- •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.
Следствия из свойства 5.
1) При Y0 M 2[X] ≤ M[X 2] (или m2x ≤ 2 ) или: если 2 2 mx=1
Доказать, что если 4, то автоматически существует 1, 2, 3, используя неравенство Коши-Буняковского.
2) КХ,Y ≤ XY
Доказательство. В неравенстве Коши-Буняковского заменим X,Y КХ,Y ≤ XY
Определение Число называется коэффициентом корреляции случайных величин X и Y .
Определение. Пусть X случайная величина с характеристиками mx и x
Преобразованная величина ,
называется стандартизированной случайной величиной, так как
M[U]=0, D[U]=1.
Преобразуем случайные векторы (X,Y) в (U,V), где
(вектор (X,Y) подвергли преобразованию стандартизации), тогда U,V=X,Y.
Доказательство.
Таким образом, показано, что операция стандартизации не меняет коэффициента корреляции.
Доказательство.
Следует из определения X,Y и следствия 2 из свойства 5.
Пусть Y=aX+b
Обратно: Если Y=aX+b,
где a>0, если
a<0, если
Доказательство.
Пусть Y=aX+b M[Y]=aM[X]+b,
D[Y]=D[aX+b]=a2D[X].
Обратно.
Пусть Перейдем от(X,y) к(u,V)путем преобразования стандартизациирассмотрим
.
Так как D[U-V]=0, то U-V=const=c.
;
Y=aX+b, где a>0.
Случай рассматривается аналогично.
Из независимости X и Y некоррелированность X и Y. Обратное не верно.
Доказательство.
Пусть X и Y СВНТи независимы
Тот факт, что обратное неверное демонстрирует следующий пример.
Пример 1. Пусть (X,Y) – C вектор дискретного типа с законом распределения, описываемым следующей таблицей.
X\Y |
-1 |
0 |
1 |
-1 |
1/8 |
0 |
1/8 |
0 |
0 |
1/2 |
0 |
1 |
1/8 |
0 |
1/8 |
Показать, что (используя
Заметим, что ни в одной кдетке.
Пример 2.Пусть (X,Y) ~R (круге радиуса а). Показать, что , ноX и Y – зависимы.
27 Характеристическая функция и ее свойства.
Определение. Комплекснозначная функция действительного переменного t, определяемая равенством
, называетсяхарактеристической функцией случайной величины Х.
Воспользуемся формулой Эйлера:
Договоримся, что свойства линейности математического ожидания распространяется и на комплексные случайные величины.
(1)
Пример 1. Пусть X~Pu(). Вычислить характеристическую функцию Ex(t).
Решение.
По формуле (1)
X~Pu()=Ex(t)=
Свойства характеристической.
Ex(t) – существует для любых распределений, причем Ex(t) ≤ 1, Ex(t)=1.
Доказательство.
Для определенности пусть Х~СВНТ Ex(t)=. Оценим по модулю.
, .
Пусть Y=aX+b Ey(t)=
Доказательство.
3) Пусть Y=X1+ X2+…+ Xn ,где X1, X2,…, Xn – независимы в совокупности
Доказательство.
=(обобщение теоремы 11.2. на формулу вектора) == (в силу независимости) =
4)……… величины Х до n-го порядка включительно ( т.е. , к=1,2,…,n , причем
Доказательство.
Для определенности рассматриваем СВНТ.
(2)
Проверим абсолютную сходимость интеграла:
- существует по условию
Из (2) =
Продолжая дифференцирование под знаком интеграла, получим результат.
Пример 2. X~N(0,1). Вычислить Еx(t).
Решение.
(по свойству 4.)
=(возьмем интеграл по частям) = =
,
5) Применим операцию комплексного сопряжения, тогда:
Доказательство.
=
=
Следствие из свойства 5.
а) Если характеристическая функция действительная, то она обязательно четная.
Доказательство.
Пусть - (действительная) (из свойства 5) . Это используется для отсеивания функций, которые «хотят» быть характеристическими, но не могут.
б) По характеристическими функции однозначно восстанавливается закон распределения случайной величины Х .
Доказательство. Если Х- СВНТ и Ex(t) удовлетворяем условиям Дирихле плотность fx(x) существует, причем: (3)
Пример 3. Пусть Х-СВНТ, причем задана характеристическая функция . Найтиfx(x).
Решение.
По формуле (3) ==
=,
Х – распределен по Коши.
Пример 3.ПустьХ~N(m,). ВычислитьEx(t).
Решение.
По формуле (1):
=- характеристическая функция общего нормального распределения.