Главная » Просмотр файлов » 1625915143-9358bde957c0693ae60a95b83ad382f6

1625915143-9358bde957c0693ae60a95b83ad382f6 (843873), страница 10

Файл №843873 1625915143-9358bde957c0693ae60a95b83ad382f6 (Лотов - Лекции по теории вероятностей и математической статистике для ФФ НГУ) 10 страница1625915143-9358bde957c0693ae60a95b83ad382f6 (843873) страница 102021-07-10СтудИзба
Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 10)

Болеестрогого обоснования этой формулы мы здесь приводить не будем.Аналог этой формулы в случае функции от нескольких случайных величин выглядит так:Z∞ Z∞Eg(X1 , X2 , . . . , Xn ) =Z∞...−∞ −∞g(t1 , t2 , . . . , tn )fX1 ,X2 ,...,Xn (t1 , t2 , . . . , tn )dt1 . . .

dtn ,−∞где fX1 ,X2 ,...,Xn (t1 , t2 , . . . , tn ) — плотность совместного распределения случайного вектора (X1 , X2 , . . . , Xn ).42Заметим, что распределение случайной величины g(X1 , X2 , . . . , Xn ) здесь такжеможет и не быть абсолютно непрерывным — формула остается в силе.Свойства математического ожидания1. Если P(X = C) = 1, то EX = C, т.

е. математическое ожидание константыравно этой константе. Свойство очевидно.2. Постоянный множитель можно выносить за знак математического ожидания:E(αX) = αEX.Это свойство вытекает из формул для вычисления матожидания функции от случайной величины, в данном случае g(X) = αX.3. E(X + Y ) = EX + EY , если все участвующие здесь математические ожиданиясуществуют.Мы проведем доказательство этого свойства отдельно для случаев, когда X и Yдискретны и когда вектор (X, Y ) обладает плотностью совместного распределения.Если X принимает возможные значения x1 , x2 , .

. ., а Y — возможные значенияy1 , y2 , . . ., то X + Y будет принимать возможные значения вида xi + yj , i = 1, 2, . . .,j = 1, 2, . . ., иE(X + Y ) =+∞ X∞X(xi + yj )P(X = xi , Y = yj ) =i=1 j=1∞∞XXyjj=1∞Xi=1P(X = xi , Y = yj ) =i=1∞Xxi∞XP(X = xi , Y = yj ) +j=1xi P(X = xi ) +i=1∞Xyj P(Y = yj ) =j=1= EX + EY.Для абсолютно непрерывных распределений имеем по той же схемеZ ∞Z ∞Z ∞ Z ∞E(X + Y ) =(u + v)fX,Y (u, v)dudv =ufX,Y (u, v)dvdu +−∞ −∞−∞−∞Z ∞ Z ∞Z ∞Z ∞vfX,Y (u, v)dudv =ufX (u)du +vfY (v)dv =+−∞−∞−∞−∞= EX + EY.Доказательство этого свойства для остальных случаев (смешанные распределения) мы опускаем.Вернемся к рассмотренному выше одному из примеров. Пусть X — число успехов в n испытаниях схемы Бернулли, т. е. X ⊂= Bn,p .

Мы уже нашли, что EX = np.С помощью доказанного свойства мы найдем EX другим способом. Введем вспомогательные случайные величины Xi , i = 1, 2, . . . , n, где Xi — число успехов в i-миспытании, т. е. P(Xi = 1) = p, P(Xi = 0) = 1 − p, и поэтому EXi = p. ТогдаX = X1 + . . . + Xn и EX = EX1 + . . . + EXn = np.4. Если X и Y независимы, то E(XY ) = EX · EY . Мы вновь предполагаем, чтовсе участвующие здесь матожидания существуют.Заметим, что обратное утверждение неверно: можно привести пример зависимыхслучайных величин, для которых это свойство также выполняется. Достаточно взять= U−1,1 . Тогданесомненно зависимые случайные величины X и X 2 , где X ⊂Z21E(X · X ) =t−1312Zdt = 0, EX =43111t dt = 0, EX 2 = .3−1 2Доказательство свойства 4, как и в предыдущем случае, проведем отдельно длядискретных и абсолютно непрерывных распределений вектора (X, Y ), сохраняя обозначения предыдущего пункта.

