- •Введение
- •Глава 1. Основные понятия и теоремы теории вероятностей
- •1.4 Элементы комбинаторики
- •1) Правило суммы.
- •2) Правило произведения.
- •3) Перестановки.
- •1.5 Применение комбинаторики для подсчета вероятностей
- •1.7 Формула Байеса. Вероятность оценки гипотез
- •1.8 Независимые повторные испытания. Формула Бернулли
- •1.9 Наивероятнейшее число наступления события
- •1.10 Формула Пуассона
- •1.11 Локальная и интегральная теоремы Муавра-Лапласа
- •Глава 2. Случайные величины
- •2.1.2 Дискретные случайные величины
- •2.1.3 Числовые характеристики дискретной случайной величины
- •Свойства математического ожидания:
- •2.2 Биномиальное распределение дсв
- •Закон распределения такой дсв имеет вид:
- •2.3 Геометрическое распределение дсв
- •2.4 Закон распределения Пуассона
- •2.5 Непрерывные случайные величины и их числовые характеристики
- •2.5.1 Плотность распределения вероятностей
- •2.5.2 Числовые характеристики непрерывной случайной величины
- •2.6 Нормальное распределение и его числовые характеристики
- •2.8 Показательное распределение
- •2.9 Числовые характеристики случайной величины (продолжение). Моменты
- •2.10 Случайные векторы. Закон распределения
- •2.10.1 Случайные векторы
- •2.10.2 Зависимые и независимые случайные величины
- •2.11 Распределения, связанные с нормальными
- •2.11.1 Распределение 2 (распределение к. Пирсона)
- •Функция распределения случайной величины
- •2.11.3 Распределение Фишера-Снедекора (или f-распределение)
- •2.12 Понятие о законе больших чисел
- •2.12.1 Неравенство Маркова
- •2.12.2 Неравенство Чебышева
- •2.12.3 Теорема Чебышева
- •Но т.К. Вероятность не превышает единицы, то справедливо
- •2.12.4 Теорема Бернулли
- •2.12.5 Центральная предельная теорема
- •2.13 Марковские цепи
- •2.13.2 Марковские цепи
- •2.13.3 Пуассоновский процесс
- •Приложения
2.10.2 Зависимые и независимые случайные величины
Оказывается, вообще говоря, по распределениям вероятностей отдельных переменных построить закон распределения их композиций нельзя, т.к. для того чтобы полностью описать систему, недостаточно знать распределение каждой из величин, входящих в нее. Необходимо знать также зависимость между величинами, входящими в систему. Эту зависимость можно описать с помощью условных законов распределения.
Две случайные величины называются независимыми (попарно), если для любых x,yR соответствующие события X<x, Y<y являются независимыми. Для независимых случайных величин справедливо
F(X,Y) (x,y)=FX(x)FY(y).
Условной функцией распределения случайной величины X при условии B называется условная вероятность того, что случайная величина X примет значение, меньшее x, при условии, что событие B произошло: F(x|B)=P(X<x|B).
Для независимых случайных величин условная функция распределения совпадает с безусловной, т.е.
FX(x|y0)=FX (x) и FY(y|x0)=FY(y).
Условной плотностью распределения компонент непрерывного случайного вектора (X,Y) называется плотность распределения одной случайной величины, вычисленная при условии, что другая случайная величина приняла конкретное значение:
или
(2.55)
Аналогично, условное распределение компонент дискретного случайного вектора (X,Y) – есть ряд распределения одной случайной величины, вычисленный при условии, что другая случайная величина приняла конкретное значение, т.е.:


где
закон распределения двумерного случайного
вектора (X,Y).
Для того чтобы непрерывные случайные величины были независимы необходимо и достаточно, чтобы плотность совместного распределения системы (X,Y) была равна произведению плотностей распределения отдельных ее составляющих:
f(x,
y)=fX
fY(y).
(2.56)
Пусть X и Y – независимые дискретные случайные величины, заданные рядами распределений
|
X |
X1 |
x2 |
… |
xi |
… |
xn |
|
Y |
y1 |
y2 |
… |
yj |
… |
ym |
|
p |
p1 |
p2 |
… |
pi |
… |
pn |
|
p |
q1 |
q2 |
… |
qj |
… |
qm |
Причем,
Тогда ряд распределений случайных
величинZ1=X+Y,
Z2=XY
и Z3=XY
имеет вид:
|
Z1=X+Y |
x1+y1 |
x2+y1 |
x1+y2 |
… |
xi+yj |
… |
xn+ym |
|
p |
p1q1 |
p2q1 |
p1q2 |
… |
piqj |
… |
pnqm |
|
Z2=XY |
x1y1 |
x2y1 |
x1y2 |
… |
xiyj |
… |
xnym |
|
p |
p1q1 |
p2q1 |
p1q2 |
… |
piqj |
… |
pnqm |
|
Z3=XY |
x1 y1 |
x2 y1 |
x1 y2 |
… |
xiyj |
… |
xnym |
|
p |
p1q1 |
p2q1 |
p1q2 |
… |
piqj |
… |
pnqm |
