- •1. Случайный эксперимент. Пространство элементарных событий. Случайные события и операции над ними.
- •2. Классическое определение вероятности (ков). Урновая схема. Пример.
- •3. Геометрическое определение вероятности. Пример.
- •4. Аксиоматическое определение вероятности. Вероятностное пространство. Свойства вероятности.
- •5. Условная вероятность и ее свойства. Правило и теорема умножения вероятностей.
- •6. Независимость событий. Свойства независимых событий. Независимость в совокупности.
- •7. Формулы полной вероятности и Байеса. Пример.
- •8. Схема независимых испытаний Бернулли. Формула Бернулли. Наивероятнейшее число успехов.
- •9. Понятие случайной величины (св). Функция распределения св и ее свойства.
- •10. Дискретные св. Закон распределения (зр) дискретной св.
- •11. Важнейшие дискретные св.
- •12. Непрерывные св. Плотность вероятностей и ее свойства.
- •13. Важнейшие непрерывные св.
- •14. Математическое ожидание дискретных и непрерывных св.
- •15. Основная теорема о мо. Свойства мо.
- •16. Моменты, дисперсия и среднеквадратическое отклонение св. Свойства дисперсии.
- •17. Числовые Характеристики важнейших св.
- •18. Случайные векторы. Функция распределения случайного вектора и ее свойства.
- •19. Дискретные случайные векторы. Закон распределения дискретного случайного вектора.
- •20. Непрерывные случайные векторы. Плотность вероятностей случайного вектора и ее свойства.
- •21. Равномерное распределение в области на плоскости. Равномерные распределения в прямоугольнике и в круге.
- •22. Независимость случайных величин. Условия независимости. Независимость в совокупности.
- •23. Условные законы распределения. Условная плотность вероятностей и ее свойства. Условные числовые характеристики.
- •24. Числовые характеристики случайных векторов. Корреляционная матрица и ее свойства. Понятие о моментах случайных векторов.
- •Понятие о моментах
- •25. Теоремы о числовых характеристиках.
- •26. Некоррелированные св. Связь между некоррелированностью и независимостью. Пример.
- •27. Коэффициент корреляции, его свойства и вероятностный смысл.
- •28. Многомерное нормальное распределение и его свойства.
- •29. Функции от св и их законы распределения.
- •Функции случайных аргументов
- •Функции от случайных величин
- •Функции от случайных векторов
- •30. Закон распределения суммы св. Композиция (свертка) законов распределения. Пример.
- •31. Неравенство Чебышева. Виды сходимости последовательностей св и связь между ними.
- •Неравенство Чебышева
- •Виды сходимости последовательностей с.В. И связи между ними.
- •32. Закон больших чисел (збч) для последовательностей св. Теоремы Маркова и Чебышева.
- •33. Збч для последовательностей независимых одинаково распределенных св. Задача об измерениях. Теорема Бернулли и ее применение.
- •34. Характеристическая функция св и ее свойства.
- •Свойства хф.
- •35. Характеристические функции важнейших св. Устойчивость нормального закона распределения.
- •Характеристические функции случайных векторов
- •36. Сходимость распределений (слабая сходимость) и ее связь со сходимостью по вероятности. Теорема непрерывности.
- •37. Центральная предельная теорема (цпт) для независимых одинаково распределенных св. Интегральная теорема Муавра-Лапласа.
- •38. Цпт для независимых разнораспределенных св: теоремы Линдеберга и Ляпунова. Смысл условия Линдеберга. Асимптотическая нормальность.
- •39. Теорема Хинчина. Понятие об усиленном збч.
- •40. Статистическая модель. Генеральная совокупность (гс), выборка, объем выборки. Простейшие способы представления статистических данных.
- •Способы представления статистических данных
- •41. Эмпирическая функция распределения и ее свойства.
- •42. Гистограмма и полигон частот.
- •Интервальный статистический ряд.
- •Вероятностный смысл гистограммы
- •43. Выборочные (эмпирические) числовые характеристики. Выборочное среднее и выборочная дисперсия.
- •44. Точечные оценки неизвестных параметров распределений. Требования, предъявляемые к точечным оценкам.
- •Точечные оценки неизвестных параметров распределения.
- •45. Свойства выборочного среднего и выборочной дисперсии как точечных оценок мо и дисперсии соответственно.
- •46. Метод моментов получения точечных оценок. Свойства оценок, найденных по методу моментов. Пример.
- •Метод моментов.
- •47. Метод максимального правдоподобия. Свойства оценок максимального правдоподобия. Пример.
- •48. Интервальные оценки неизвестных параметров распределений. Доверительные интервалы (ди) для мо нормально распределенной гс (при известной и неизвестной дисперсии).
- •49. Ди для дисперсии нормально распределенной гс (при известном и неизвестном мо).
- •50. Асимптотические ди для мо и дисперсии произвольно распределенной гс.
- •51. Критерий хи-квадрат Пирсона для проверки простой гипотезы о виде распределения.
- •52. Критерий хи-квадрат Пирсона для проверки сложной гипотезы о виде распределения.
- •53. Критерий хи-квадрат Пирсона для проверки гипотезы независимости.
34. Характеристическая функция св и ее свойства.
\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\
Наряду
с вещественными СВ
приходится рассматривать и комплекснозначные
СВ Всякая комплекснозначная с.в.
может быть представлена в виде
(
).
,
– вещественные с.в.,
– вещественная, а
– мнимая части с.в.
.
МО
комплекснозначной с.в.:
.
определено когда
определено определены
и
.
Характеристическая
функция вещественной с.в.
,
имеющей ФР
,
называется комплекснозначная функция
,
действительного переменного, определяемого
:
Вычисляется
в соответствии с теоремой о замене
переменной по формуле:
–
общий случай.
Дискретный случай:
Если
–
ДСВ,
– ее значения,
,
то
.
Непрерывный случай:
Если
–
НСВ,
–
ее плотность, то
,
т.е.
–
прямая прямое преобразование Фурье от
плотности.
Свойства хф.