Имеем в дискретном случаеP(X = xi , Y = yj ) = P(X = xi )P(Y = yj )(свойство независимости), поэтому∞ X∞∞∞XXXE(XY ) =xi yj P(X = xi , Y = yj ) =xi P(X = xi )yj P(Y = yj ) =i=1 j=1i=1j=1= EXEY.Далее, в силу независимости, для совместной плотности распределения имеемfX,Y (u, v) = fX (u)fY (v), поэтомуZ ∞Z ∞Z ∞Z ∞E(XY ) =uvfX,Y (u, v)dudv =ufX (u)duvfY (v)dv =−∞−∞−∞−∞= EXEY.5. Если X ≥ Y , то EX ≥ EY .Обозначим Z = X − Y , тогда свойство 5 эквивалентно утверждению: если Z ≥ 0,то EZ ≥ 0.Доказательство проведем для общего случая, когда F (y) = P(Z < y) — функцияраспределения смешанного типа. В силу того что F (0) = 0, делаем следующий вывод:в разложении функции F на абсолютно непрерывную и дискретную компонентыF (y) = αF1 (y) + βF2 (y)имеет место F1 (0) = F2 (0) = 0.

Поэтому в формуле для матожиданияZ ∞∞Xyk pkEZ = αtf (t)dt + β−∞k=1f (t) = 0 при t < 0 и все yk неотрицательны. Отсюда следует, что EZ ≥ 0.6. Если EX = 0 и X ≥ 0, то P(X = 0) = 1.Для доказательства нам потребуется неравенство Чебышева. Назовем его первымнеравенством Чебышева, поскольку далее в курсе будет предложено второе.Первое неравенство Чебышева. Если X ≥ 0, то для любого δ > 0EXP(X ≥ δ) ≤.δДоказательство.

Если EX = ∞, то неравенство очевидно. Пусть теперьEX < ∞. Введем случайную величину½00, если 0 ≤ X < δ,X =δ,если X ≥ δ.0Ясно по построению, что X ≥ X , поэтому0EX ≥ EX = 0 · P(0 ≤ X < δ) + δP(X ≥ δ) = δP(X ≥ δ).Неравенство доказано.Применим его к доказательству свойства 6. Для любого δ > 0 имеемEX= 0,0 ≤ P(X ≥ δ) ≤δто есть P(X ≥ δ) = 0, что возможно только при P(X = 0) = 1.443.2.МоментыОпределение.

Моментом k-го порядка случайной величины X называется EX k ,k > 0.Как и всякое математическое ожидание, момент k-го порядка существует тогда итолько тогда, когда E|X|k < ∞. Последнее называется абсолютным моментом k-гопорядка. Пользуясь формулами вычисления математических ожиданий функций отслучайных величин, можем записатьXEX k =yik P(X = yi )iдля дискретных распределений иZ∞kEX =tk fX (t)dt−∞для абсолютно непрерывных распределений.Моменты являются весьма полезными числовыми характеристиками случайныхвеличин. Момент первого порядка — это уже знакомое нам математическое ожидание.

Оно имеет смысл среднего значения случайной величины. Мы увидим дальше,что знание моментов второго и первого порядков дает нам определенную информацию о разбросанности значений случайной величины, с помощью моментов можнохарактеризовать асимметрию распределения и т. д.Следующая теорема устанавливает связь между существованием моментов разных порядков.Теорема. Если E|X|k < ∞, то E|X|m < ∞ для любого m такого, что 0 < m < k.Обратное неверно.Доказательство. Поскольку при 0 < m < k всегда верно |X|m ≤ |X|k + 1, тоE|X|m < E|X|k + 1 < ∞.То, что обратное утверждение неверно, показывает следующий пример. Пустьплотность распределения случайной величины X задается формулойfX (t) =C,1 + |t|k+2где постоянная C выбирается из условия нормировки.

