- •Установочный модуль.
- •Модуль 1. Тема 1 (1). Конечное вероятностное пространство.
- •Тема 2 (2). Условная вероятность. Независимость событий.
- •Тема 3 (3). Случайные величины и их характеристики.
- •Контрольные вопросы.
- •Тестовые задания.
- •Модуль 2. Тема 1 (4). Независимость случайных величин.
- •Тема 2 (5). Распределения Бернулли и Пуассона.
- •Контрольные вопросы.
- •Тестовые задания
- •Тема 3 (6). Закон больших чисел.
- •Модуль 3. Тема 1(7). Вероятностные пространства общего вида.
- •Тема 2 (8). Случайные величины. Математическое ожидание.
- •Тема 3(9). Распределения случайных величин. Дискретные и абсолютно непрерывные распределения.
- •Тестовые задания
- •Модуль 4. Тема 1(10). Функция распределения случайной величины, ее свойства.
- •Тема 2 (11). Случайные векторы.
- •Тема 3 (12). Характеристические функции. Центральная предельная теорема.
- •Контрольные вопросы.
- •Тестовые задания
- •Пример итогового теста.
- •Контрольная работа 1.
- •Список обязательной и дополнительной литературы
Тема 2 (8). Случайные величины. Математическое ожидание.
Для вероятностного
пространства общего вида сохраняется
определение случайной величины как
функции
,
однако добавляется требование,
заключающееся в том, что прообраз каждого
борелевского множества должен являться
событием.
Определение.
Пусть
- вероятностное пространство,
- множество действительных чисел,
-
- алгебра борелевских множеств. Случайной
величиной называется отображение
,
обладающее свойством
,
где
- прообраз множества
при отображении
.
*Определение.
Случайная величина
называется простой, если ее можно
представить в виде
,
где
- действительные числа,
,
система множеств
является разбиением
,
то есть обладает свойствами:
*Определение.
Интегралом Лебега от простой случайной
величины
(или математическим ожиданием этой
случайной величины) называется выражение
,
если ряд в правой части сходится
абсолютно.
*Лемма.
Значение
не зависит от способа представления
в виде
, то есть, если
,
то
.
Без доказательства.
*Теорема.
Если
и
- простые случайные величины, и существуют
интегралы
и
,
то
- также простая случайная величина, и
справедливо равенство
.
Доказательство.
Пусть
,
.
Тогда
и
можно представить, соответственно, в
виде
,
,
где
.
Таким образом, справедливо равенство
,
то есть
является простой случайной величиной.
Имеем далее:
,
что и доказывает утверждение теоремы.
*Теорема.
Для простой случайной величины
и действительного числа
справедливо равенство
.
Доказательство.
Имеем:
,
,
,
что и требовалось доказать.
*Теорема.
Если - простая случайная величина, то
справедливо неравенство
.
Доказательство.
Пусть
.
Имеем:
,
что и требовалось доказать.
*Теорема.
Если последовательность простых
случайных величин
равномерно
сходится к случайной величине
,
то последовательность интегралов
фундаментальна в смысле Коши.
Доказательство.
В самом деле, имеем:
*Теорема.
Для любой случайной величины
существует последовательность
простых случайных величин, сходящихся
к
равномерно.
Доказательство.
Определим при всех
натуральных
и целых
множества
.
Положим
,
.
Тогда из неравенства
вытекает, что
при
,
равномерно по
,
что и требовалось доказать.
*Определение.
Пусть
- последовательность простых случайных
величин, сходящаяся к случайной величине
равномерно. Положим
(если предел
правой части существует).
*Замечание.
Можно показать, что значение
не зависит от способа представления
в виде
.
В частности, с учетом теоремы справедливо
равенство
.
*Теорема.
Пусть
и
- случайные величины,
и
существуют. Тогда
также существует и справедливо равенство
.
Доказательство.
Пусть
,
.
Тогда имеем:
,
что и требовалось доказать.
*Теорема.
Справедливо равенство
.
Доказательство.
Справедливость
утверждений вытекает из цепочки равенств:
.
Тема 3(9). Распределения случайных величин. Дискретные и абсолютно непрерывные распределения.
Определение.
Пусть
- вероятностное пространство,
- множество действительных чисел,
- борелевская
- алгебра,
- случайная величина. Распределением
случайной величины
называется отображение
,
определенное по формуле
.
*Теорема.
Распределение
обладает свойствами:
,
если
.
Доказательство.
,
что и требовалось доказать.
Таким образом,
является вероятностью, а пространство
является вероятностным пространством.
*Замечание. Вместо можно было бы взять , а вместо - соответствующую борелевскую - алгебру.
Определение.
Функция
называется измеримой по Борелю если
выполняется условие
где
,
то есть прообраз любого борелевского
множества является борелевским.
Практически все могущие встретиться функции являются измеримыми по Борелю.
Теорема.
Пусть
- случайная величина,
- измеримая функция. Тогда
является случайной величиной.
Доказательство.
