- •Тема 1. Основные понятия теории случайных процессов 68
- •Понятие подмножества. Свойства подмножеств.
- •Операции над множествами.
- •Дистрибутивные законы.
- •Законы Моргана.
- •Конечные множества и их элементы.
- •Понятие алгебры множеств σ – алгебры.
- •Борелевские множества. Борелевскаяσ– алгебра.
- •Выбор с возвращением.
- •Выборка без возвращения.
- •Размещения с повторениями.
- •Теория вероятностей. События и их классификация.
- •Операции над событиями.
- •Понятие вероятности.
- •Вечерняя электричка.
- •Геометрический подход.
- •Задача Бюффона.
- •Аксиоматический подход к вероятности. Вероятностное пространство. Аксиомы вероятности Колмогорова.
- •Вероятности, вытекающие из аксиом.
- •Задача о совпадениях.
- •Условная вероятность. Правило умножения вероятностей.
- •Независимость событий.
- •Задача о наилучшем выборе.
- •Расчет работоспособности цепей
- •Формула полной вероятности.
- •Задача о разорении игрока.
- •Формула вероятностей гипотез. (Формула Байеса)
- •Случайные величины.
- •Дискретные случайные величины.
- •Свойства функции распределения.
- •Биноминальное распределение (Независимые испытания по схеме Бернулли).
- •Асимптотическое представление формулы Бернулли.
- •Теорема (формула) Пуассона.
- •Локальная теорема Муавра-Лапласа.
- •Интегральная теорема Муавра-Лапласа.
- •Независимые случайные величины
- •Операции над случайными величинами:
- •Математическое ожидание
- •Свойства математического ожидания
- •Функции случайного аргумента и их мат. Ожидание.
- •Дисперсия
- •Свойства дисперсии
- •Свойства условных вероятностей и плотностей вероятностей
- •Условное математическое ожидание
- •Корреляционный момент (корреляция) двух случайных величин
- •Свойства корреляционного момента
- •Коэффициент корреляции и его свойства
- •Свойства
- •Уравнения Регрессии
- •Характеристики
- •Неравенство Чебышева
- •Нормальное распределение с параметрами (а;σ)
- •Основные свойства кривой Гаусса
- •Расчет доверительных интервалов
- •Некоторые важнейшие распределения связанные с нормальным. - распределение.
- •Распределение Стьюдента (t– распределение)
- •Распределение Фишера-Снедекора (f– распределение).
- •Закон больших чисел.
- •Теорема Чебышева.
- •Теорема Бернулли.
- •1. Биноминальное распределение.
- •2. Распределение Пуассона.
- •3. Геометрическое распределение.
- •Введение в теорию случайных процессов тема 1. Основные понятия теории случайных процессов
- •1.1. Определение случайного процесса. Основные подходы к заданию случайных процессов. Понятие реализации и сечения. Элементарные случайные процессы.
- •1.2. Некоторые классы и виды случайных процессов
- •2.2. Математическое ожидание и дисперсия случайного процесса. Среднеквадратическое отклонение
- •2.3. Корреляционная функция случайного процесса и ее свойства. Нормированная корреляционная функция
- •2.4. Взаимная корреляционная функция и нормированная взаимная корреляционная функция двух случайных процессов
- •2.5 Вероятностные характеристики суммы двух случайных величин
- •Тема 3. Элементы случайного анализа
- •3.1. Сходимость и непрерывность
- •1. Классические виды сходимости
- •2. Сходимость по вероятности
- •3. Сходимость в среднем в степени p1
- •3.3. Интеграл от случайного процесса и его свойства
- •ТеМа 4. Канонические разложения случайных процессов
- •4.1. Понятие канонического разложения случайного процесса
- •4.2. Понятие обобщенной функции. Дельта-функция Дирака. Интегральное каноническое представление случайных процессов.