ТогдаZ ∞|t|kkdt < ∞,E|X| = Ck+2−∞ 1 + |t|но E|X|k+1 = ∞.Если при k > 1 существует EX k , то можно рассмотреть также E(X − EX)k . Этавеличина называется центральным моментом k-го порядка. Момент k-го порядка ицентральный момент k-го порядка существуют или не существуют одновременно.3.3.ДисперсияДисперсия — это тоже числовая характеристика распределения случайной величины. Она показывает, насколько сильно значения случайной величины отклоняются45влево и вправо от среднего значения. Дисперсия определяется только для тех случайных величин, у которых EX 2 < ∞.Определение.

Дисперсией случайной величины X называетсяDX = E(X − EX)2 .Другими словами, дисперсия — это второй центральный момент случайной величины. Она действительно показывает, насколько велик разброс значений случайнойвеличины. Вычитая EX из X, мы получаем всевозможные отклонения от среднего,затем возводим эти разности в квадрат, чтобы не было среди них отрицательных,а потом усредняем, беря математическое ожидание. Таким образом, дисперсия естьсреднее квадратическое отклонение значений случайной величины от среднего значения.Можно предложить альтернативную формулу для дисперсии:DX = E(X − EX)2 = E(X 2 − 2XEX + (EX)2 ) == EX 2 − 2EXEX + (EX)2 = EX 2 − (EX)2 .Для дискретных распределений дисперсия вычисляется по формуламDX =∞X(yk − EX)2 P(X = yk ) =∞Xyk2 P(X = yk ) − (EX)2 ,k=1k=1для распределений абсолютно непрерывного типа имеемZ ∞Z ∞2DX =(t − EX) fX (t)dt =t2 fX (t)dt − (EX)2 .−∞√−∞DX называется стандартным уклонением.Свойства дисперсииЗдесь и всюду в дальнейшем буквой C будут обозначаться константы.1.

DX ≥ 0. Свойство очевидно.2. DC = 0. Следует из определения, поскольку C = EC.3. Если DX = 0, то P(X = C) = 1 для некоторой постоянной C. Действительно,из свойства 6 математических ожиданий вытекает: соотношения (X − EX)2 ≥ 0 иE(X − EX)2 = 0 влекут P(X − EX = 0) = 1.4. D(CX) = C 2 DX; в частности, D(−X) = DX. Это вновь следует из определения: D(CX) = E(CX − ECX)2 = C 2 E(X − EX)2 = C 2 DX.5.

D(X + C) = DX. Следует из определения: E(X + C − E(X + C))2 = E(X + C −EX − C))2 = DX.6. Если X и Y независимы, то D(X ± Y ) = DX + DY .Доказательство.D(X ± Y ) = E(X ± Y − E(X ± Y ))2 = E((X − EX) ± (Y − EY ))2= E(X − EX)2 + E(Y − EY )2 ± 2E((X − EX)(Y − EY ))= DX + DY ± 2Cov(X, Y ),где обозначеноCov(X, Y ) = E((X − EX)(Y − EY )).46Эта величина называется ковариацией между случайными величинами X и Y .

Если X и Y независимы, то X − EX и Y − EY также независимы и по свойству 4математических ожиданий имеемCov(X, Y ) = E((X − EX)(Y − EY )) = E(X − EX)E(Y − EY ) = 0.Примеры. 1. Пусть X ⊂= Bp . ТогдаEX 2 = 1 · p + 0 · (1 − p) = p,EX = p, DX = p − p2 = p(1 − p).2. Если X ⊂= Bn,p , то можно считать, что X есть число успехов в n испытанияхБернулли (распределение то же самое). Как мы видели выше, в этом случае X можнопредставить в виде суммы X = X1 + . . .

