харламов тер-вер
.pdf
|
|
|
|
|
|
|
|
ЛЕКЦИИ ПО ТЕОРИИ ВЕРОЯТНОСТЕЙ |
|
|
|
|
|
|
|
|
|
|
29 |
|
|
|||||||||||||||||||||||||||||||
Определение. Случайная величина называется нормированной, |
|
|
||||||||||||||||||||||||||||||||||||||||||||||||||
åñëè M = 0, |
|
D = 1. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
Åñëè M = a, D = 2, то нормированной будет величина |
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
= |
a |
: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
Åñëè p (x) = |
p |
1 |
|
|
e 21 ( |
x a |
)2 |
, òî |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
2 |
|
|
|
|
|
|
|
|
|
|
|
|
( |
|
|
) |
dx = |
|
|
|
|
|
|
|
||||||||||||||||||||||||||||
D = Z (x M )2p |
(x) dx = Z (x a)2 p2 e 2 |
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
1 |
|
x a |
|
2 |
|
|
|
|
|
|
|
|
|
|
|||||
|
|
R |
2t2e 2 dt = p |
R |
|
|
|
|
|
|
|
dt = p |
|
0 |
|
|
|
|
|
|
|
|
|
|
|
dt1 |
|
|||||||||||||||||||||||||
= p 1 |
|
|
|
|
|
t2e 2 |
|
|
|
te 2 |
|
|
|
1 |
+ e 2 |
= |
||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
t2 |
|
|
|
|
2 |
|
|
|
|
|
t2 |
|
|
|
|
|
2 |
|
|
|
|
|
|
|
t2 |
|
|
+ |
|
|
t2 |
|
|
||||||||
|
|
|
|
Z |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Z |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
Z |
|
|
||||||||||
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|||||||||||||||||
|
|
|
|
R |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
R |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
R |
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
@ |
|
|
|
|
|
|
|
|
|
|
A |
|
||
= 2: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
Правило тр¼х сигм. |
|
|
|
|
|
|
fj |
j |
|
|
|
|
g |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||
|
|
j |
M |
j |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
< 3 |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
P |
|
< 3 D = P |
|
|
a |
|
= P |
|
|
a < 3 = |
|
|
||||||||||||||||||||||||||||||||||||||||
|
n |
|
|
|
|
|
|
p |
o |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
a |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
= P |
3 < |
|
|
|
|
< 3 |
|
= P |
f |
3 < < 3 |
|
= F (3) |
|
F ( |
|
3) = |
|
|
||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
g |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
= (3) ( 3) = 2 (3) = 0;9973: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||
Дисперсия распределения Пуассона. Дано: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
k |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
Pf = kg = |
|
e ; M = : |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
k! |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
k |
|
|
1 |
|
|
k |
|
|
|||||
Xk |
|
|
|
e |
= e |
X |
|
|
|
= e |
|||||
M 2 = |
k2 |
|
|
|
|
k |
|
|
|
|
|||||
|
=0 |
|
k! |
|
|
k=1 |
(k |
|
|
1)! |
|||||
|
|
|
|
|
|
|
|
|
|
! = e 2 |
|||||
= e |
1 |
|
k |
+ |
1 |
|
|
k |
|
||||||
|
(k |
2)! |
Xk |
|
(k |
|
1)! |
||||||||
X |
|
|
|
|
|
|
|
|
|
|
|
||||
k=2 |
|
|
|
|
|
=1 |
|
|
|
|
|
|
|
|
|
= e e |
2 |
+ = 2 |
+ : |
|
|
|
|
|
|
||||||
Таким |
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
образом, |
|
|
|
|
|
|
|
|
|
|
D = M 2 (M )2 = :
1 |
(k 1) |
|
|
k |
|
+ |
1 |
|
|
k |
|
! = |
|||
X |
(k |
|
1)! |
Xk |
(k |
|
1)! |
||||||||
k=1 |
|
(k k 2)! + |
1 |
|
=1 |
|
|
|
= |
|
|||||
1 |
|
(k 1)!! |
|
||||||||||||
|
2 |
|
|
|
|
|
|
|
k |
1 |
|
|
|
||
X |
|
|
|
|
Xk |
|
|
|
|
|
|
|
|||
k=2 |
|
|
|
|
|
|
=1 |
|
|
|
|
|
|
|
Дисперсия равномерного распределения. Плотность распределения
(
1 ; x 2 [a; b]; p (x) = b a
0; x 2= [a; b]:
Математическое ожидание
M = a +2 b:
30 |
|
|
|
ХАРЛАМОВ А. В. |
|
|
|
|
|
|
||||||
|
|
|
|
Z |
b |
|
|
|
|
|
|
|
|
|
||
M 2 = x2p |
(x) dx = |
|
x2 |
dx = |
b3 a3 |
= |
b2 + ab + a2 |
: |
||||||||
|
b a |
3(b a) |
|
|||||||||||||
Z |
|
|
|
|
|
|
|
|
3 |
|
||||||
R |
|
|
|
a |
|
|
|
|
|
|
|
|
|
|
|
|
Тогда дисперсия |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
D = |
b2 + ab + a2 |
|
|
(a + b)2 |
= |
(b a)2 |
; |
|
|||||||
|
|
|
|
|
||||||||||||
|
|
3 |
|
|
|
4 |
|
|
|
12 |
|
|
|
среднее квадратическое отклонение
b a= p :
2 3
Определение. k-ì начальным моментом случайной величины
называется число mk = M k. k-м центральным моментом слу- чайной величины называется число k = M ( M )k .
