независимые случайные величины с функциями распределения Fξ (x) и Fη (y) соответственно. Найти функцию распределенияFζ (z) величины ζ =ξ +η .
Y |
Fζ (z)= P{ζ < z}= P{ξ +η < z}= |
|
||
z |
+∞ z −x |
+∞ |
|
|
= ∫ ∫dFη (y)dFξ (x)= |
∫Fη (z − x)dFξ (x). |
|
||
|
|
|||
|
−∞ −∞ |
−∞ |
|
|
z |
Так как случайные |
величины входят в сумму |
||
симметрично, то, |
аналогично |
предыдущим |
||
X |
||||
рассуждениям, имеем |
|
|||
|
+∞ z − y |
+∞ |
|
|
Fζ (z)= P{ζ < z}= P{ξ +η < z}= ∫ ∫dFξ (x)dFη (y)= ∫Fξ (z − y)dFη (y). |
||||
|
−∞ −∞ |
−∞ |
|
|
Таким образом, справедливо |
|
|
|
|
|
+∞ |
+∞ |
|
|
Fζ (z)= Fξ +η (z)= P{ζ < z}= ∫Fη (z − x)dFξ (x)= ∫Fξ (z − y)dFη |
(y). |
|||
|
−∞ |
−∞ |
|
Определение 13.6
Если ξ и η соответственно, то
Функция F(z), определяемая формулой
+∞
F (z)= ∫F1(z − x)dF2 (x),
−∞
называется сверткой функций распределения F1(x) и F2 (x)
и обозначается F = F1 F2 .
независимы, имеют плотности распределения fξ (x) и fη (x)
+∞ |
+∞ |
fξ +η (z)= ∫ fξ (z − y)fη (y)dy ∫ fη (z − x)fξ (x)dx . |
|
−∞ |
−∞ |
135