- •4.3. Линейные и нелинейные преобразования случайных процессов
- •Глава 5. Стационарные cлучайные процессы
- •5.1. Понятие стационарного случайного процесса. Стационарность в узком и широком смыслах
- •5.2 Свойства вероятностных характеристик стационарного случайного процесса
- •5.3. Стационарно связанные случайные процессы. Производная и интеграл от стационарного случайного процесса
- •5.4. Эргодические стационарные случайные процессы и их характеристики
- •Эргодическая теорема Биркгофа-Хинчина
- •Для ссп с непрерывным временем, для ссп с дискретным временем.
- •Достаточные условия эргодичности
Независимые случайные величины
Случайные величины ξ и η называются независимыми, если для совместного закона распределения дискретных случайных величин ξ и η и для плотности совместного распределения вероятностей непрерывных случайных величин ξ и η выполняются следующие соотношения:
Если случайные величины независимы, то двумерное распределение или плотность двумерного распределения однозначно определяются одномерными законами.
Операции над случайными величинами:
Сложение и вычитание дискретных случайных величин:(дзета)
Замечание: Если какие-то суммы совпадают, то соответствующие вероятности просто складываются.
Произведение двух дискретных случайных величин
Сумма двух независимых непрерывных случайных величин
Математическое ожидание
Математическим ожиданием (средним значением) дискретной случайной величины называется сумма попарных произведений значений этой случайной величины на вероятности их осуществления.
Обозначения:
Математическим ожиданием непрерывной случайной величины называется выражение следующего вида:
Примеры:
1.
2. Выпадение грани кубика
ξ |
1 |
2 |
3 |
4 |
5 |
6 |
p |
1/6 |
1/6 |
1/6 |
1/6 |
1/6 |
1/6 |
Равномерное распределение на отрезке [0,1]
Свойства математического ожидания
4.Константа-множитель выносится из-под знака математического ожидания.
5. Математическое ожидание от алгебраической суммы любых случайных величин равно алгебраической сумме их математических ожиданий.
а) для дискретных
б) для непрерывных
Следствие:
6. Если случайные величины ξ и η – независимы, то мат. ожидание от произведения случайных величин равно произведению их мат. ожиданий.
а) для дискретных
б) для непрерывных
7. Неравенство Йенсена
Если функция выпукла вниз, то для любой случайной величины ξ
Доказательство:
Предположим, что функция g(x)дважды дифференцируема по формуле Тейлора:
Вторая производная выпуклых вниз функций всегда положительная:
Пусть
8. Неравенство Ляпунова
Для любых положительных α,β; 0<α<β
Доказательство:
, т.к., то функция выпукла вниз, значит применимо неравенство Йенсена
9. Неравенство Коши-Буняковского
Для любых двух случайных величин ξ и η
10. Неравенство Гёльдера
p>1,q>1
тогда
11. Неравенство Минковского
Если , р>1
Задача: По мишени делают 3 выстрела. Результаты этих выстрелов не зависят друг от друга. Вероятность попадания при первом , при втором, при третьем.
Рассматривается случайная величина, характеризующая число попаданий в мишень. Найти её мат. ожидание.
1.
ξ |
0 |
1 |
2 |
3 |
p |
0,168 |
0,436 |
0,324 |
0,072 |
а)
б)
в)
г)
2. - число попаданий при первом выстреле
- число попаданий при втором выстреле
- число попаданий при третьем выстреле
Функции случайного аргумента и их мат. Ожидание.
Определение: Если любому значению случайной величины ξ соответствует и при этом единственное значение случайной величины η, то говорят, что задана функция случайного аргумента ξ.
ξ – дискретная случайная величина.
Если в каких-то колонках будут одинаковые значения, они должны быть просуммированы.
2. ξ – непрерывная случайная величина
Рассматривается функция случайного аргумента ξ. При этом неслучайная функциядифференцируема, монотонна и имеет обратную. Пусть также случайная величина ξ имеет плотность распределения.
3.
4.