- •Основные понятия теории вероятностей.
- •Классическое определение вероятности.
- •Частота и статистическая вероятность.
- •Геометрическая вероятность. Задача о встрече.
- •Теоремы сложения вероятностей.
- •Теорема сложения вероятностей.
- •Теорема сложения для совместных событий.
- •Теоремы умножения вероятностей.
- •Теорема умножения вероятностей.
- •Формула полной вероятности.
- •Формула Бейеса.
- •Повторение испытаний. Частная теорема о повторении опытов.
- •Общая теорема о повторении опытов. Производящая функция.
- •Теорема.
- •Функция распределения случайной величины.
- •Плотность распределения.
- •Числовые характеристики случайных величин.
- •Неравенство Чебышева.
- •Теорема Чебышева.
- •Обобщенная теорема Чебышева. Теорема Маркова.
- •Характеристические функции.
- •Центральная предельная теорема.
- •Следствие из теоремы Ляпунова – теоремы Лапласа.
- •Свойства числовых характеристик (математическое ожидание, дисперсия).
- •Нормальное распределение.
- •Правило «трёх сигма».
- •Равномерное распределение.
- •Закон Пуассона.
- •Функция одного случайного аргумента.
- •Функция двух случайных аргументов.
- •Закон распределения двумерной случайной величины.
- •Статистическое распределение выборки. Эмпирическая функция распределения. Полигон и гистограмма.
Неравенство Чебышева.
Рассмотрим дискретную случайную величину Х, заданную таблицей распределения:
Х |
X1 |
X2 |
… |
Xn |
P |
P1 |
P2 |
… |
Pn |
Неравенство Чебышева.
Вероятность того, что отклонение случайной величины от её математического ожидания не превышает по абсолютной величине положительного числа не меньше, чем :
Доказательство: Так как события, состоящие в осуществлении неравенств и противоположны, то сумма их вероятностей равна единице.
Напишем выражение дисперсии случайной величины Х:
По теореме сложения сумма вероятностей есть вероятность того, что Х примет одно, безразлично какое, из значений , а при любом из них отклонение будет удовлетворять неравенству . Отсюда следует, что сумма выражает вероятность . Значит:
Подставляя (3) в (1), окончательно получим что и требовалось доказать.
Теорема Чебышева.
Теорема Чебышева: При достаточно большом числе независимых опытов среднее арифметическое наблюдённых значений случайной величины сходится по вероятности к её математическому ожиданию.
- произвольно малые положительные числа
Аналогично этому, по теореме Чебышева, при увеличении n среднее арифметическое сходится по вероятности к , то есть:
Доказательство:
Как бы мало не было число Ɛ, можно взять n таким большим, чтобы выполнялось неравенство: . Тогда:
Что и требовалось доказать.
Обобщенная теорема Чебышева. Теорема Маркова.
Обобщенная теорема Чебышева.
Если - независимые случайные величины с математическими ожиданиями и дисперсиями и если все дисперсии ограничены сверху одним и тем же числом L: , то при возрастании L среднее арифметическое наблюденных значений сходится по вероятности к среднему арифметическому их математических ожиданий.
Доказательство: Математическое ожидание величины равно , а дисперсия . Применим неравенство Чебышева:
Откуда, переходя к противоположному событию, получим доказываемое неравенство.
Теорема Маркова.
Если имеются зависимые случайные величины и при n ∞
, то среднее арифметическое наблюденных значений величин сходится по вероятности к среднему арифметическому их математических ожиданий.
Доказательство: Рассмотрим величину . Очевидно, . Применим неравенство Чебышева:
Так как n ∞ , то при достаточно большом n . Переходя к противоположному событию, получим:
Что и требовалось доказать.
Характеристические функции.
Характеристической функцией случайной величины Х называется функция
Где i – мнимая единица. Функция g(t) представляет собой математическое ожидание некоторой комплексной случайной величины , функционально связанной с величиной Х.
Зададим Х – дискретную случайную величину её рядом распределения
Xi |
X1 |
X2 |
… |
Xn |
Pi |
P1 |
P2 |
… |
Pn |
То её характеристическая функция .
Если Х – непрерывная случайная величина с плотностью распределения f(x), то .
Обратное преобразование Фурье:
Свойства характеристических функций:
Если случайные величины X и Y связаны соотношением , где а – неслучайный множитель, то их характеристические функции связаны соотношением:
Доказательство:
Характеристическая функция суммы независимых случайных величин равна произведению характеристических функций слагаемых.