Теорема. Если у случайной величины существует момент n-го порядка, то у не¼ существуют все моменты меньших порядков.
Доказательство. Если существует M n, òî
Z
jxjndF (x) < +1:
R
Ïðè k < n
jxjk 6 1 + jxjn:
Отсюда
ZZ
M j jk = jxjkdF (x) 6 (1 + jxjn) dF (x) =
RR
ZZ
=dF (x) + jxjndF (x) = 1 + M j jn < +1;
RR
т. е. моменты порядков k < n также существуют.
Определение. Асимметрией случайной величины называется
число |
|
|
|
|
|
|
|
|
|
As = M |
|
p |
M |
|
3 |
= M( )3 = |
3 |
: |
|
|
|
|
|
3 |
|||||
|
D |
|
Асимметрия нормально распредел¼нной случайной величины равна 0:
M( )2n+1 = p2 Z |
x2n+1e 2 |
dx = 0: |
|
1 |
|
x2 |
|
R
Определение. Эксцессом случайной величины называется число
|
|
M |
|
4 |
||
= M |
|
p |
|
|
|
3: |
|
D |
ЛЕКЦИИ ПО ТЕОРИИ ВЕРОЯТНОСТЕЙ |
31 |
Эксцесс нормально распредел¼нной случайной величины равен 0:
M( )4 = p2 Z |
x4e 2 |
dx = 3; N = 0: |
|||
1 |
|
x2 |
|
||
|
|
R |
|
|
|
Коэффициент корреляции.
Определение. Коэффициентом корреляции случайного вектора
= ( 1; 2)
называется число |
|
cov( 1 |
; 2) |
|
|||
|
|
|
|||||
|
( 1; 2) = |
p |
|
p |
|
: |
|
|
D 1 |
D 2 |
Коэффициент корреляции можно рассматривать как нормированную ковариацию:
( 1; 2) = |
|
|
|
pD 1pD 2 |
|
|
|
= |
||||||
|
|
M ( 1 |
M 1)( 2 M 2) |
|
||||||||||
= M |
1pD 1 |
|
|
|
|
|
|
|
|
|
|
|||
1 |
|
2pD 2 |
2 |
= cov( 1; 2): |
||||||||||
|
|
|
M |
|
|
|
|
|
M |
|
|
|
|
Свойства коэффициента корреляции:
1. |
( 1 |
; 2) = |
M( 1 2) M 1 M 2 |
. |
||||
|
p |
D 1 |
p |
D 2 |
|
2.Åñëè 1 è 2 независимы, то ( 1; 2) = 0.
3.j ( 1; 2)j 6 1.
Доказательство.
D( 1 + 2) = D 1 + D 2 + 2 cov( 1; 2) = 2 + 2 ( 1; 2) > 0; |
|
|
откуда ( 1 |
; 2) > 1. |
|
D( 1 2) = D 1 + D 2 2 cov( 1; 2) = 2 2 ( 1; 2) > 0; |
|
|
откуда ( 1 |
; 2) 6 1. |
|
4.( 1; 2) = 1 тогда и только тогда, когда 1 = a2 + b.
