Очень краткая теория
Описание файла
Документ из архива "Очень краткая теория", который расположен в категории "". Всё это находится в предмете "теория вероятностей и математическая статистика" из 3 семестр, которые можно найти в файловом архиве МГУ им. Ломоносова. Не смотря на прямую связь этого архива с МГУ им. Ломоносова, его также можно найти и в других разделах. .
Онлайн просмотр документа "Очень краткая теория"
Текст из документа "Очень краткая теория"
Опр: Класс наз. -алгеброй, если 1. A влечет \A. 2. Ai, i=1,2,… влечет Ai, Ai.
Опр: Тройку (,,P), где - пр-во элементарных событий, - -алгебра подмножеств , называемых событиями, P – числовая функция, определенная на событиях и называемая вероятностью, будем называть вероятностным пространством, если выполнены след. аксиомы:
1o. P(A)0 для всех A. 2o. P()=1. 3o. Если AiAj=, то P(An)= P(An).
Пр-во элементарных событий, достоверное событие | |
, | Элементарное событие |
A, A | Событие A |
AB, A+B | Сумма событий A и B |
AB, AB | Произведение событий A и B |
A\B | Разность событий A и B |
Невозможное событие | |
\A | Противоположное A событие |
AB= | A и B несовместны |
AB | A влечет событие B |
A=B | A и B равносильны |
Свойства вероятности:
1). Если AB, то P(B\A)=P(B)-P(A).
Т.к. B=A+(B\A) и A(B\A)=, то по аксиоме 3o P(B)=P(A)+P(B\A).
2). Если AB, то P(A)P(B). Следует из 1)
3). Для A 0P(A)1. Следует из 2), т.к. A.
4). P(\A)=1-P(A). Следует из аксиомы 3o, т.к. A+A=, AA=.
5).P()=0. Следует из 4) и аксиомы 2o.
6). Конечная аддитивность: если AiAj=, ij, то P(1nAk)= 1 nP(Ak) Следует из аксиомы 3o, док-ся по индукции.
7). Для событий A1,…,An P(Ak) P(Ak).
Представим k=1nAk в виде суммы попарно несовместных событий Bk=Ak\(A1…Ak-1): k=1nAk= k=1nBk. По св-ву аддитивности 6) имеем P(Ak)=P(Bk), откуда 7) т.к. P(Bk)P(Ak).
8). Для событий A и B P(AB)=P(A)+P(B)-P(AB). Следует из AB=A+(B\AB), аксиомы 3o, и св-ва 1).
Опр: Пусть P(B)>0. Условной вероятностью P(A|B) события A при условии, что произошло событие B, наз. отношение P(A|B)=P(AB)/P(B).
Теорема умножения: P(AB)=P(B)PB(A).
Опр: События A и B наз. независимыми, если P(AB)=P(A)P(B).
Опр: Систему событий A1,…,An будем называть разбиением, если они попарно несовместны и A1+…+An=.
Теор (Формула полной вероятности): Если A1,…,An – разбиение и все P(Ak)>0, то для события B имеет место формула P(B)=P(Ak)P(B|Ak).
Док-во: B=B=BA1+…+BAn – сумма попарно несовместных событий, поэтому P(B)=P(BAk). Далее по т. умножения.
Теор (Формулы Байеса): Если справедлива ф. полной вер-ти и P(B)>0, то P(Ak|B)=P(Ak)P(B|Ak)/P(Ai)P(B|Ai).
Док-во: По т. умножения P(AkB)=P(Ak)P(B|Ak)=P(B)P(Ak|B). Откуда выразить P(Ak|B) и далее по ф. полной вероятности.
Опр: Испытание – некоторое вероятностное пространство.
Пусть даны n испытаний, т.е. даны вероятностные пр-ва (1,1,P1),…, (n,n,Pn). Если эти вероятностные пр-ва есть модели некоторых причинно независимых испытаний, то -алгебры 1,…,n должны быть независимыми. Но для того чтобы иметь возможность говорить о теоретико-вероятностной независимости, мы должны рассматривать i как -подалгебры -алгебры одного общего вероятностного пр-ва (,,P). Пусть (i,i,Pi) – конечное вероятностное пр-во, i={i}, i состоит из всех подмножеств i, а вероятность Pi(A)=pi(i) задается с помощью вероятностей элементарных событий pi(i), ii. Построим прямое произведение вероятностных пространств (,,P), полагая =1…n, точки которого есть векторы =(1,…,n) с компонентами ii, i=1,…,n, - алгебра всех подмножеств , p()=p1()…pn(), P(A)=p().
