Теория_тервер
.pdf44 –(Какие-то левые распределения + ЗБЧ)
47. Гамма-распределение.
0, x 0 |
|||
|
|
|
|
f (x) ba e bx x a 1 |
|||
|
|
; х 0 |
|
|
|||
Г (а) |
|||
|
|
- Гамма-функция Эйлера |
Г (а) t a 1e t dt |
|
0 |
|
Г(а+1)=аГ(а) Г(а+1)=а! а- натуральное число. |
|
М(х)=а/b D(x)=a/b2 |
|
Экспоненциальное распределение – частный случай Гамма - распределения при а=1 b=λ |
|
При М(х)=1 |
При а<1 правосторонняя асимметрия. |
48. Распределение Пирсона (χ2).
Если Z1,Z2,...,Zν – ряд независимых стандартных нормально распределенных величин, то распределение их суммы квадратов называется χ2 распределением Пирсона с ν степенями свободы.
М(χ2)=ν D(x2)=2ν
2 ( ) Zi2 i 1
49. Распределение Стьюдента (t-распределение). Связь с другими распределениями.
Z имеет N(0;1), а величина U2 имеет χ2 распределение с ν степенями свободы, причем Z и U2 независимы. Т имеет t-распределение Стьюдента с ν степенями свободы
|
Z |
|
|
|
|
Z |
|
T |
|
|
|||||
U |
|
|
|
||||
|
U |
2 |
|||||
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Функция плотности(выше) связано с хи-квадрат, а оно – частный случай гамма. Связь с другими: распределение сводится к стандартному нормированному М(Т)=0 D(T)=ν/(ν-2) Мо=Ме=М(Т)=0
50. Распределение Фишера-Снедекора (F-распределение). Связь с другими распределениями. Функция плотности вероятности. М.О. и дисперсия.
Пусть 12 ( 1 ) и 22 ( 2 ) - независимые СВ имеющие χ2 распределение с ν1 и ν2 степенями свободы. Тогда F
распределение с ν1 |
и ν2 |
степенями свободы называется распред случ величины |
|||||||||||
|
12 ( 1 ) |
|
M (F ) |
2 |
; |
|
2 |
D(F ) |
|
2 22 ( 1 2 2) |
; |
|
4 |
|
|
|
|||||||||||
|
1 |
|
|
2 2 |
|
2 |
|
|
1 ( 2 2)2 ( 2 4) |
2 |
|
||
F ( 1 ; 2 ) |
22 ( 1 ) |
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
||
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
ЗБЧ
В широком смысле под ЗБЧ понимается свойство устойчивости массовых явлений – средний результат действия большого числа случайных явлений практически перестает быть случайным и может быть предсказан с достаточной определенностью. В узком смысле под ЗБЧ понимают совокупность теорем (Бернулли, Пуассона, Чебышёва, Маркова).
ЗБЧ: Пусть дана последовательность СВ ξ1,ξ2,…,ξn,…(1). Рассмотрим СВ ηn, являющуюся некоторой заданной симметрической функцией от первых n величин последовательности (1). Если существует последовательность постоянных а1,а2,…,аn , что при любом ε>0
то говорят, что последовательность (1) подчиняется ЗБЧ с заданными функциями fn.
51. Лемма Маркова..
Лемма (неравенство) Маркова: Если СВ Х не принимает отрицательных значений и у нее существует мат. ож. М(х), то для любого τ>0 выполняется Р(х≥τ) ≤ М(х)/τ Р(х<τ) ≥ 1 - М(х)/τ .
Доказательство: Пусть Х – СВ с плотностью распределения f(x), х≥0. Тогда М (х) хf(x)dх . Т.к. τ>0 |
|||
|
|
|
|
M (x) xf (x)dx xf (x)dx . Т.к. х≥τ, то |
|
0 |
|
M (x) xf (x)dx f (x)dx P(x ) . Т.к. М(х)>0, то Р(х≥τ) ≤ М(х)/τ |
|||
|
|
|
|
0 |
|
|
|
Условия применимости: х не принимает отрицат значений, существует мх 52 Неравенство и теорема Чебышёва. Теорема Хинчина
Неравенство Чебышёва: Для любой СВ Х имеющей М.О. и конечную дисперсию, при каждом ε>0 имеет место неравенство Р{|x-M(x)|>ε} ≤ D(x)/ε2. Р{|x-M(x)|≤ε} ≥ 1 - D(x)/ε2.