Доказательство. Необходимость. Åñëè ( 1; 2) = 1, òî
D( 1 2) = 0. Тогда 1 2 = const.
|
|
|
|
1 |
M 1 |
|
2 |
M 2 |
|
= C; |
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
pD 1 |
|
|
|
|
pD 2 |
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
p |
|
|
|
|
|
p |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
D 1 |
|
|
|
D 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
, òîp |
|
|
|
|
|
|
|
|
|||||||||||
|
Достаточность.2Åñëè |
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
1 = pD |
2 |
pD |
M 2 + C D 1: |
|
|
|
|
||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
1 = a2 + b |
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
( ; ) = |
M( 1 2) M 1 M 2 |
= |
M (a2 + b) 2 M(a2 + b) M 2 |
= |
|||||||||||||||||||||||||||
1 2 |
|
pD 1pD 2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
D(a2 + b)p |
D 2 |
|
|
|
|
|
|||||||||
a M 22 + b M 2 |
|
a(M 2)2 |
|
b M 2p a (M 22 |
|
(M 2)2) |
|
|
|
||||||||||||||||||||||
= |
|
|
|
|
|
|
|
|
|
|
|
|
= |
|
|
|
|
|
= |
1: |
|||||||||||
|
|
jaj D 2 |
|
|
|
|
|
|
|
jaj D 2 |
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
32 |
ХАРЛАМОВ А. В. |
Коэффициент корреляции это мера линейной зависимости между случайными величинами.
Вычислим коэффициент корреляции стандартного совместного нормального распределения. Имеем плотность распределения
p (x1; x2) = |
2 1 2 |
exp |
2 (1 2) x12 |
2 x1x2 + x22 : |
|
1 |
|
1 |
|
Тогда |
|
|
|
|
|
|
|
|
p |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
1 2 |
|
|
коэффициент корреляции |
|
|
|
1 |
|
2 |
|
|
|
|
|
|
|
ZZ2 |
|
|
|
|
1 |
|
2 |
|
|
1 |
|
|
2 |
|
|
|
1 |
|
2 |
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
pD 1pD 2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||
( ; ) = |
M( 1 2) |
M 1 |
M 2 |
= M( |
|
|
|
) = |
|
|
|
|
|
x |
x |
p (x |
; x |
) dx |
dx |
|
= |
|
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
R |
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
= |
2 |
|
1 |
|
|
2 |
ZZ2 |
x1x2 exp |
2 (1 |
|
|
|
|
|
|
|
2) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
dx1 dx2 = |
|
|
||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
1 |
|
|
|
|
x12 |
2 x1x2 + x22 |
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
p1 |
|
|
|
|
R |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
dx1 dx2 = |
||||||||||||||||||||||||
= |
|
|
|
|
|
|
|
|
ZZ2 |
x1x2 exp |
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
x12 |
2 x1x2 + ( x2)2 ( x2)2 + x22 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
2 (1 |
|
2) |
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
2 |
|
1 |
|
2 |
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
p |
|
|
|
|
|
R |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
1exp |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||
= |
|
|
|
|
|
|
|
|
|
|
|
|
ZZ2 |
x1x2 exp |
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
! |
|
|
|
|
|
|
2 |
|
|
|
|
dx1 dx2 = |
|||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
1 |
|
2 |
|
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
2 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
@ |
|
|
|
|
1 x x2 |
|
|
|
A |
|
|
|
|
|
|
|
|
|
|
|
x2 (1 2) |
|
|
||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
p |
|
|
|
R |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
p |
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||
= |
|
|
|
|
|
|
|
|
|
|
|
|
ZZ2 |
x2e |
|
|
|
x1 exp |
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
1 dx1 dx2: |
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
2 |
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
! |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x2 |
|
|
|
|
|
|
|
|
|
@ |
|
|
|
|
1 |
|
|
|
|
x |
|
|
|
|
x2 |
|
|
A |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||
|
|
|
|
|
p |
|
|
|
R |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
p |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||
Сделаем замену |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
x1 |
|
|
|
x2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x1 = p1 2v + u; |
|
|
|
|
dx1 = p1 2 dv; |
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
x2 = u; |
|
|
|
|
|
|
|
= v; |
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
1 2 |
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
ñ ó÷¼òîì |
|
p |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
которой |
|
|
|
|
|
|
|
|
|
|
|
1 2v + u e |
|
|
|
|
1 2 du dv = |
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
2 1 2 |
ZZ2 |
|
ue |
2 |
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
u2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
v2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
