- •Оглавление
- •Примеры законов распределения дискретных случайных величин
- •1. 1. Биномиальное распределение (биномиальный закон распределения)
- •1. 2. Распределение Пуассона
- •Геометрическое распределение
- •1.4. Гипергеометрическое распределение
- •Некоторые важные для практики распределения непрерывных случайных величин.
- •2.1. Равномерное распределение (закон равномерного распределения – закон равномерной плотности).
- •2.1.1. Примеры равномерного распределения
- •2.2. Показательное распределение
- •2.3. Нормальное распределение
- •Теоремы о математическом ожидании и дисперсии.
- •Моменты.
- •Многомерные функции распределения.
- •Моменты двумерного случайного вектора. Коэффициент корреляции
- •Предельные теоремы теории вероятностей.
- •8.1. Закон больших чисел
- •2) Неравенство Чебышева.
- •8.1.1.Сходимость по вероятности.
- •8.1.2. Неравенство Чебышева
- •8.2 Теоремы Чебышева
- •8.3. Закон больших чисел для разных условий опыта (теорема Маркова)
- •1. Теорема Бернулли. (простейшая форма закона больших чисел)
- •2. Теорема Пуассона
- •8.4. Примеры использования закона больших чисел при решении задач
- •8.5. Центральные предельные теоремы
Многомерные функции распределения.
Определение 6.1
Пусть в данном эксперименте определены случайные величины . Тогда каждому случайному событию можно поставить в соответствие n-мерный случайный вектор (кортеж)
,
который задаёт отображение пространства исходов в n-мерное действительное пространство (т. е. ) и для которого событие - пространству событий.
Примеры случайных векторов.
Пример 1. Координаты точки попадания относительно центра мишени (X, Y);
Пример 2. При проверке микросхемы – параметры задержки сигналов и их уровней по n различным выходам ;
Определение 6.2
Функцией распределения n-мерного случайного вектора X (функцией совместного распределения случайных величин - NB) называется неслучайная функция n действительных переменных в n-мерном евклидовом пространстве , определяемая как вероятность совместного выполнения n неравенств:
.
В частности для двухмерного случайного вектора (X, Y) имеем по определению:
F(x, y) = P {X<x, Y<y}.
В дальнейшем для компактности изображения будем оперировать только двумерными случайными величинами. Все полученные результаты могут быть распространены на любую размерность случайного вектора.
Свойства двумерной функции распределения F(x,y) случайного вектора (X,Y):
1) F(x, y) – неубывающая функция от x и y;
2) 0 ≤ F(x, y) ≤ 1;
3) F(-∞, y) = 0; F(x, -∞) = 0;
4) F(+∞, y) = F(y); F(x, +∞) = F(x), т. е. другая переменная может принимать любое значение от -∞ до +∞.
Это утверждение 4 устанавливает естественную связь между двумерной функцией распределения случайного вектора (X,Y) и функциями F(x) и F(y), которые называют одномерными (говорят также, частными или маргинальными) функциями распределения случайных величин X и Y.
5) F-(∞, ∞) = 1;
6) F(x, y) – непрерывна слева по x и y.
Вероятность попадания случайной точки на плоскость (X, Y) в прямоугольник со сторонами, параллельными осям координат определяется как
(*)
(Близко к идее формулы включения – исключения)
Эта область А дважды вычитается в F(x1, y2) и F(x2, y1).
Определение 6.3
Вектор (X, Y) называется дискретным случайным вектором, если множество его возможных значений не более, чем счетное ( может быть пронумеровано натуральными числами 1, 2, 3,…).
Перечень возможных значений пар (xi, yj) и соответствующей им вероятности определяет закон распределения двумерной СВ (X, Y).
F(x,y)=
Такое перечисление удобно представить в виде таблицы (табл. 1)
Таблица 1
Y X |
y1 |
y2 |
… |
ym |
… |
… |
P{X=xi}=pi |
x1 |
p11 |
p12 |
… |
p1m |
… |
… |
|
x2 |
p21 |
p22 |
… |
p2m |
… |
… |
|
… |
… |
… |
… |
… |
… |
… |
|
xn |
pn1 |
pn2 |
… |
pnm |
… |
… |
|
… |
.. |
… |
… |
… |
… |
… |
|
|
|
|
|
|
|
|
|
P{Y=yj}=Pj |
|
|
|
… |
|
|
1 |
Сумма всех удовлетворяет условию
Одномерные законы распределения были получены из двухмерных
Сумма по строке:
Сумма по столбцу:
Определение 6.4.
Условным законом распределения X при условии, что Y – приняло определенное значение Y=yj, называют совокупность xi и соответствующих им условных вероятностей:
.
Определение 6.5
Вектор (X, Y) называется непрерывным случайным вектором, если F(x, y) непрерывна на R2 и существует непрерывная неотрицательная функция f(x, y), называемая плотностью распределения вероятностей случайного вектора (X, Y) такая, что
.
Функцию называют также совместной (двумерной) плотностью распределения случайных величин X и Y.
Свойства плотности распределения случайного вектора (X,Y).
Нетрудно доказать следующие свойства двумерной плотности распределения:
1) ;
2) - условие нормирования;
3) в точках непрерывности f(x,y);
4) ; - плотности распределения по отдельным компонентам (смотри 4-е свойство двумерной функции распределенияF(x,y)).
Вероятность попадания случайной точки в область D:
.
В частном случае, если D – прямоугольник, то смотри формулу (*)
.
Определение 6.6.
Условной плотностью распределения вероятностей случайной компоненты X непрерывного случайного вектора (X, Y) при условии, что компонента Y приняла определенное значение y, причём f(y)≠0, называется неотрицательная действительная функция
формула умножения плотностей:
.
Определение 6.7
Случайные величины называют независимыми в совокупности, если для любых
В соответствии с определением функции совместного распределения случайных величин в их терминах для независимых случайных величин имеем:
.
Следствие.
Для независимых случайных величин:
.
В частном случае :
.
Для дискретных СВ при их независимости :
.