- •1 Вводные понятия
- •2 Алгебра событий
- •5 Аксиомы теории вероятностей и следствия из них
- •3 Формула классической вероятности (схема урн)
- •4 Схема геометрической вероятности.
- •6 Формула сложения вероятностей.
- •7 Условные вероятности. Независимость событий.
- •Вероятность осуществления b при условии, что произошло a в том же эксперименте, определяется через отношение двух безусловных вероятностей.
- •8 Зависимые и независимые события
- •9 Правила вычисления вероятностей сложных событий.
- •10 Последовательность независимых испытаний. Схема Бернулли.
- •11 Случайные величины
- •Функция распределения случайно величины и ее свойства.
- •12 Закон распределения случайной величины дискретного типа.
- •13 I. Равномерное распределение (дискретное)
- •II. Биномиальное распределение
- •III. Распределение Пуассона
- •IV. Геометрическое распределение
- •14 Пуасоновское распределение как предельный случай биномиального.
- •15 Свнт и их законы распределения.
- •3) Функция распределения всегда непрерывна у свнт.
- •16 Числовые характеристики свнт.
- •Если перейдем к функции распределения, то заметим, что hx – корень уравнения .
- •17 Основные классические распределения непрерывного типа и их характеристики.
- •19 Интеграл вероятности и его свойства
- •20 Случайные векторы
- •Свойства двумерной функции распределения.
- •21 Случайные векторы дискретного типа (свдт) и их законы распределения.
- •24 Независимость случайных событий.
- •23 Вероятность попадания в область на плоскости
- •25 Функция от случайных величин. Теоремы о мат. Ожидании функций.
- •26 Свойства числовых характеристик случайного вектора.
- •Следствия из свойства 5.
- •Доказать, что если 4, то автоматически существует 1, 2, 3, используя неравенство Коши-Буняковского.
- •Пусть Перейдем от(X,y) к(u,V)путем преобразования стандартизациирассмотрим
- •28 Законы распределения функций
- •31 Законы больших чисел.
- •Неравенства Чебышева. Первое неравенство Чебышева.
- •При увеличении числа опытов по схеме Бернулли относительная частота успехов
- •32 Центральная предельная теорема.
- •33 Следствия цпт для схемы Бернулли.
- •34 Основные понятия математической статистики.
23 Вероятность попадания в область на плоскости
Понятие "элемента вероятности" :
fX,Y(x,y)dxdy=P{(x,y) П(x,y)}
(вероятность попадания в прямоугольник П(x,y))
7) Пусть G-некоторая область на плоскости, тогда вероятность попадания в эту область:
P{(x,y) G}=
Нужно разбить всю плоскость на элементы dxdy и просуммировать.
25 Функция от случайных величин. Теоремы о мат. Ожидании функций.
Определение. Пусть на вероятностном пространстве {Ω,F,P} заданы случайные величины X(w) и Y(w) и z=(x,y) – действительная функция от двух переменных Z=(X,Y),при определенных условиях на случайные величины X и Y будет являться случайной величиной определенной на том же вероятностном пространстве.
? Как вычислить математическое ожидание M[Z]?
Теорема 11.1. (новая формула для математического ожидания).
Пусть X – случная величина дискретного типа с заданным законом распределения. Пусть математическое ожидание M[X] существует.
(3)
Доказательство.
Нам известна следующая формула из определения математического ожидания:
. (4)
Отличие формул (3) и (4): в (3) возможны повторения значения X(wi).
Разобьем все значения X(wi) на блоки:
Bk={wiX(wi)=xk, iIk},
где Ik – множество индексовk-гоблока.
По правилам теории вероятностей мы можем записать:
Преобразуем (4) следующим образом:
что и требовалось доказать.
Теорема 11.2. (о математическом ожидании функции).
Пусть Х – СВДТ с заданным законом распределения и Z=(X) – новая случайная величина, где (х) – некоторая действительная функция действительной переменной.
Тогда (5)
Доказательство.
Используем разбиение на блоки из Т.11.1.
что и требовалось доказать.
Обобщение теоремы 11.2.
(6)
Замечание. Как показывает (6) для вычисления математического ожидания от функции Z=(X,Y) не надо знать закон распределения этой новой случайной величины, а достаточно знать закон распределения, того вектора, от которого она зависит.
Пример 3. На круговом индикаторе цели радиуса а наблюдается световое пятно, отраженное импульсом от цели. Будем считать, что на этапе поиска цели пятно появляется наудачу в месте экрана.
Найти среднее (по распределению) значение расстояния от центра экрана до светового пятна.
Решение.
Формализуем задачу: пусть (X,Y) – случайные координаты центра пятна (точка). По описанию эксперимента:
(X,Y) R (в круге радиуса a)
Нас интересует M[Z],
где
По формуле (6):
Замечание. Формула (6) позволяет оправдать следующие обозначение для моментов случайного вектора ( типа):
что совпадает с определением из лекции10.
В частности, , то есть дисперсия – математическое ожидание квадрата случайной величины.
Kx,y=, где
Kx,y – ковариация.
26 Свойства числовых характеристик случайного вектора.
Линейность.
Доказательство.
Для дискретного случая:
Следствия из свойства 1.
M[c]=c;
M[aX]=aM[X] (математическое ожидание как спектр);
Если X ≥ 0 M[X]≥ 0 Y ≥ X M[Y] ≥ M[X].
Доказательство.
По новому определению дисперсии:
Достаточно возвести в квадрат и воспользоваться свойством 1.
Следствия из свойства 2.
1)
2) D[X] ≥ 0;
3) D[c]=0;
4) Если D[X]=0 X-const.
Свойство 2 в общей формулировке:
Определение. Случайные величины X и Y называются некоррелированными, если KX,Y=0.
3. M[XY]=M[X]M[Y]+KX,Y.
Доказательство.
На практике это свойство используется для следующей записи:
Следствия из свойства 3.
Если KX,Y =0, то M[XY]=M[X]M[Y]
Замечание. Для большого числа случайных величин (≤ 3) некоррелированности недостаточно для распределения математического ожидания должны быть независимы в совокупности.
M[XYZ]=M[X]M[Y]M[Z], если X,M, Y, Z независимы в совокупности.
4. Если X и Y независимы D[XY]=D[X]D[Y]+m2x D[Y]+ m2y D[X]
Неравенство Коши-Буняковского
M 2[XY]=M[X 2]M[Y 2]
Доказательство.
Рассмотрим неравенство M[(aX+Y)2] ≥ 0, а R или M[a 2X+2aXY+Y] (по свойству линейностью) = a 2M[X 2]+2aM[XY]+M[Y 2] ≥ 0 (дискриминант = 4 M 2[XY]-4 M[X 2]M[Y 2] ≤ 0 результат.