p |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
R |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
p |
|
1 |
|
|
2 ZZ2 |
|
|
|
|
|
|
|
p |
|
|
|
|
|
|
|
|
|
|
u2 |
|
|
|
|
|
v2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
u2 |
|
|
v2 |
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||
|
= 2 1 |
|
|
|
|
uv 1 2 |
|
|
e |
|
|
|
|
|
e |
|
+ u2 1 2e |
|
|
|
e |
|
|
|
du dv = |
|
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
2 |
|
|
|
2 |
|
2 |
|
2 |
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
p |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
p |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
R |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||
|
|
|
|
|
|
1 |
|
|
|
|
|
0 |
|
ue u22 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
ve v22 |
dv + u2 |
|
|
|
|
|
e u22 |
du e v22 |
dv1 = |
|||||||||||||||||||||||||||||||||||||||||||||||||||
= |
|
|
|
|
|
|
|
|
|
|
|
du |
|
|
|
|
|
1 |
|
|
|
|
1 |
|
2 |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
2 |
|
1 |
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
Z |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Z |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Z |
|
|
|
|
p |
|
|
|
|
|
|
|
Z |
|
|
|||||||||||||||||||||||
|
|
|
|
|
|
1 |
|
|
|
|
|
|
@R |
|
|
|
|
|
|
|
1 |
|
|
R |
|
|
|
|
|
|
|
u2 |
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
R v2 |
|
|
|
|
|
|
|
|
|
|
R |
|
A |
|||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
|
|
|
|
|
p |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Z u2e |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Z |
e |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||
= |
|
|
|
|
|
|
|
|
|
1 |
|
2 |
|
p |
|
|
2 |
|
du |
p |
|
2 |
dv = : |
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
1 |
|
2 |
|
2 |
2 |
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
p |
|
|
p |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
R |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
R |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
То же верно и для произвольного совместного нормального рас- |
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
пределения. Если = 0, то |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
2 |
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
p (x |
; x |
) = |
|
e |
x1 |
+x2 |
= p |
|
|
(x |
)p |
|
|
|
(x |
): |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
1 |
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
2 |
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ЛЕКЦИИ ПО ТЕОРИИ ВЕРОЯТНОСТЕЙ |
33 |
21. Сходимость случайных величин
Определение. Говорят, что последовательность случайных вели- ÷èí 1; : : : ; n, заданных на одном и том же вероятностном пространстве, сходится к случайной величине почти наверное, если
no
P lim n = = 1:
n!1
strong
Пишут n ! .
Определение. Говорят, что последовательность случайных вели- ÷èí 1; : : : ; n, заданных на одном и том же вероятностном пространстве, сходится к случайной величине по вероятности, если
äëÿ âñåõ " > 0
lim Pfj n j < "g = 1:
n!1
P
Пишут n ! .
Свойства сходимости по вероятности: если n
P
1. n + n ! + ;
P
2. n n ! ;
P
3. если функция f непрерывна, то f( n) !
P P
! , n ! , òî
f( ).
Определение. Говорят, что последовательность случайных вели- ÷èí 1; : : : ; n, заданных на одном и том же вероятностном пространстве, сходится к случайной величине слабо (по распреде-
лению), если соответствующая последовательность функций распределения сходится к функции распределения случайной величи- ны в каждой точке непрерывности последовательности. Пишут
n =) .
Предельный переход в слабой сходимости может выходить из класса функций распределения.
Свойства слабой сходимости:
1. n =) тогда и только тогда, когда
Pf n 2 [a; b)g ! Pf 2 [a; b)g:
P
2. Åñëè n ! , òî n =) .
P
3. Åñëè n =) C, òî n ! C.
PP
4.Åñëè n ! C, n ! , òî n n =) C, n + n =) C + .
Определение. Случайную величину называют пределом в среднеквадратичном смысле последовательности случайных величин 1; : : : ; n
( = l:i:m: n), åñëè
n!1
lim M( n )2 = 0:
n!1
34 |
ХАРЛАМОВ А. В. |
22. Закон больших чисел
Определение. Говорят, что последовательность случайных вели- чин 1; : : : ; n подчиняется закону больших чисел, если для всех " > 0
|
8 |
n |
n |
|
|
9 |
|
|
|
P |
P |
|
|
|
|
||
nlim P |
> i |
i |
|
M i |
|
< "> |
|
|
n |
|
n |
= 1: |
|||||
!1 |
> |
|
|
|
|
> |
|
|
|
< |
=1 |
|
i=1 |
|
|
= |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
> |
|
|
> |
|
|
|
|
|
|
|
|
> |
|
|
|
|
> |
|
|
|
: |
|
|
|
|
|
; |
|
|
|
|
|
|
|
|
|
Все теоремы о законе больших чисел формулируют условие данной сходимости.
