- •1. Простір елементарних подій. Випадкові події, операції над ними.
- •2. Частотне та класичне означення ймовірності
- •3. Імовірності в дискретних просторах елементарних подій.
- •4.Геометричне означення ймовірності.Парадокс Бертрана.Задача Бюффона
- •5. Аксіоматичне означення імовірності. Властивості імовірностей
- •6.Умовні ймовірності.Приклади
- •7.Формула повної імовірності та формула Байєса.
- •8.Незалежні події
- •9. Дискретні випадкові величини. Їх характеристики.
- •11. Дисперсія випадкових величин. Властивості.
- •12. Коефіцієнт кореляції випадкових величин
- •14. Схема Бернулі. Локальна теорема Муавра-Лапласа
- •16. Функція розподілу, щільність випадкових величин.
- •17. Рівномірний, показниковий та нормальний розподіли, їх характеристики.
- •18. Функції від неперервних випадкових величин
- •19. Багатовимірні розподіли.
- •20. Нерівність Чебишева
- •21. Типи збіжності випадкових величин
- •22. Генератриси, їх властивості.
- •24. Перша теорема Хелі
- •25. Друга Теорема Хеллі
- •26. Теорема неперервності
- •27. Теорема Пуассона
- •28. Закон великих чисел
- •29. Закон великих чисел. Теореми Чебишева та Маркова.
- •32. Дискретні ланцюги Маркова. Матриця перехідних ймовірностей.
- •Називається Ланцюгом Маркова
- •Рівність Чепмена-Колмогорова
- •33. Класифікація станів дискретного ланцюга Маркова
- •34. Рекурентні ланцюги Маркова.
- •36. Поняття випадкового процессу. Скінченновимірні розподіли випадкових процесів.
- •37. Процеси з незалежними приростами
- •38. Вінерівський процес (процес броунівського руху):
- •39.Пуассонівський процес
- •40. Процеси відновлення. Функція відновлення
- •42. Гіллясті процеси
- •43. Ланцюги Маркова з неперервним часом. Класифікація станів
- •44. Система диференціальних рівнянь Колмогорова для ланцюгів Маркова з неперервним часом.
Рівність Чепмена-Колмогорова
33. Класифікація станів дискретного ланцюга Маркова
К1: Стан ієЕ назив. неістотним, якщо стан j та n є Z, Pij(n)>0, але pij(m)=0 (назад не вертається), в протилежному випадку стан істотний.
Е=Е0(істот) Е1(неістот)
К2: два істотних стани i,j є Е0, називаються істотні стани, що сполучаються i j, якщо n, s Pij(n)>0, Pij(s)>0.
- відношення на множині цілих чисел; відношення буде задовільним, якщо викон-ся 3 властивості:
1) рефлективність: i j
2) симетричність: i j j i
3) транзитивність: якщо i k, a k j, то j i
Якщо відношення задовольняють умови 1,2,3 то таке відношення називається відношенням еквівалентності.
Теорема
Відношення еквівалентності розбиває Е на перетинаючи класи еквівалентності Е0= Е0і, r>=1.
E=E01 – неістотний ланцюг,якщо r=1, E1= .
Приклади
P= ( )
Е1={1,3}, E0={2,4}
E0={1,2,3,4}; E01={1,2}; E02={3,4}
K3: істотний стан ієЕ0 має період d, d=НСД(={n;pii>0}
Якщо i(стрілка сам в себе),то d=1, стан неперіодичний
К4: істотний стан і називається рекурентним, якщо , і нерекурентним, якщо . fi(n) – ймовірність І раз повернутися в стан і на n-ому кроці. fi(n)=P{ =i, }
Якщо множина станів Е скінчена, то будь-який істотний стан – рекурентний.
34. Рекурентні ланцюги Маркова.
Істотний стан і однорідного ланцюга Маркова називається рекурентним, якщо і не рекурентним, якщо , де - ймовірність перший раз повернутися в і на 1-му кроці.
Якщо множина станів Е – скінчена, то істотний стан – рекурентний.
Теор. Істотний стан рекурентний тоді, коли
Довед.
36. Поняття випадкового процессу. Скінченновимірні розподіли випадкових процесів.
Випадковий процес ξ(t) , tЄT (T={1,2…,n}) – параметричне сімейство випадкових величин. I=[0;∞], ξ(t), t≥0.
Cімейство функцій скінченно вимірного розподілу:
Ft1,t2,…,tn (A1,A2,…,An) = P(ξ(t1)Є A1 , ξ(t2)Є A2 ,…,ξ(tn)Є An ).
t1 , t2 ,…, tn Є[0;∞], A1,A2,…,An Є Fx
Ці функції задовольняють умовам узгодженості скінченновимірних розподілів:
Ft1,t2,…,tn (A1,A2,…,An-1,x)= Ft1,t2,…,tn-1 (A1,A2,…,An-1)
Ft1,t2,t3,…,tn (A1,A2,…,An)= Ft2,t1,t3,…,tn (A2,A1, A3…,An)
Теорема Колмогорова
Для будь-якого набору скінченновимірного розподілу, який задовольняє умові узгодженості,існує ймовірностний простір (Ω, F , Р), на якому заданий ξ(t), для яког йя система буде скінченновимірним розподілом.
Типи випадкових процесів
ПНЗ(процеси з незал. значеннями)
Ft1,t2,…,tn (A1,A2,…,An)= Ft1(A1) Ft2(A2)… Ftn(An)
Ft(A)=P(ξ(A) ЄA)
ПНП(Процес з незал. приростами)
t1< t2<… tn
Якщо ξ(t1), ξ(t2)- ξ(t1), ξ(t3)- ξ(t2),…, ξ(tn)- ξ(tn-1) прирости процесу незалежні, то
Ft(A)=P(ξ(t) ЄA)
Fs,t(B)=P(ξ(t)- ξ(s))ЄB
ξ(tn)=( ξ(tn)- ξ(tn-1))+( ξ(tn-1)- ξ(tn-2))…+(ξ(t2)- ξ(t1))+ ξ(t1)
ОПНП(однорідні процеси з незал. приростами)
Fs,t(B)=Ft-s(B)
ξ(t)- ξ(S) ξ(t+1)- ξ(S+1) ξ(t-S)- ξ(0)=0
φt(λ)=Meiλξ(t) = etk(λ)
k(λ) – кумулянта
k(λ) = iλa – t2σ2/2 + eiλx – 1 – ) dG(x), G(0)=0