,
Доказательство:
ХФ существует у любых с.в.


Доказательство:


–
неотрицательно определенная функция,
т.е.
,

Доказательство:

Замечание. На самом деле верно более сильное утверждение, известное как теорема Бохнера-Хинчина:
Для
того, чтобы непрерывная функция
,
удовлетворяющая условию
была ХФ, необходимо и достаточно, чтобы
она была неотрицательно определенной.
Если
,
является абсолютно-интегрируемой
,
то для ее неотрицательной определенности
необходимо и достаточно, чтобы
преобразование Фурье:
.

является равномерно непрерывной
Доказательство:

Если
для
можно выбрать
такое, что:
,
поэтому
.
Во
втором интеграле
:
.
За
счет выбора
,
значит можно сделать
,
что и значит равномерную непрерывность
функции.

:

Доказательство:

ХФ суммы независимых с.в. равна произведению
ХФ слагаемых. Если с.в.
– независимые, а
,
то
Доказательство:
Следует из свойств МО независимых с.в.

Если у с.в.
существует момент
-го
порядка:
,
то ее ХФ
является
раз непрерывно дифференцируемой и при
этом
.
В частности,
,
,
Доказательство:
1)
–
НСВ:
и
Формальное
дифференцирование

раз по
дает:

Законность дифференцирования под знаком интеграла следует из того, что

2)
–
ДСВ:
и
Формальное
дифференцирование

раз по
дает:

Если существует момент
-го
порядка у с.в.
:
,
то ее
в окрестности точки
разлагается в ряд Тейлора вида:
.
Формула обращения.
Если
– ФР с.в.
,
а
– ее ХФ, то
,
где
является непрерывной, справедлива
формула:
.
Следствие 1:
Если
– абсолютно интегрируемая:
,
то с.в. – непрерывная и ее
– обратное преобразование Фурье от
.
,
Доказательство:
Докажем для НСВ: – абсолютный интеграл.
Так
как
– НСВ:
.
В силу абсолютной интегрируемости
существует обратное преобразование
Фурье:
.
Проинтегрируем
обе части по
в пределах от
до
:

Следствие
2.Абсолютно интегрируемая функция
:
,
удовлетворяющая свойствам
и
,
является характеристической тогда и
только тогда, когда ее преобразование
Фурье всюду неотрицательно:
для любого
.
▲
В этом случае преобразование Фурье
,
где
- плотность вероятностей некоторой
непрерывной случайной величины
,
являющаяся функцией неотрицательной
для любого
■.
Замечание.Фактически утверждение следствия 2
позволяет проверять свойство
неотрицательной определенности абсолютно
интегрируемой функции
.
Если функция
,
удовлетворяющая свойствам
и
,
абсолютно интегрируемой не является,
но допускает представление в виде ряда
Фурье
,
то она является характеристической
функцией (и, следовательно, обладает
свойством неотрицательной определенности)
дискретной случайной величины
,
принимающей значения
с вероятностями
.
Следствие 3(теорема единственности).
Характеристическая
функция
случайной величины
однозначно определяет ее функцию
распределения
.
▲
Следует из формулы обращения
и того, что разности
при любых
однозначно определяют функцию
распределения
■.
\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\