Теорема (неравенство Маркова). Для любой случайной величи- ны при всех " > 0
P |
j |
> " |
g 6 |
M j j |
: |
|
fj |
|
" |
|
|
||
Доказательство. Если абсолютно непрерывна, то |
|
|||||
|
|
|
|
" |
+1 |
|
Pfj j > "g = Pf < "g + Pf > "g = Z |
p (x) dx + Z |
p (x) dx 6 |
|
|
|
|
1 |
" |
|
6 |
" |
" |
|
+1 |
|
|
Z j"jp (x) dx + Z j"jp (x) dx + |
Z j"jp (x) dx = |
|||||
|
|
x |
|
x |
|
x |
|
1 |
" |
" |
|
M j j:
"
Теорема (неравенство Чебыш¼ва). Для любой случайной величи- ны при всех " > 0
Pfj M j > "g < D"2 :
Доказательство. Введ¼м величину = M . Тогда, согласно неравенству Маркова,
Pfj j > "g = Pf 2 > "2g < M"2 2 = D"2 :
Следствие. Для любой случайной величины при всех " > 0
Pfj M j < "g > 1 D"2 :
Теорема (ЗБЧ в форме Чебыш¼ва). Если все случайные величины в последовательности 1; : : : ; n независимы и имеют дисперсию, меньшую некоторого числа C, то эта последовательность подчи-
няется закону больших чисел.
ЛЕКЦИИ ПО ТЕОРИИ ВЕРОЯТНОСТЕЙ |
35 |
Доказательство. Введ¼м случайную величину
n
n = X ni :
i=1
Е¼ математическое ожидание
|
n |
; |
M n = iPn |
||
|
M i |
|
|
=1 |
|
дисперсия
|
|
|
n |
|
|
|
|
|
D n = iPn2 : |
|
|
||
|
|
|
D i |
|
|
|
|
|
=1 |
|
|
|
|
Тогда |
|
|
|
|
|
|
|
Pfj n M nj < "g > 1 |
D n |
: |
|||
|
"2 |
|||||
Возвращаясь к величинам 1; : : : ; n, имеем |
|
|||||
8 n |
n |
9 |
|
|
PP
|
> |
i |
i |
M i |
|
< "> |
> 1 |
n D |
> 1 |
|
C |
|
||
P |
|
|
|
|
|
|
; |
|||||||
|
n |
n |
i=1 |
n2"2 |
n"2 |
|||||||||
|
> |
|
|
|
> |
|
|
|
|
|
|
|||
|
< |
|
=1 |
|
i=1 |
|
= |
|
X |
i |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
> |
|
|
|
|
|
|
|
|
|
> |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
> |
|
|
|
> |
|
|
|
|
|
|
|
||
|
: |
|
|
|
|
|
; |
|
|
|
|
|
|
|
÷òî ïðè n ! 1 äà¼ò
nn
PP
i |
P |
M i |
|
i=1 |
i=1 |
|
|
|
! |
|
: |
n |
n |
Условие независимости можно заменить на более слабое условие некоррелированности, так как
D |
i=1 i! |
= |
i=1 D i + |
cov( i; j) = |
i=1 D i: |
|
n |
|
n |
X |
n |
|
X |
|
X |
X |
|
|
|
|
|
i6=j |
|
Следствие. Последовательность одинаково распредел¼нных попарно некоррелированных случайных величин 1; : : : ; n ñ M i = a, D i = 2 подчиняется закону больших чисел.
Теорема (ЗБЧ в форме Бернулли). Дана схема Бернулли. Если вероятность успеха в одном испытании равна p, то
|
m |
|
|
|
o |
= 0 |
|
n!1 P n n |
|
||||||
lim |
|
|
|
p |
> " |
: |
|
Доказательство. Возьм¼м случайную |
величину |
||||||
|
n |
|
|
|
|||
|
|
|
Xi |
|
|
||
= |
|
|
i; |
|
|
||
|
|
|
=1 |
|
|
36 ХАРЛАМОВ А. В.
ãäå i равны 0 или 1. Тогда p = Pf i |
= 1g, q = Pf i = 0g. Отсюда |
|||||||||||||
|
|
|
|
|
|
|
|
|
8 |
n |
|
p |
> "9 |
|
lim P |
|
m |
|
p > " |
= lim P |
i=1 i |
|
= 0: |
||||||
|
|
|
|
|
|
|||||||||
n |
|
|
n |
|
|
n |
|
P |
|
|
> |
|
||
|
!1 |
n |
|
|
|
|
o |
!1 |
> |
|
|
|
> |
|
|
|
|
|
|
|
< |
|
|
|
= |
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
> |
|
||
|
|
|
|
|
|
|
|
|
> |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
> |
|
|
|
> |
|
|
|
|
|
|
|
|
|
|
: |
|
|
|
; |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Усиленный закон больших чисел.
