Конспект лекций-2018 (лекции 1-2) (Лекции Облаковой )
Описание файла
Документ из архива "Лекции Облаковой ", который расположен в категории "". Всё это находится в предмете "теория вероятностей и математическая статистика" из , которые можно найти в файловом архиве МГТУ им. Н.Э.Баумана. Не смотря на прямую связь этого архива с МГТУ им. Н.Э.Баумана, его также можно найти и в других разделах. .
Онлайн просмотр документа "Конспект лекций-2018 (лекции 1-2)"
Текст из документа "Конспект лекций-2018 (лекции 1-2)"
Облакова Т.В. Лекции ТВиМС (3 семестр) 2016-17
Лекция 1. Абсолютно непрерывная случайная величина. Закон распределения и функция распределения. Свойства функции распределения. Примеры: равномерный, нормальный, экспоненциальный законы распределения. Функции от случайных величин. Плотность распределения . Пример: закон распределения , где .
Абсолютно непрерывная случайная величина принимает значения в подмножестве множества действительных чисел, и ее закон распределения задается плотностью вероятностей так, что вероятности
как интеграл от по множеству :
При этом от функции плотности требуется выполнение естественных свойств:
-
,
-
.
Определение. Функцией распределения случайной величиной называют .
Свойства .
-
определена для всех значений , непрерывна слева и не убывает.
-
, причем , .
-
Функция распределения однозначно определяет закон распределения случайной величины и однозначно определяется законом распределения:
СВДТ |
|
|
СВНТ |
|
|
Определения числовых характеристик случайных величин для удобства дадим в виде таблицы.
Математическое ожидание | Математическое ожидание функции от СВ | Дисперсия | |
СВДТ |
|
|
|
СВНТ |
|
|
|
Пример 1.1. Показательный закон распределения имеет плотность
, – параметр. Эта случайная величина используется для моделирования времени ожидания в системе массового обслуживания, времени безотказной работы электроламп и т.п.
Найдем функцию распределения показательного закона
По определению . График функции приведен на рисунке для .
Найдем характеристики:
Пример 1.2. Нормальный (гауссовский) закон распределения имеет плотность , , – параметры.
Функция распределения стандартной гауссовской случайной величины не является элементарной функцией, для нее введено специальное обозначение
, составлены таблицы значений, она встроена во все математические и статистические пакеты программ.
Функция распределения гауссовской случайной величины выражается через :
.
Характеристики:
Пример 1.3. Равномерный на отрезке закон распределения имеет плотность: .
Функция распределения имеет вид: .
Характеристики:
Теорема. Если случайная величина имеет плотность распределения , а , где монотонная дифференцируемая (на множестве значений ) функция, то плотность случайной величины может быть вычислена по формуле
Пример 1.4. Найдите закон распределения случайной величины , если случайная величина распределена по закону Парето с параметрами :
.
Согласно теореме, для монотонно возрастающей функции (Модуль опускаем, поскольку для монотонно возрастающей функции обратная функция также монотонно возрастает, то есть ее производная неотрицательна).
Находим обратную функцию: ,
затем ее производную: .
Пересчитываем плотность: .
Таким образом, СВ распределена по показательному закону с параметром .
Замечание. Если функция не является монотонной, для пересчета плотности используем следующий алгоритм:
1. Выражаем через ,
2. Находим , дифференцируя выражение для
Пример 1.5. Найдем плотность СВ , если - стандартная гауссовская случайная величина.
Поскольку может принимать только неотрицательные значения, то на . Для применяем алгоритм:
Получаем:
– закон .
Лекция 2. Случайные вектора. Независимые случайные величины.
Для изучения вопроса о зависимости и независимости случайных величин их рассматривают на одном вероятностном пространстве с заданной на нем системой ( - алгеброй) подмножеств , называемых событиями.
Определение 1. Случайным вектором называют числовую вектор-функцию, определенную на таким образом, что все множества вида содержатся в .
Абсолютно непрерывные случайные вектора задаются функцией плотности вероятностей , удовлетворяющей стандартным требованиям неотрицательности и нормированности . Вероятность принятия случайным вектором значения во множестве при этом полагают равной .
Для случайного вектора также можно определить функцию распределения:
, где .
Функция распределения дискретного двумерного случайного вектора может быть найдена с помощью совместных вероятностей
,
в непрерывном случае через плотность - .
Функция распределения обладает следующими свойствами (для :
где и - функции распределения составляющих и соответственно.
4) – неубывающая функция по каждому из своих аргументов.
5) непрерывна слева по каждому из своих аргументов;
6) Вероятность попадания случайной точки в прямоугольник со сторонами, параллельными осям координат может быть вычислена по формуле:
;
7) В точках непрерывности существует .
Теорема 1. Совместная плотность распределения однозначно определяет плотности распределения компонент:
,
,
где и плотности распределения компонент случайного вектора .
Доказательство.
.
Пример. Найдем законы распределения компонент случайного вектора, равномерно распределенного в круге радиуса с центром в начале координат.
Плотность равномерно распределения в круге имеет вид:
. Найдем плотности компоненты :
Определения 2.
Математическим ожиданием или центром рассеивания случайного вектора называется неслучайный вектор .
Дисперсией случайного вектора называется неслучайный вектор .
Величина называется ковариацией СВ и .
Ковариацию также можно вычислить по формуле: .
Формулы для вычисления основных числовых характеристик:
Дискретные и | Непрерывные и |
|
|
|
|
|
|
Пример 2. Найдем ковариацию компонент случайного вектора из примера 1.
Находим .
Откуда , а также .
Вычислим , следовательно, .
Независимость случайных величин.
Определение 3. Случайные величины и называются зависимыми, если события, заключающиеся в выполнении неравенств и , зависимы хотя бы при одной паре значений и .
Определение 4. Случайные величины и называются независимыми, если события, заключающиеся в выполнении неравенств и , независимы при любых значениях и .
Теорема 2. Для того, чтобы СВ и были независимы, необходимо и достаточно, чтобы ФР системы была равна произведению ФР составляющих
.
Доказательство. Необходимость очевидна.
Достаточность докажем только для множеств вида , .
=
Теорема 3. Необходимым и достаточным условием независимости двух непрерывных случайных величин, образующих систему является равенство
.
Доказательство состоит в вычислении второй смешанной производной от формулы .
Пример 3. Для рассмотренного примера и некоррелированы, но поскольку , то и зависимы.
Пример 4. В классической модели идеального газа скорость молекулы рассматривают как нормально распределенный случайный вектор с одинаково распределенными независимыми компонентами .
Тогда абсолютная величина скорости .
Достаточно очевидно, что закон распределения вектора должен однозначно определять закон распределения . Возникает вопрос, как найти этот закон распределения. Поскольку компоненты независимы,
Далее воспользуемся определением ФР:
.
Заметим, что при функция , очевидно, обращается в нуль. При вычислим тройной интеграл, перейдя в сферическую систему координат.
Д ифференцируя найденную функцию по переменной , находим плотность распределения случайной величины :
.
Найденный закон распределения называется законом Максвелла. График плотности приведен на рисунке.
4