Билет18
Теорема 2. Пусть Х1, Х2 – независимые дискретные случайные величины,
, , тогда
(4)
Доказательство. Представим событие Ax = {Х1+Х2 = x} в виде суммы несовместимых событий
Ax = å(Х1 = xi; Х2 = x – xi).
Так как Х1, Х2 – независимые то P(Х1 = xi; Х2 = x – xi) = P(Х1 = xi) P(Х2 = x – xi), тогда
P(Ax) = P(å(Х1 = xi; Х2 = x – xi)) = å(P(Х1 = xi) P(Х2 = x – xi)),
что и требовалось доказать.
Билет 19
Теорема 3. Если независимы случайные величины Х1, ..., Хn, то независимы также функции от этих случайных величин Y1 = f1(Х1), ...,Yn = fn(Хn).
Распределение Пирсона (c2-распределение). Пусть Х1, ..., Хn – независимые нормальные случайные величины с параметрами а = 0, = 1. Составим случайную величину
.
Закон распределения случайной величины называется -распределением (распределением Пирсона) с степенями свободы.
Ранее нами была найдена плотность распределения квадрата нормальной случайной
Написанное выражение соответствует плотности распределения c2 с числом степеней свободы n = 1. Получим плотность распределения при n = 2. Пусть – независимые нормально распределенные случайные величины: Хi N(0,1), i = 1,2. Так как Х1, Х2 независимы, то по теореме, сформулированной ранее независимы также .
Воспользуемся теоремой свёртки: n = 2, , тогда для t > 0
Таким образом,
Можно показать, что плотность для х > 0 имеет вид , где kn – некоторый коэффициент для выполнения условия. При n ® ¥ распределение Пирсона стремится к нормальному распределению.
Пусть Х1, Х2, …, Хn N(a,), тогда случайные величины N(0,1). Следовательно, случайная величина имеет 2 распределение с степенями свободы.
Распределение Пирсона табулировано и используется в различных приложениях математической статистики (например, при проверке гипотезы о соответствии закона распределения).
Распределение Стьюдента (t-распределение)
Пусть Х0, Х1, …,Х – независимы и Хi ~ ~N(0;σ), σ>0, тогда случайная величина имеет по определению t-распределение c степенями свободы. Плотность распределения Стьюдента имеет вид
.
Если ν → ∞, то распределение Стьюдента стремится к нормальному распределению.
График плотности распределения симметричен относительно прямой х = 0. По виду он напоминает нормальное распределение, но он более «пологий», с утяжеленными хвостами.
Обозначим F(x, σ) – функцию распределения случайной величины t. Если Хi ~ N(0;σ), то случайные величины также независимы и Yi ~ N(0, 1). Тогда
.
Таким образом, t-распределение не зависит от параметра σ.
Аналогично предыдущему можно показать, что если Xi – независимы, и Хi ~ N(a;σ), то распределение Стьюдента имеет также величина .
Если Хi ~ N(0, 1), i =1, …,, то получим, что распределение Стьюдента имеет случайная величина , где имеет 2-распределение.
Распределение Стьюдента табулировано и используется в различных приложениях математической статистики (например, при проверке гипотезы о равенстве средних).
Распределение Фишера (F-распределение)
Пусть Х0, Х1, …, Хn1, Хn1+1, …, Хn1+n2 – независимые нормально распределенные случайные величины Хi ~ N(0;σ), i = 1,2, …, n1+n2. Тогда случайная величина имеет распределение Фишера со степенями свободы n1, n2. Распределение Фишера также не зависит от параметра , т.е.
.
Если Xi – независимые и Хi ~ N(a;σ), то
имеет распределение Фишера.
Положим = 1, получим, что распределение Фишера имеет случайная величина
,
где – случайные величины, имеющие распределение .
При больших n1, n2 распределение Фишера приближается к нормальному.
Распределение Фишера табулировано и используется в различных приложениях математической статистики (например, при проверке гипотезы о равенстве дисперсий).