Пусть
.
Имеем:
,
что и требовалось доказать.
*Теорема.
Пусть
- случайная величина,
- измеримая функция. Справедливо равенство
,
причем левая и правая части равенства
существуют или нет одновременно.
Доказательство.
Имеем:
.
С другой стороны,
.
Таким образом, интересующие нас интегралы являются пределами равных между собой сумм. Следовательно, они существуют или нет одновременно, а если существуют, то совпадают. Теорема доказана.
*Следствие.
Справедливы равенства:
,
.
Определение.
Распределение
называется дискретным, если в пространстве
имеется не более, чем счетное множество
точек
,
на котором сосредоточена мера
(то есть
).
В дискретном случае
полностью определяется мерами
,
приписанными отдельным точкам
.
Лемма.
Пусть
- дискретное распределение, сосредоточенное
на множестве
.
тогда для любого борелевского множества
справедливо равенство
.
*Доказательство.
В самом деле,
,
что и требовалось доказать.
Случайная величина
,
имеющая дискретное распределение
сосредоточенное на
,
устроена следующим образом:
принимает значения лишь из
,
причем
,
является вероятностями отдельных
значений. Такое распределение можно
задать таблицей
.
Теорема.
Пусть
- случайная величина, имеющая дискретное
распределение
,
- измеримая функция. Тогда справедливо
равенство
,
где
.
Теорему примем без доказательства.
Следствие 1.
.
Следствие 2.
.
Замечание. Данная формула и таблица распределения совпадают с теми, что мы имели в случае дискретного пространства . Сейчас может иметь любую мощность, но случайная величина принимает не более чем сетное число значений.
Определение.
Распределение
называется абсолютно непрерывным, если
для любого борелевского множества
справедливо равенство
,
где
- измеримая функция, называемая плотностью
распределения.
Теорема. Плотность распределения обладает следующими свойствами:
(с точностью до
множества меры нуль);
.
Доказательство.
В самом деле,
.
Следовательно,
может быть отрицательной только на
множестве нулевой меры.
.
Теорема.
Пусть
- абсолютно – непрерывное распределение,
- его плотность,
- измеримая функция. Тогда справедливо
равенство
.
*Доказательство.
Сначала предположим,
что
является простой функцией, то есть
принимает лишь счетное множество
значений:
,
где
.
Тогда случайная величина
имеет дискретное распределение.
Следовательно, справедлива цепочка
равенств:
Таким образом, требуемое равенство справедливо для простых функций . Для произвольных измеримых функций оно получается путем предельного перехода.
Следствие. В условиях теоремы справедливы равенства:
,
.
Рассмотрим некоторые абсолютно – непрерывные распределения.
Равномерное распределение на отрезке
.
Данное распределение
задается плотностью:
Найдем
и
.
Нормальное распределение с параметрами
.
Плотность данного
распределения имеет вид
Нетрудно проверить,
что смысл параметров
и
таков:
,
.
С нормальным распределением мы еще
встретимся, так как оно играет в теории
вероятностей очень важную роль.
Показательное распределение с параметром .
Показательное
распределение имеет плотность
Справедливы
равенства
,
.
Постоянные множители
находятся из условия
.Например,
если бы нам было известно, что плотность
имеет вид
то
мы бы нашли таким образом:
Контрольные вопросы.
*Что такое индикатор события?
*Как определяется простая случайная величина?
*Как вычисляется математическое ожидание простой случайной величины?
*Какими свойствами обладает математическое ожидание простой случайной величины?
*Какими свойствами обладает математическое ожидание случайной величины?
Что такое распределение случайной величины?
*Какими свойствами обладает распределение случайной величины?
Как определяется дискретное распределение?
По какой формуле вычисляется математическое ожидание дискретной случайной величины ?
По какой формуле вычисляется математическое ожидание квадрата дискретной случайной величины ?
По какой формуле вычисляется дисперсия дискретной случайной величины ?
Как определяется абсолютно-непрерывное распределение?
Какими свойствами обладает плотность распределения?
По какой формуле вычисляется математическое ожидание абсолютно-непрерывной случайной величины ?
По какой формуле вычисляется математическое ожидание квадрата абсолютно-непрерывной случайной величины ?
По какой формуле вычисляется дисперсия абсолютно-непрерывной случайной величины ?
Как определяется плотность равномерного распределения на отрезке ?
Чему равно математическое ожидание случайной величины , имеющей равномерное распределение на отрезке ?
Чему равна дисперсия случайной величины , имеющей равномерное распределение на отрезке ?
Как определяется плотность нормального распределения с параметрами ?
Чему равно математическое ожидание случайной величины , имеющей нормальное распределение с параметрами ?
Чему равна дисперсия случайной величины , имеющей нормальное распределение с параметрами ?
Как определяется плотность показательного распределения с параметром ?
Чему равно математическое ожидание случайной величины , имеющей показательное распределение с параметром ?
Чему равна дисперсия случайной величины , имеющей показательное распределение с параметром ?