Определение. Говорят, что последовательность случайных вели- ÷èí 1; : : : ; n подчиняется усиленному закону больших чисел, если при n ! 1 последовательность случайных величин
n
P
i
i=1
n
сходится почти наверное к величине
n |
: |
iPn |
|
M i |
|
=1 |
|
Теорема. Если для последовательности 1; : : : ; n (ãäå äëÿ âñåõ i j M ij < +1) выполняется неравенство
1
X D k < +1; k2
k=1
то эта последовательность подчиняется усиленному закону больших чисел.
Теорема. Последовательность одинаково распредел¼нных независимых случайных величин подчиняется усиленному закону больших чисел тогда и только тогда, когда каждая из них имеет математическое ожидание.
Теорема. В схеме Бернулли
m strong
n ! p:
23. Характеристические функции
Определение. Если на вероятностном пространстве ( ; A; P) заданы случайные величины 1 è 2, то случайная величина
z = 1 + i 2
называется комплексной случайной величиной .
Определение. Математическим ожиданием комплексной случай- ной величины z = 1 + i 2 называется число
def
M z = M 1 + i M 2:
ЛЕКЦИИ ПО ТЕОРИИ ВЕРОЯТНОСТЕЙ |
37 |
Определение. Характеристической функцией случайной вели- чины называется функция вида
' (t) = M eit :
Свойства характеристических функций:
1.Для любой случайной величины существует характеристи- ческая функция ' (t), по модулю не превосходящая 1 и равная 1 при t = 0.
Доказательство. Докажем для абсолютно непрерывного слу-
÷àÿ.
|
|
|
|
|
|
|
|
|
j' (t)j = |
M eit |
|
|
|
6 Z |
eitx p (x) dx = Z |
|
|
= |
Z |
eitxp (x) dx |
p (x) dx = 1; |
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
R |
|
R |
R |
|
' (0) = M 1 = 1:
2.Если случайная величина имеет характеристическую функцию ' (t), то характеристическая функция случайной вели- чины = a + b
' (t) = eitb' (at):
Доказательство.
' (t) = M eit(a +b) = eitb' (at):
3. Если случайные величины 1, 2 независимы, то
' 1+ 2 (t) = ' 1 (t)' 2 (t);
в общем случае для независимых случайных величин 1; : : : ; n
n
Y
' 1+:::+ n (t) = ' k (t):
k=1
Доказательство.
' 1+ 2 (t) = M eit( 1+ 2) = M eit 1 M eit 2 = ' 1 (t)' 2 (t):
4.Если случайная величина имеет момент n-го порядка, то
е¼ характеристическая функция ' (t) n-дифференцируема, а
'(k)(0) = ik M k äëÿ k = 1; : : : ; n.
38 |
ХАРЛАМОВ А. В. |
Доказательство. В непрерывном случае:
Z
' (t) = eitxp (x) dx:
R
Формально дифференцируем:
'0 (t) = Z |
ix eitxp (x) dx; |
|
R |
: : : |
|
'(n)(t) = in Z |
||
xneitxp (x) dx: |
||
R |
|
Покажем, что дифференцирование корректно (соответствующие интегралы существуют):
ZZ
'(n)(t) |
= |
in |
xneitxp (x) dx |
6 |
jxnj |
eitx p (x) dx = M j jn < +1: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
R R
'(k)(0) = ik Z |
xke0p (x) dx = ik M k: |
R |
|
5.Каждой характеристической функции можно взаимно однозначно поставить в соответствие функцию распределения неко-
торой случайной величины:
' (t) = Z |
eitxp (x) dx; |
||
|
|
R |
e itx' (t) dt: |
p (x) = 2 Z |
|||
1 |
|
|
|
|
|
R |
|
6.Прямая предельная теорема: если последовательность слу- чайных величин n слабо сходится к случайной величине , то последовательность соответствующих характеристических функ- öèé ' n сходится к ' .
Обратно: если ' n ! ' и '(t) непрерывна в t = 0, то существует функция распределения p , которая является преде- лом последовательности p n , ãäå n слабо сходятся к .
Примеры вычисления характеристических функций.
1. Дано распределение Пуассона:
Pf = kg = k e : k!