Все ответы к экзамену по Теории Вероятностей, страница 4
Описание файла
Документ из архива "Все ответы к экзамену по Теории Вероятностей", который расположен в категории "". Всё это находится в предмете "теория вероятностей и математическая статистика" из 6 семестр, которые можно найти в файловом архиве НИУ «МЭИ» . Не смотря на прямую связь этого архива с НИУ «МЭИ» , его также можно найти и в других разделах. Архив можно найти в разделе "к экзамену/зачёту", в предмете "теория вероятностей и математическая статистика" в общих файлах.
Онлайн просмотр документа "Все ответы к экзамену по Теории Вероятностей"
Текст 4 страницы из документа "Все ответы к экзамену по Теории Вероятностей"
Убедимся в том, что предел равен отношению плотностей. Действительно
при . В выражении для условной плотности переменной является х, а значение у фиксировано. Интегрирование (5.16) по х с учетом (5.3а) дает 1:
Замечания.
1.Поскольку значение у зафиксировано,
Эта запись означает, что условная плотность, как функция х, совпадает с точностью до константы с сечением функции двух переменных при фиксированном значении другой переменной. Нормирующая константа определяется из условия
2.Если и независимы, т.е. , то
т.е. условное распределение совпадает с безусловным.
3.Аналогично (5.16) вводится условное распределение случайной величины при условии известного значения :
Замечания 1, 2, 3, сделанные для непрерывных случайных величин, справедливы и для дискретных, надо лишь плотности заменить вероятностями и интеграл — суммой.
Условные математические ожидания и условные дисперсии
Для условных распределений мы можем определить математическое ожидание, дисперсию и другие числовые характеристики. Они нужны для многих целей, в частности, для прогноза. Если стало известно значение одной компоненты = у, и мы хотим предсказать ненаблюдаемую компоненту , то лучшим прогнозом является условное математическое ожидание:
Например, известна на сегодня температура в Москве, а мы хотим предсказать температуру в Ярославле. Лучшим прогнозом является условное математическое ожидание. Здесь лучшим прогнозом мы понимаем такой, для которого средний квадрат ошибки минимален.
Для того чтобы рассматривать одновременно дискретные и непрерывные случайные величины, будем использовать единое обозначение , понимая его как плотность, если и непрерывны, и как вероятность при дискретных аргументах, если и дискретны. Аналогично: условные распределения и распределения компонент .
Определение. Условным математическим ожиданием случайной величины при условии известного значения = у называется
Определение. Условной дисперсией случайной величины при условии известного значения = у называется
Поскольку значение у случайно, мы можем рассматривать значения функций и как случайные величины:
Справедливы следующие замечательные формулы:
Покажем справедливость (5.21) для дискретных случайных величин. Запишем формулу полной вероятности в наших обозначениях
Умножим это соотношение на х и просуммируем:
что означает
Покажем справедливость (5.22). По формуле (4.14), справедливой для любых распределений, в том числе условных
Здесь слева и справа — функции от у, которые мы можем рассматривать как функции от случайной величины :
Если определить математическое ожидание слева и справа (используя свойство из раздела 6: математическое ожидание суммы равно сумме математических ожиданий), то получим
Определим второе слагаемое в (5.22):
Складывая (5.23) и (5.24) и дважды применяя (5.21), получим (5.22):
16. Преобразование многомерных случайных величин. Распределение суммы двух случайных величин.
17.Свойства математического ожидания. Примеры.
-
Математическое ожидание константы есть константа:
(1)
-
Константа выносится за знак математического ожидания:
(2)
-
Математическое ожидание суммы случайных величин равно сумме математических ожиданий:
(3)
-
Если случайные величины независимы, то математическое ожидание их произведения равно произведению математических ожиданий:
(4)
Покажем справедливость этих свойств.
-
Константу с можно рассматривать как вырожденную случайную величину, которая принимает единственное значение с с вероятностью 1.
-
Формула (2) доказывается применением формулы: (5) ,если положить
и с вынести за знак интеграла.
-
Формула (3) также доказывается с помощью формулы, аналогичной (5). Для дискретных случайных величин
(6)
Если в качестве взять сумму , то по (6)
4 . Аналогично показывается справедливость (4); для дискретных случайных величин, если они независимы, т.е. , имеем
П ример 1 использования свойств. Проведем п независимых испытаний случайного события А, вероятность появления которого в одном испытании Р(А) = р. Определим математическое ожидание и дисперсию количества успехов. Эту случайную величину можно представить суммой результатов п испытаний:
где
С огласно 4a и свойству суммы мат. ожиданий:
Пример 2. В устройстве n блоков. При испытании блок с номером i выходит из строя с вероятностью рi. Определить среднее количество выходящих из строя блоков, а также дисперсию.
Количество выходящих из строя блоков можно представить в виде суммы по блокам:
г де
18.Свойства дисперсии. Примеры.
-
Дисперсия константы c равна 0.
-
Прибавление константы не изменяет дисперсию.
-
Константа из-под знака дисперсии выносится с квадратом.
-
Для дисперсии суммы случайных величин используются формулы:
а)Для независимых случайных величин дисперсия суммы равна сумме дисперсий.
б)Для произвольных случайных величин
, где и
-
Неравенство Чебышева:
Это неравенство понимается так: вероятность большого отклонения случайной величины от своего математического ожидания мала, и она тем меньше, чем меньше дисперсия.
Справедливость свойств (1-4) вытекает из определения дисперсии (1) и свойств математического ожидания. Действительно:
1)
2)
3)
4б)
4а)
Е сли события независимы то по :
5)доказательство д.б. в другом билете.
П ример 1 использования свойств. Проведем п независимых испытаний случайного события А, вероятность появления которого в одном испытании Р(А) = р. Определим математическое ожидание и дисперсию количества успехов. Эту случайную величину можно представить суммой результатов п испытаний:
где
С огласно 4a и свойству суммы мат. ожиданий:
Пример 2. В устройстве n блоков. При испытании блок с номером i выходит из строя с вероятностью рi. Определить среднее количество выходящих из строя блоков, а также дисперсию.
К оличество выходящих из строя блоков можно представить в виде суммы по блокам:
г де
19.Числовые характеристики многомерных случайных величин.
Пусть - многомерная случайная величина (вектор столбец).
Математическое ожидание — характеристика среднего значения случайной величины.
Определение. Математическим ожиданием , называется вектор математических ожиданий:
( 1)
Каждая компонента этого вектора может быть выражена через интеграл:
Где функция распределения случайной величины ;F(x1,…,xn)- функция распределения случайной величины
Дисперсионная матрица — характеристика рассеяния
Определение. Дисперсионной (ковариационной) матрицей называется матрица вторых центральных моментов:
где называется ковариацией случайных величин и . Если - непрерывна и р(x1,.., хn) — плотность вероятности, bjk выражается очевидным образом через интеграл:
Дисперсионная матрица является симметричной:
ВТ = В
и неотрицательно определенной, т.е. для любых значений переменных t1,…,tn
Это свойство доказывается рассмотрением случайной величины - линейной комбинации :
Вычислим дисперсию . Поскольку = О
ч то совпадает с суммой в (1); но > 0, что и дает (1). Дисперсионную матрицу можно представить так:
20. Коэффициент корреляции и его свойства.
21. Свойства математического ожидания и дисперсионной матрицы.
2
2. Неравенство Чебышева. Закон больших чисел в форме Чебышева.
24. Центральная предельная теорема. Доказательство для случая независимых одинаково распределенных слагаемых.
25. Примеры применения центральной предельной теоремы: оценка ошибок округления, расчет устройств со случайными параметрами.