+ Xn , где все Xi распределены по законуБернулли. Теперь добавим, что они независимы, коль скоро строятся по независимымиспытаниям. ПоэтомуDX = DX1 + . . . + DXn = np(1 − p).3. Пусть X ⊂= Φα,σ2 . Нахождение DX упростится, если мы сведем все к стандартному нормальному закону. Обозначим Y = (X − α)/σ, тогда Y ⊂= Φ0,1 и X = σY + α.В силу свойств дисперсии DX = σ 2 DY , поэтому достаточно найти DY . Интегрируяпо частям, получаемZ ∞Z ∞1122 −t2 /22t edt = √t d(−e−t /2 ) =EY = √2π −∞2π −∞½¾ Z ∞Z ∞∞1−t2 /2−t2 /2= √−te| +edt =ϕ0,1 (t)dt = 1.2π−∞−∞−∞Поскольку EY = 0, то DY = 1 и DX = σ 2 .Таким образом, параметры нормального распределения обладают вполне конкретным физическим содержанием: α совпадает с математическим ожиданием, а σ 2— с дисперсией.3.4.Коэффициент корреляцииКоэффициент корреляции — это числовая характеристика, которая вводится дляпары случайных величин с целью показать, насколько они зависимы.Определение.

Коэффициентом корреляции называетсяCov(X, Y )E((X − EX)(Y − EY ))E(XY ) − EXEY√√ρ(X, Y ) = √==.DX DYDX DYDX DYКоэффициент корреляции вводится не для всякой пары случайных величин: необходимо, чтобы существовали вторые моменты EX 2 и EY 2 , а также, чтобы DX > 0,DY > 0. Последнее ограничение означает, что X и Y отличны от констант.Для вычисления коэффициента корреляции необходимо знать совместное распределение пары (X, Y ). Если, к примеру, известна плотность fX,Y (u, v), то смешанныймомент вычисляется по формулеZ∞ Z∞E(XY ) =uv fX,Y (u, v) du dv−∞ −∞47(мы применяем здесь правило вычисления матожидания функции g(X, Y ) = X · Y ).Как ранее установлено, одномерные плотности получаются из двумерной интегрированием:ZZ∞fX (u) =∞fX,Y (u, v) dv, fY (v) =−∞fX,Y (u, v) du,−∞далее матожидания и дисперсии вычисляются по известным формулам.Свойства коэффициента корреляции1.

|ρ(X, Y )| ≤ 1.Доказательство. Введем случайные величиныX − EXX1 = √,DXY − EYY1 = √.DYЗдесь к каждой случайной величине применена операция стандартизации, котораясостоит в вычитании матожидания и делении на корень квадратный из дисперсии.Она производится с единственной целью: добиться, чтобы математическое ожиданиестало нулевым, а дисперсия — единичной. Действительно,µ¶211DXEX1 = √E(X − EX) = 0, DX1 = √D(X − EX) == 1.DXDXDXКроме того,ρ(X, Y ) = EX1 Y1 = Cov(X1 , Y1 ).Как уже было установлено,D(Y1 ± X1 ) = DX1 + DY1 ± 2Cov(X1 , Y1 ) = 2 ± 2ρ(X, Y ) ≥ 0.Последнее неравенство эквивалентно тому, что −1 ≤ ρ(X, Y ) ≤ 1.2. |ρ(X, Y )| = 1 тогда и только тогда, когда для некоторых констант a 6= 0 и bвыполняется Y = aX + b.Доказательство. Если Y = aX + b, тоρ(X, Y ) ==E((X − EX)(aX + b − E(aX + b)))p=DX D(aX + b)E((X − EX)(aX + b − aEX − b))aE(X − EX)2ap=== ±1|a|DX|a|DX a2 DX)в зависимости от знака числа a.В другую сторону: пусть, к примеру, ρ(X, Y ) = 1.