Построенная так вероятность P наз. прямым произведением вероятностей Pi и обозначается P=P1…Pn. =1…n есть прямое произведение алгебр.
Частный случай независимых испытаний, с двумя исходами в каждом из испытаний, строится след. образом. Пусть вероятностные пр-ва таковы, что i={0,1}, i={,{0},{1},i}, p(0)=p, p(1)=q, p+q=1. Тогда в прямом произведении (,,P) имеем ={}, =(1,…,n), i=0,1, p()=piq1-i. Построенная схема независимых испытаний наз. схемой Бернулли. Обычно она трактуется след. образом. Пусть некоторый исход A, который наз. успехом, может произойти при каждом испытании с одной и той же вероятностью p; \A (неуспех) с q=1-p. В элементарном событии =(1,…,n) имеем i=1, если при i-м испытании произошел успех, и i=0 в противоположном случае. Обозначим Bk={:1+…+n=k} событие, состоящее в том, что при n независимых испытаниях в схеме Бернулли произошло ровно k успехов.
P(Bk)=Cnkpkqn-k, k=0,1,…,n. – биномиальное распределение.
Опр: Случайной величиной наз. действительная функция =(), такая что x {: ()<x}.
Введем вероятностное пр-во.
-
(,,P), - минимальная -алгебра. Такое вер-ное пр-во наз. порожденным сл. величиной .
-
(R,,P) – новое вер. пр-во, где A, P(A)=P(-1(A))=P(B). Такое вер. пр-во наз. индуцированным вер. пр-вом.
Опр: Функция F(x)=P(x) действительной переменной x, -<x<, наз. функцией распределения случайной величины .
Функция распределения F(x) обладает след. свойствами:
1. Если x1x2, то F(x1)F(x2). (F(x) не убывает) 2. F(-)=0. F(+)=1.
3. limxx0-0F(x)=F(x0). (F(x) непрерывна слева)
Закон распределения сл.в. наз. дискретным, если конечное или счетное мн-во чисел x1,…,xn,… таких что P(=xn)=pn>0, n=1,2,… pn=1. Дискретный закон распределения полностью определяется указанием значений xn, n=1,2,… и вероятностей pn, с которыми эти значения принимает сл.в. Случайная величина, имеющая дискретный закон распределния, тоже наз. дискретной.
Закон распределения наз. абсолютно непрерывным, если неотрицательная функция p(x) такая, что при любом x F(x)=P(x)=-∫xp(u)du. При этом p(x) наз. плотностью распределения.
Непрерывные функции распределения, не имеющие плотностей, наз. сингулярными.
Плотность распределения обладает следующими свойствами:
1. p(x)0, -<x<. 2. -∫p(x)dx=1. 3. F’(x)=p(x) в точках непрерывности p(x).
Теорема Лебега о разложении функции распределения. Пусть - сл. вел. с функцией распределения F(x), тогда ! Fac(x), Fs(x), Fd(x) соответственно абс. непр., сингулярная и дискретная ф. распр. и числа p1,p2,p3, pi0, p1+p2+p3=1 такие, что F(x)=p1Fac(x)+p2Fs(x)+p3Fd(x). (единств-ть тогда, когда соотв. слагаемое действительно входит в сумму).
Док-во: F(x): 1) хотя бы одна точка разрыва 2) непрерывна
1) x1<x2<…<xn – точки разрыва и пусть i= F(xi+0)-F(xi). Введем функцию F^d(x)={0, xx1; 1, x1<xx2; 1+2, x2<xx3… Функция F^d(x) обладает след. св-вами: 1) неубывает, 2) непрерывна слева, 3) limx-F^d(x)=0, 4) limx+F^d(x)=i-1i1.
