Шпаргалки по ТеорВер (Шпора по теории), страница 4

Условная функция распределения непрерывной случайной величины: . Условная плотность распределения непрерывной случайной величины: . Эти понятия называют условными законами распределения.

30. Дайте определение условного математического ожидания и докажите его основное свойство.

Условным математическим ожиданием M(X|Y) дискретной случайной величины X относительно дискретной случайной величины Y называют функцию M(X|Y) = g(Y) от случайной величины Y, где область определения функции g(y) совпадает с множеством значений y₁, …, y_m случайной величины Y, а каждому значению y_j аргумента y поставлено в соответствие число g(y_j) = M(X|y_j). Для непрерывной величины

Для дискретной -

Свойства условного математического ожидания:

1. M(c|Y)  c

2. M(aX+b|Y) = aM(X|Y)+b

3. M(X₁+X₂|Y) = M(X₁|Y)+M(X₂|Y)

4. Пусть случайные величины X₁ и X₂ являются независимыми при условии, что случайная величина Y приняла любое конкретное значение. Тогда M(X₁X₂|Y) = M(X₁|Y) M(X₂|Y).

5. MX = M(M(X|Y))

6. Пусть u(X) и v(Y) – функции от случайных величин X и Y. Тогда M(u(X)v(Y)|Y) = v(Y) M(u(X)|Y)

7. Если X и Y – независимые случайные величины, то M(X|Y)  MX.

Доказательство:

1),2),3)-опираются на свойства интеграла и суммы (как для безусловного).

4)--????

5)

6)

7)

31. Что понимают под законом больших чисел и что является его основным содержанием? Докажите неравенства Чебышева.

Первое неравенство Чебышева. Для каждой неотрицательной случайной величины X, имеющей математическое ожидание MX, при любом >0 справедливо соотношение: .

Доказательство проведем для непрерывной случайной величины X с плотностью распределения p(x). Поскольку случайная величина X является неотрицательной, то . Так как подынтегральное выражение неотрицательно, то при уменьшении области интегрирования интеграл может только уменьшиться. Поэтому . Заменяя в подынтегральном выражении сомножитель x на , имеем: . Последний интеграл представляет собой вероятность события X  , и, значит, MX  P{X}, откуда и вытекает первое неравенство Чебышева. Для дискретной случайной величины интеграл заменяется суммой.

Второе неравенство Чебышева. Для каждой случайной величины X, имеющей дисперсию DX=², при любом >0 справедливо: .

Доказательство. Воспользуемся первым неравенством Чебышева. Применяя к случайной величине Y=(X-MX)² это неравенство, в котором  заменено на ², получаем: , что и доказывает второе неравенство Чебышева.

Пусть X₁, X₂, …, X_n, … - последовательность случайных величин, имеющих математические ожидания m_i=MX_i. Последовательность X₁, X₂, …, X_n, … случайных величин удовлетворяет закону больших чисел (слабому), если для любого >0: . Иными словами, выполнение закона больших чисел отражает предельную устойчивость средних арифметических случайных величин: при большом числе испытаний они практически перестают быть случайными и совпадают со своими средними значениями.

32. Сформулируйте и докажите теорему Чебышева и теорему Бернулли.

Теорема Чебышева (закон больших чисел в форме Чебышева). Если последовательность X₁, X₂, …, X_n, … независимых случайных величин такова, что существуют MX_i=m_i и DX_i=_i², причем дисперсии _i² ограничены в совокупности (т. е. _i²  С < +), то для последовательности X₁, X₂, …, X_n, … выполнен закон больших чисел.

Доказательство. Теорема является элементарным следствием второго неравенства Чебышева. Действительно, в силу свойств математического ожидания и дисперсии:

; . Применяя теперь второе неравенство Чебышева к случайным величинам , получаем для любого >0: .Т.е. выполняется закон больших чисел.

Теорема Бернулли (закон больших чисел в форме Бернулли). Пусть проводится n испытаний по схеме Бернулли и Y_n – общее число успехов в n испытаниях. Тогда наблюденная частота успехов r_n = Y_n/n сходится по вероятности к вероятности p успеха в одном испытании, т. е. для любого >0 .

Доказательство. Обозначим X_i число успехов в i-м испытании Бернулли. Тогда частоту успехов в n испытаниях можно определить в виде , причем MX_i=p и DX_i=pq. Отсюда и вытекает утверждение теоремы(ссылка на следствие из теоремы Чебышева: ).

33. Сформулируйте центральную предельную теорему. Сформулируйте и докажите теорему Муавра-Лапласа.

Центральная предельная теорема. Пусть X₁, X₂, …, X_n, … - последовательность независимых одинаково распределенных случайных величин, MX_n=m, DX_n=². Тогда , где Ф(x) – функция стандартного нормального распределения.

Интегральная теорема Муавра-Лапласа. Обозначим S_n суммарное число успехов в n испытаниях по схеме Бернулли с вероятностью успеха p и вероятностью неудачи q=1-p. Тогда с ростом n последовательность функций распределения случайных величин сходится к функции стандартного нормального распределения, т. е. .

Доказательство. Пусть Xi – число успехов в i-м испытании. Тогда MX_i=p, DX_i=pq. Представляя S_n в виде S_n=X₁+X₂+…+X_n и используя центральную предельную теорему, приходим к утверждению теоремы.

34. Пусть – число успехов в серии из n испытаний по схеме Бернулли и n – велико.

Докажите, что в этом случае , где p – вероятность «успеха» в каждом отдельном испытании.

Д-во: