- •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.
Характеристические функции случайных векторов
Характеристической
функцией случайного вектора
называется комплекснозначная функция
вещественных переменных, определяемая
для любого
равенством:
или
в векторной форме
,
где
означает скалярное произведение
векторов.
Характеристическая функция случайного вектора обладает всеми свойствами (с очевидными изменениями в формулировках) одномерной характеристической функции. Но есть и дополнительные полезные свойства.
По характеристической функции
случайного вектора
можно найти характеристическую функцию
любой группы из
его координат
.
Для этого следует положить аргументы
при
.
Так,
например, характеристическая функция
«отрезка»
случайного вектора
равна
,
а
характеристическая функция любой
координаты
вектора
равна
.
Если
- характеристическая функция случайного
вектора
,
то характеристическая функция суммы
его координат
равна
,
то
есть следует положить все
.
Задача
1. Найти характеристическую функцию
двумерного нормального случайного
вектора
.
Ответ:
.
Задача
2. Найти характеристическую функцию
суммы
двумерного нормального случайного
вектора
и по ней определить закон распределения
случайной величины
.
Ответ:
.
Задача
3. Найти характеристическую функцию
многомерного нормального случайного
вектора
.
Ответ:
.
\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\
36. Сходимость распределений (слабая сходимость) и ее связь со сходимостью по вероятности. Теорема непрерывности.
\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\
Сходимость распределений (слабая сходимость).
Это еще один способ характеристики близости СВ, основанный на понятии сходимости их ФР друг к другу.
Пусть
заданы последовательность случайных
величин
,
имеющих функции распределения
,
и случайная величина
с функцией распределения
.
Было бы естественно считать, что, если
случайная величина
,
то ее закон распределения сходится при
к закону распределения случайной
величины
.
Однако требовать при этом равномерную
сходимость ФР величин
,
неразумно, т.к. она не будет иметь место,
если ФР с.в.
имеет хотя бы один разрыв. Поэтому
сходимость ФР понимают в смысле следующего
определения.
Опр.
Пусть
– последовательность с.в., имеющих ФР
,
–
с.в. с ФР
.
Говорят, что
слабо сходится к ФР
,
если
в каждой точке
,
являющейся точкой непрерывности
предельной ФР
и пишут
Смысл слабой сходимости – это поточечная сходимость ФР в точках непрерывности предельной ФР.
При
этом также говорят,
что
слабо (или по распределению) сходится
к СВ
:

Важно выделить следующий частный случай:
Лемма.
Если предельная ФР является непрерывной,
то
(слабая сходимость) эквивалентна
равномерной сходимости:
.
Лемма. (Соотношение между слабой сходимостью и сходимостью по вероятности).
1)
Из сходимости по вероятности следует
слабая сходимость

2) Если предельное распределение является вырожденным, то слабая сходимость и сходимость по вероятности эквивалентны:
если
,
то
Доказательство:
1)
Пусть
– точка непрерывности
.
Докажем, что если
,
то

Оценим
вероятности
и
сверху и снизу:
Для
:

Для
:


.
Так
как
,
то
,
т.е.
При

2)

имеет место для
,
являющихся точкой непрерывности
предельной Р, т.е. для
.
Докажем,
что
.

т.к.
точки
и
– точки непрерывности
.
Т.е.
.
В отличие от сходимости по вероятности слабая сходимость не сохраняется при операциях сложения и умножения СВ. Это справедливо только когда одно из распределений является вырожденным.
Свойства:
1.
Если
,
,
то
2.
Если
,
,
то
Замечательный факт состоит в том, что слабую сходимость распределений можно полностью охарактеризовать с помощью ХФ.
Теорема непрерывности.
Пусть
– последовательность ФР, а
– последовательность соответствующих
им ХФ.
Для
слабой сходимости
необходимо и достаточно, чтобы
,
где
– ХФ, соответствующая ФР
.
Смысл теоремы: она устанавливает, что соответствие между ФР и ХФ является не только взаимно однозначным, но и непрерывным в том слмысе, что пределу в классе ФР оносительно слабой сходимости соответствует предел в классе ХФ относительно поточечной сходимости.
Теорема непрерывности является основным средством доказательства теорем о слабой сходимости распределения на числовой прямой.
\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\