а) i-1i=1 p3=1, p1=p2=0 т. доказана
б) i-1i=<1 Fd(x)=1/F^d(x). Рассм. F^c=F-F^d(x) – непр., неуб. функция. limx-F^с(x)=0, limx+F^c(x)=1-, Fc(x)=F^c(x)/1- - непр. ф-ция распр-ния. F(x)=F^c(x)+F^d(x)=Fd(x)+(1-)Fc(x). Из построения понятно,что такое построение единственно.
в) Fc(x) – ф-ция распр-ния порождает меру c(dx) и рассм. меру Лебега. Тогда в силу т. Лебега о разложении мер ! ac и s соотв-но абс. непр. и сингулярная относ. меры Лебега и такие, что c(B)=s(B)+ac(B) B - борел. мн-во
Fc(x)=s((-,x))+ac((-,x))=F^s(x)+F^ac(x) (непр., неуб., limx-=0). limx+F^s(x)=s(),limx+F^ac(x)=ac()
1=c()=s()+ac() (s()=,ac()=1-, 01) =0 p2=0 Fac(x)=Fc(x) =1 p1=0 Fs(x)=Fc(x)
0<<1 Fs(x)=1/F^s(x) Fac(x)=1/1-F^ac(x). Fc(x)=Fs(x)+(1-)Fac(x). Положим p1=(1-)(1-), p2=(1-), p3=.
Совокупности случайных величин. Пусть на вероятностном пр-ве (,,P) заданы сл. величины 1=1(),…,n=n(), . Каждому эти величины ставят в соответствие n-мерный вектор. Совместной функцией распределения величин 1,…,n наз. вероятность F(x)=F1…n(x1,…,xn)=P(1<x1,…,n<xn), рассматриваемая как функция точки x=(x1,…,xn) n-мерного евклидова пр-ва Rn.
Случайные величины 1,…,n наз. независимыми, если независимы порожденные ими -алгебры 1,…,n.
Сходимость почти наверное. Мы будем говорить, что посл-ть 1,2,… сходится почти наверное (п.н.) к сл. веричине , и писать nп.н., если P{limnn=}=1.
Сходимость по вероятности. Мы говорим, что n сходится по вероятности к (и обозн. nP), если для >0
P{|n-|>}0, n.
Слабая сходимость.
Теор. 1: Если nP, то функция распределения Fn(x) слабо сходится к функции распределения F(x).
Док-во: Обозн. событие {|n-|}=An. Т.к. при An -n+, то при x мы имеем {nx}{x+}A n,
{x-}{nx} A n, P{x-}-P(A n)P{nx}P{x+}+P(A n),
P{x-}limnP{nx}limnP{nx}P{x+}. Если x – точка непр-ти F(x), то limnFn(n)=F(x).
Сходимость в среднем. Мы будем говорить, что посл-ть n сходится в среднем порядка r>0, если E|n-|r0, n.
Если r=2, то сходимость наз. сходимостью в среднем квадратическом.
nп.н. nP nr nP
Неравенство Маркова. P{||}E||k/k для всякого k0, >0.
Док-во: Если A={||}, то ||k ||kIA kIA E||k kEIA = kP(A).
Полагая k=2 и заменяя на -E, получаем неравенство Чебышева: P{|-E|}D/2.
Для каждого n определим дискретные сл. в. 1,…,n, независимые в совокупности и принимающие значения 1 или 0 с вероятностью p и q=1-p соответственно. Положим Sn=1+…+n. Часто в этом случае говорят об n независимых испытаниях с постоянной вероятностью p успешного испытания. Тогда Sn – число успешных испытаний из n испытаний.
Закон больших чисел в форме Чебышева: Для >0 P{|Sn/n-p|}0 при n.
Док-во: нер-во Чебышева P{|Sn/n-p|}D(Sn/n)/2=pq/n20.
Пусть не вероятностном пр-ве (,,P) определена посл-ть событий An. С каждой такой посл-тью можно связать события A={:An для бесконечно многих n}, A={:An для всех, кроме конечного числа n}, которые наз. соответственно верхним и нижним пределами посл-ти {An}. A=limnsupAn, A=limnsupAn.
A=n=1mnAm, A=n=1mnAm.
Лемма Бореля – Кантелли.
Если n=1P(An)<, (1) то P(A)=0. Если A1,A2,… независимы и n=1P(An)=, (2) то P(A)=1.