Свойства многомерного нормального распределения

Все одномерные плотности вероятности - это плотности вероятности одномерной нормальной случайной величины с параметрами, определяемыми координатами вектора X и главной диагональю ковариационной матрицы B. Кроме того, подвектор вектора из k элементов, где также распределен нормально.

Если все коэффициенты корреляционной или ковариационной матрицы B (все ее недиагональные элементы) равны нулю, то показать самим, что компоненты случайной величины являются независимыми.

если ,то многомерная плотность распадается на произведение одномерных, значит независимы.

Теорема.

Проводим линейное преобразование Y=AX. A - квадратная невырожденная матрица, тогда вектор Y также имеет n-мерное нормальное распределение вида

Следствие: Из доказательства теоремы вытекает, что ковариационная матрица

Оператор A переводит произвольную область из арифметического пространства R_n в некоторую область того же пространства.

Рассмотрим произвольную область S, принадлежащую пространству элементарных событий случайной многомерной величины X. Ей соответствует область D в пространстве элементарных событий случайного вектора Y. При этом

Запишем эти вероятности

где |I| - якобиан перехода

Т.к. область S и соответственно D произвольны, то плотность вероятности случайного вектора x равна

n-мерная плотность вероятности случайного вектора Y равна

Преобразуем показатель степени e

Можно показать, что если нормальное распределение имеет данный вид, то B - ее ковариационная матрица

Следствие.

- многомерный нормальный вектор. A - прямоугольная матрица Тогда Y=AX имеет нормальное распределение вида

Y - m-мерный вектор.

Для определенности положим, что матрица A имеет вид

A = (A₁ A₂)

A₁ - квадратная матрица размером

A₂ - матрица размерности

Рассмотрим матрицу размерности . Считается, что m первых столбцов независимы.

равен определителю полученной квадратной матрицы и не равен нулю.

E - единственная квадратная матрица размерности

Следовательно, на основании доказанной теоремы, вектор Y имеет многомерное нормальное распределение.

Z=CX

Компоненты вектора Z имеют вид

Пусть матрица А произвольная, но т.к. ее ранг равен m она содержит m линейно независимых столбцов. Путем перестановки столбцом соберем эти столбцы в первые m. И соответствующим образом пронумеруем компоненты вектора Х. Попадаем в предыдущий случай.

Предельные случайные последовательности.

Рассмотрим вероятностное пространство в котором задана счетная последовательность случайных величин, каждая из которых является измеримой

Покажем, что событие измеримо, т.е. имеет вероятность наступления. Действительно событие

Каждое из этих событий в пересечении принадлежит - алгебре. По определению - алгебры ей принадлежит и счетное перечисление этих событий, таким образом событие имеет вероятность наступления.

Пусть последовательность имеет предел при , который может быть постоянной или случайной величиной. В теории вероятности этот предел понимают следующим образом: под сходимостью последовательности к пределу понимают событие А которое может задаваться следующим образом:

1.

Событие А состоит из всех m, удовлетворяющих условию: для любого как угодно большого r существует такое m, что для всех n выполняется

2. А: Если предел ,то

Для любого, как угодно большого r существует такое m, что для всех n выполняется

3.Если предел случайная величина, то

Показать самим, что событие А с - алгебре и следовательно имеет вероятность наступления

любое событие измеримо, как доказывалось ранее измеримы, и следовательно имеет вероятность наступления. Разность -алгебре. Следовательно событие А имеет вероятность наступления.

Если предел константа, то эквиваленты 1 и 2, если случайная величина - то 1 и 3.

Существующие определения сходимости случайных величин.

Пусть имеется счетная последовательность случайных величин и пусть предел последовательности.

1. Счетная последовательность сходится к пределу с вероятностью 1, если Р(А)=1.

Это не вероятность достоверного события.

2. Сходимость по поверхности.

Счетная последовательность случайных величин сходится к по поверхности, если

3. Сходимость в среднеквадратичном.

Последовательность случайных величин сходится к пределу в среднеквадратичном, если выполняется

Покажем, что из сходимости в среднеквадратичном следует сходимость по вероятности.

Воспользуемся Неравенством Чебышева

При любом конечном r если выполняется сходимость в среднеквадратичном, то этот предел существует и равен 0, т.к. числитель сходится к 0, а знаменатель конечен.

Теорема.

Счетная последовательность сходится к пределу с вероятностью 1 только тогда, когда

Указанное выше событие имеет своим дополнением событие

и сходимость с вероятностью 1 означает, что P(B)=0.

Очевидно, что условие теоремы достаточно рассмотреть для .

Положим

События В_rm, m=1,2,.... убывают, и для

Докажем это.

Будем искать P(B_r) так

Событие, обратное имеет следующую структуру:

Показать самим, что следующее событие включает предыдущее.

По построению справедлива следующая формула

По третьей аксиоме теории вероятности

Построенный ряд D₁, D₂...D_n образует неубывающую ограниченную последовательность, следовательно имеет предел сверху.

Поэтому возможен переход

Теорема Бернулли.

Рассмотрим систему независимых испытаний Бернулли.

Система испытаний неограниченна. С каждым i-видом испытаний свяжем дискретную величину X_i

Х_i принимают значения 1, если в i-том испытании произошло событие А и 0 - в противном случае

Рассмотрим случайную величину - число появлений события А в n испытаниях

49