Доказательство: По лемме Маркова (для Y≥0): Р(у≥τ) ≤ М(у)/τ. Возьмём У=(Х-М(х))2 и τ=ε2
11
P (x M (x))2 2 |
M (x M (x))2 |
|
D(x) |
. |
2 |
|
|||
|
|
2 |
Теорема Чебышева: Если Х1,Х2,…,Хn,… - последовательность попарно независимых СВ, имеющих конечные дисперсии, ограниченные одной и той же постоянной С, т.е. D(xi)≤C, то для любого ε>0
|
|
|
1 |
n |
|
|
|
1 n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
lim P | |
|
|
xi |
|
|
|
M (x) | |
1 |
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
n |
|
n i 1 |
|
|
n i 1 |
|
|
|
|
|
|
|
|
D( xi ) |
12 |
D(xi ) C |
|||||||||||||||
Доказательство: D( |
1 xi ) 12 |
||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
n |
|
|
|
n |
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n i 1 |
|
|
n |
|
|
|
i 1 |
|
n |
i 1 |
n |
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
n |
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
D( |
xi ) |
|
|
|
|
|
|
|
|||||||
1 |
n |
|
|
|
1 |
n |
|
|
|
|
|
|
n |
|
C |
|
|
|
|
|
|||||||||||
xi |
|
M (xi ) | } 1 |
|
|
i 1 |
|
1 |
|
|
|
|
|
|||||||||||||||||||
P{| |
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
|
|
|
|
|
|
2 |
|
|
n |
2 |
|
|
|
|
|||||||||||||||||
|
n i 1 |
|
|
|
n i 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
1 |
|
n |
|
|
|
|
1 |
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
lim P{ |
xi |
|
|
M (xi ) | } 1. Т.к. Р не может быть больше 1, то неравенство выполнено как равенство. |
|||||||||||||||||||||||||||
|
|
||||||||||||||||||||||||||||||
n |
|
n i 1 |
|
|
|
n i 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Теорема Хинчина. Если Х1,Х2,…,Хn,… - последовательность независимых в совокупности и одинаково
распределенных СВ, имеющих конечное М.О. М(х), тогда каково бы ни было ε>0 lim P{| |
1 xi M (x) | } 1 |
|
|
|
n |
n |
n i 1 |
53, Теорема Бернулли. Теорема Пуассона. Условия применимости.
Теорема Бернулли: Пусть m – число наступлений события А в серии n независимых испытаний, а p – вероятность наступления события в каждом из испытаний. Тогда для любого ε>0
P{| |
m |
p | } 1 |
pq |
n |
n 2 |
Теорема Пуассона: m- число наступлений события А в серии n независимых испытаний, а рi – вероятность наступления события в i-м испытании. Тогда для любого ε>0
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
||
|
|
|
m |
|
|
|
|
|
|
|
|
|
|
|
pi |
||||
lim P{| |
p | } 1, |
p |
i 1 |
|
|||||||||||||||
|
n |
|
n |
||||||||||||||||
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
pi qi |
|
|
m |
|
|
|
|
|
|
|
|
pq |
|
|
|
|
|
||||
P{| |
p | } 1 |
|
, |
|
pq |
i 1 |
|||||||||||||
n |
|
2 |
n |
||||||||||||||||
|
|
|
|
|
|
|
|
nq |
|
|
|
|
|
Условия: испытания независимы, их число велико, вероятность наступления события в всех испытаниях одинакова.
54 (Ляпунов + двумерка)
54. Центральная предельная теорема и её значение. Теорема Ляпунова.
Все формы центральной предельной теоремы посвящены установлению условий, при которых возникает нормальный закон распределения. Важнейшей является теорема Ляпунова.
Теорема Ляпунова: рассмотрим n независимых СВ Х1,Х2,…,Хn, удовлетворяющих условиям:
1.Конечные М.О. и дисперсии
2.СВ имеют один и тот же закон распределения (ни одна из величин не выделяется резко от остальных по
своим значениям). Тогда n→∞ распределение 1 n xi приближается к нормальному закону. n i 1
Последовательность центрированных и нормированных сумм СВ сходится к стандартному нормальному закону распределения. Следствие из ЦПТ Ляпунова – предельная теорема Муавра-Лапласса:
Пусть m- чило наступл событие А в серии n незав испыт, а p – вероятн его наступл в каждом из испытаний. Тогда согласно ЦПТ 55. Многомерная СВ. Основные понятия. Двумерные дискретные СВ.
|
|
( ; ) |
у1 . . |
ут |
|
|
х1 |
р11 .. .. |
р1т |
n |
m |
. |
|
. |
pij 1 |
|
|
|
|
i 1 |
j 1 |
. |
|
. |
|
|
|
||
|
|
хп |
рп1 .. .. |
рпт |
Если на пространстве элементарных событий Ω вероятностного пространства {Ω;s;p} определены n СВ ξi=fi(ω), то случайный вектор (ξ1,ξ2,…,ξn) называется n-мерной СВ.