Характеристики

Список файлов книги

Свежие статьи
Популярно сейчас
А знаете ли Вы, что из года в год задания практически не меняются? Математика, преподаваемая в учебных заведениях, никак не менялась минимум 30 лет. Найдите нужный учебный материал на СтудИзбе!
Ответы на популярные вопросы
Да! Наши авторы собирают и выкладывают те работы, которые сдаются в Вашем учебном заведении ежегодно и уже проверены преподавателями.
Да! У нас любой человек может выложить любую учебную работу и зарабатывать на её продажах! Но каждый учебный материал публикуется только после тщательной проверки администрацией.
Вернём деньги! А если быть более точными, то автору даётся немного времени на исправление, а если не исправит или выйдет время, то вернём деньги в полном объёме!
Да! На равне с готовыми студенческими работами у нас продаются услуги. Цены на услуги видны сразу, то есть Вам нужно только указать параметры и сразу можно оплачивать.
Отзывы студентов
Ставлю 10/10
Все нравится, очень удобный сайт, помогает в учебе. Кроме этого, можно заработать самому, выставляя готовые учебные материалы на продажу здесь. Рейтинги и отзывы на преподавателей очень помогают сориентироваться в начале нового семестра. Спасибо за такую функцию. Ставлю максимальную оценку.
Лучшая платформа для успешной сдачи сессии
Познакомился со СтудИзбой благодаря своему другу, очень нравится интерфейс, количество доступных файлов, цена, в общем, все прекрасно. Даже сам продаю какие-то свои работы.
Студизба ван лав ❤
Очень офигенный сайт для студентов. Много полезных учебных материалов. Пользуюсь студизбой с октября 2021 года. Серьёзных нареканий нет. Хотелось бы, что бы ввели подписочную модель и сделали материалы дешевле 300 рублей в рамках подписки бесплатными.
Отличный сайт
Лично меня всё устраивает - и покупка, и продажа; и цены, и возможность предпросмотра куска файла, и обилие бесплатных файлов (в подборках по авторам, читай, ВУЗам и факультетам). Есть определённые баги, но всё решаемо, да и администраторы реагируют в течение суток.
Маленький отзыв о большом помощнике!
Студизба спасает в те моменты, когда сроки горят, а работ накопилось достаточно. Довольно удобный сайт с простой навигацией и огромным количеством материалов.
Студ. Изба как крупнейший сборник работ для студентов
Тут дофига бывает всего полезного. Печально, что бывают предметы по которым даже одного бесплатного решения нет, но это скорее вопрос к студентам. В остальном всё здорово.
Спасательный островок
Если уже не успеваешь разобраться или застрял на каком-то задание поможет тебе быстро и недорого решить твою проблему.
Всё и так отлично
Всё очень удобно. Особенно круто, что есть система бонусов и можно выводить остатки денег. Очень много качественных бесплатных файлов.
Отзыв о системе "Студизба"
Отличная платформа для распространения работ, востребованных студентами. Хорошо налаженная и качественная работа сайта, огромная база заданий и аудитория.
Отличный помощник
Отличный сайт с кучей полезных файлов, позволяющий найти много методичек / учебников / отзывов о вузах и преподователях.
Отлично помогает студентам в любой момент для решения трудных и незамедлительных задач
Хотелось бы больше конкретной информации о преподавателях. А так в принципе хороший сайт, всегда им пользуюсь и ни разу не было желания прекратить. Хороший сайт для помощи студентам, удобный и приятный интерфейс. Из недостатков можно выделить только отсутствия небольшого количества файлов.
Спасибо за шикарный сайт
Великолепный сайт на котором студент за не большие деньги может найти помощь с дз, проектами курсовыми, лабораторными, а также узнать отзывы на преподавателей и бесплатно скачать пособия.
Популярные преподаватели
Добавляйте материалы
и зарабатывайте!
Продажи идут автоматически
6417
Авторов
на СтудИзбе
307
Средний доход
с одного платного файла
Обучение Подробнее