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

Рассмотрим случайную величину

Это частость наступления события А в n испытаниях

Используем неравенство Чебышева

где  - произвольное неотрицательное число

Рассмотрим

Получена теорема Бернулли.

Частость наступления произвольного события при числе испытаний стремящемся к бесконечности по вероятности сходится к теоретической вероятности наступления события.

Обоснование того, что - частость наступления события A заключается в следующем: с тоски зрения ранее приведенного определения, независимым испытаниям эквивалентны две схемы:

• проведение n раз одного и того же испытания

• проведение n независимых испытаний над n копиями одного и того же.

Аналогия: 100 раз монету подбрасывает 1 человек или 100 человек подбрасывают по одной монете.

Закон больших чисел.

Рассмотрим независимые: одинаково распределенные случайные величины X₁, X₂, ..., X_n с конечным мат. ожиданием и дисперсией.

Рассмотрим их среднее арифметическое

Используя вспомогательное неравенство получим

получаем

При числе испытаний, стремящихся к  среднее арифметическое по вероятности сходится к математическому ожиданию.

В любом университетском учебнике доказывается сходимость с вероятностью 1.

Использование закона больших чисел.

Пусть имеется одна случайная величина X, над которой проведено n испытаний. Результаты испытаний

Тогда в силу примечания, сделанного Бернулли, эти n-чисел можно считать результатом одного испытания над n-мерной случайной величиной, у которой X_i независимы и распределены как X, т.е.

Тогда является реализацией следующего

Для справедлив закон больших чисел, следовательно является хорошей оценкой величины X.

Основы теории характеристических функций

Комплексная случайная величина Z определяется с помощью двумерной случайной величины (X,Y) следующим выражением

Операции над комплексными случайными величинами совпадают с операциями над комплексными числами.

Рассмотрим скалярную функцию случайных аргументов и числа i.

тогда в теории вероятности математическое ожидание случайной величины вычисляется по тем же формулам, что и , просто i считают постоянным параметром.

Найдем мат.ожидание случайной величины Z.

1. Для комплексной случайной величины справедливы свойства аддитивности и мультиплекативности мат.ожидания.

2. Комплексные случайные величины Z₁ и Z₂ называются независимыми, если независимы между собой двумерные случайные величины , т.е. попарно независимы

Пусть Z₁ и Z₂ независимые комплексные случайные величины. Найдем мат.ожидание произведения

3.

а) дискретный случай

б) непрерывный случай

Двумерная случайная величина XY имеет плотность вероятности f(x,y).

Характеристической функцией действительной случайной величины X называется функция

Свойства характеристической функции

1. Для дискретного случая

2. Для непрерывного случая

Будем считать, что плотность вероятности f(x) существует, тогда

3.

Это свойство гарантирует, что характеристическая функция всегда существует

4. Пусть случайная величина

y=ax+b

5. Характеристическая функция суммы независимых случайных величин равна произведению характеристических функций.

Пусть

х_i - независимы

Тогда

Отсюда

6. Если у случайной величины Х конечен начальный момент n-го порядка, то

а) для - существуют к-е производные и при этом

б) имеет место разложение

Для того, чтобы полученное равенство было справедливо, необходимо доказать, что мы можем дифференцировать под знаком интеграла.

Для доказательства приведем ряд фактов.

1. Аналог теоремы Либега для интегралов Римана

Пусть функция интегрируема по Риману и при всех х

сходимость в каждой точке известна.