(ξ;η) – двумерная дискретная СВ, если ξ,η – дискретные СВ.
pij=P(ξ=xi;η=yj)
ξ и η – независимые, если pij=P(ξ=xi;η=yj)= Р(ξ=xi)* Р(η=yj) - одномерные маржинальные распределения
Условным распределением СВ Х при условии, что У=уj называется распределение
n |
|
|
|
P(( Х хi |
)(Y |
yi )) |
|
pij |
|
P( y j ) pij |
P( X xi |
| Y yi |
) |
|
|||||
P(Y |
yi |
) |
p j |
||||||
i 1 |
|
|
|
|
|||||
|
|
|
|
|
|
|
|
56. Многомерная СВ. Основные понятия. Двумерные непрерывные СВ.
12
Если на пространстве элементарных событий Ω вероятностного пространства {Ω;s;p} определены n СВ ξi=fi(ω), то случайный вектор (ξ1,ξ2,…,ξn) называется n-мерной СВ.
Двумерная СВ – непрерывная, если её ф-я распределения F(x;y) – непрерывная, дифференцируемая по каждому аргументу и существует 2-я смешанная производная по ху, которая называется совместной плотностью вероятностей f(x;y) непрерывной СВ ХУ. Геометрически f(x;y) представляет собой поверхность распределения в 3мерном пространстве.
57. Функция распределения двумерной СВ и её свойства.
Функция распределения – вероятность совместного выполнения X<x и Y<у
F(x;y)=P(X<x;Y<y) Геометрически – вероятность попадания случайной точки с координатами (Х;У) в квадрант с вершиной (х;у)
Свойства:
1.0≤F(x;y)≤1
2.Функция распределения не убывающая по каждому аргументу.
3.F(-∞;-∞)=F(-∞;y)=F(x; -∞)=0
F(+∞;+∞)=1 F(x;+∞)=F1(x) F(+∞;y)=F2(y), где F1(x) и F2(y)-маргинальные распределения
4.Непрерывна по каждому аргументу.
5.Вероятность попадания т. (Х;У) в случайный прямоугольник Р(х1≤Х≤х2;у1≤У≤у2)=F(x2;y2)-F(x1;y2)-F(x2;y1) + F(x1;y1)
58.Плотности распределения отдельных величин, образующих двумерную СВ. Условный закон распределения одной из одномерных составляющих двумерной величины. Выражение условных плотностей распределения через безусловные.
|
dF1 (x) |
|
|
dF2 ( у) |
|
f1 (x) |
f (x; y)dy |
|
|||
dx |
f 2 ( у) |
dу |
f (x; y)dх |
||
|
|
|
|
|
|
Условный закон распределения СВ, входящей в систему называется её закон распределения, вычисленный при условии, что другая СВ приняла определенное значение.
f1 (x | y) |
f (x; y) |
, |
f2 ( y) 0 |
f2 ( y | x) |
f (x; y) |
, |
f1 (x) 0 |
|
f2 ( y) |
||||||||
f1 (x) |
||||||||
|
|
|
|
|
|
59. Условный закон распределения одной из одномерных составляющих двумерной СВ. Теорема умножения плотностей распределения. Выражение условных плотностей распределении через безусловные. Независимость СВ.
Условный закон распределения СВ, входящей в систему называется её закон распределения, вычисленный при условии, что другая СВ приняла определенное значение.
Теорема умножения плотностей распределения:
f (x; y) f1 (x) f2 |
( y | x) f2 |
( y) f1 |
(x | y) ; |
f (x; y) |
|
||
|
|
|
|
|
f1 (x | y) |
|
, f2 ( y) 0 |
|
|
|
|
|
f2 ( y) |
||
|
f (x; y) |
|
. |
|
|
|
|
f2 ( y | x) |
, |
f1 (x) 0 |
|
|
|
|
|
f1 (x) |
|
|
|
|
Х и У независимы, если условный закон одной из них не зависит от того, какое значение приняла другая.
f1 (x | y) f1 (x) |
f2 ( y | x) f2 ( y) . Тогда f (x; y) f1 (x) f2 ( y) |
F(x; y) F1 (x) F2 ( y) |
|
|
|
|||||
60. Теорема умнож.. |
|
|
|
|
|
|
|
|||
Умноже: ДСВ P X xi Y y j |
P X xi P Y y j | X xi или |
|
|
|
||||||
P X xi Y y j P Y y j P X xi |Y y j |
|
|
|
|||||||
Непрерывные: |
f x, y f1 x f2 y | x |
или |
f x, y f2 y f1 x | y |
|
|
|
||||
|
|
|
|
|
|
|||||
Независимость: ДСВ 1) P X xi |Y y j P X xi 2) P X xi |
Y y j |
P X xi P Y y j |
|
|||||||
1. |
НСВ 1) f1 x | y f1 x и |
f2 y | x f2 y |
|
|
|
|||||
1. |
Связь между коррел и незав: ξ, η – независимые => cov ; 0 |
|
|
независимость≠некоррелированность независимость некоррелированность некоррелированность независимость
61. Начальные и центральные моменты порядка k+s двумерной случайной величины. |
||||
Начальный момент порядка k+s двумерной СВ ХУ |
||||
k s М хk уs |
Дискретная: |
k s |
k |
s |
|
|
xi |
y j pij |
|
|
|
|
i j |
|
Непрерывная: |
|
|
|
|
k s (x; y) xik y sj f (x; y)dxdy |
|
|
||
|
|
|
|
|
Центральный момент порядка k+s
13
k s M (xk y s ) M[(x M (x))k ( y M ( y))s ]
Дискретная: |
(x M (x))k ( yi M ( y))s pij |
k s |
|
|
i j |
Непрерывная: |
|
|
|
k s |
(x M (x))k ( y M ( y))s f (x; y)dxdy |
|
|
62. Ковариация (корреляционный момент) двух СВ. Её свойства. Ковариация – это центральный момент порядка 1+1 cov(X,Y)=μ1+1(X;Y)
cov(x; y) 1 1 М ху M[(x M (x))( y M ( y))]
Свойства:
1)Для независимых СВ cov(X;Y)=0
2)cov(X;Y)=M(x;y)-M(x)M(y)
3)|cov(x,y)|≤ σx σy
M (XY ) M (X )M (Y ) cov( X ;Y ) |
D(X Y) D(X ) D(Y) 2cov(X;Y) |
63. Коэффициент корреляции и его свойства. Понятие некоррелированных СВ.
ху |
|
cov(x; y) |
|
x y |
|||
|
|
Свойства:
1)-1≤ρ≤1
2)Если СВ независимы, их ρ=0. Обратное не верно
3)Если ρ=1 по модулю, то между СВ есть линейная функциональная зависимость.
Случайные величины называются некоррелированными, если ковариация между ними равна нулю (Cov(X,Y)=0). В противном случае (Cov(X,Y)≠0) случайные величины являются коррелированными
Если величины независимы, то они некоррелированы. Однако если величины некоррелированы они могут быть и зависимыми, и не зависимыми 64. Двумерный нормальный закон распределения. Его параметры. Функция плотности вероятности. Теорема о
связи между некоррелированностью и независимостью двух нормально распределенных величин СВ (Х;У) называется распределенной по нормальному закону, если его совместная функция плотности имеет вид.
|
(x; y) |
L(x; y) |
1 |
2(1 2 ) |
|
|
|
|
1 |
|
|
|
e L( x; y) |
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
2 x y |
|
1 2 |
|
|
|
|
|
|
||||||
|
x |
|
2 |
|
|
|
x x |
y y |
y y |
|
2 |
|
||||
x |
|
|
|
|
|
|
||||||||||
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|||
|
x |
|
|
|
|
|
x |
y |
|
y |
|
|
|
|||
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2мерный нормальный закон определяется 5 параметрами μx μy σx σy ρ
cov(x;y)= σx σy ρ
Теорема. Если две нормально распределенные величины некоррелированы, то они независимы. Доказательство. Т.к. они некоррел., то ρ=0. Подставим в (x; y) . Получим (x; y) 1 (х) 2 ( у) . Значит величины
независимы. Для нормально распределенных СВ термины некоррелированность и независимость равносильны.
14