- •И математической статистики
- •Владивосток
- •Основные положения теории вероятностей
- •§ 1. Случайные события.
- •Решение задач типового варианта
- •§ 2. Случайные величины
- •Гипергеометрическое распределение
- •2.2. Числовые характеристики случайных величин.
- •2.4. Случайные векторы; совместная функция и совместная плотность распределения; формула композиции.
- •2.5. Числовые характеристики случайных векторов; характеристики
- •2.6 Характеристические и производящие функции и их свойства.
- •2.7 Распределение величин функций нескольких случайных величин; распределения хи-квадрат, Стьюдента и Фишера
- •Моменты: . (2.48.B)
- •Решение. 1) Так как , то, во-первых, из условия нормировки находим значение коэффициента μ:
- •Б) Функция распределения вероятностей
- •Так как . По свойствам функции распределения должны выполнятся условия:
- •В) Математическое ожидание и дисперсия данной случайной величины ξ равны:
- •Таким образом
- •Примечания: 1) функция Лапласа и интеграл ошибоксвязаны соотношением; 2)и.
- •Список литературы
- •Оглавление
- •Глава I. Основные положения теории вероятностей . . . . . . . . 4
- •§ 1. Случайные события . . . . . . . . . . . . . . . . . . . . . 4
- •§ 2. Случайные величины . . . . . . . . . . . . . . . . . . . . 33
2.6 Характеристические и производящие функции и их свойства.
В некоторых случаях по функции распределения или функции плотности вероятностей случайной величины можно построить некую функцию , для которой моменты распределения служат коэффициентами при разложении её в ряд по степеням t. В соответствии с этим свойством такие функции называются производящими функциями моментов (сокращённо – п.ф.м.). Требуемыми свойствами для любого распределения F(x) удовлетворяет функция
(2.31)
представляющая собой преобразование Лапласа распределения случайной величины ξ.
Для многих распределений интеграл или сумма в (2.31) при действительных значениях t не существуют, т.е в общем случае t является комплексной переменной. Поэтому более полезной вспомогательной функцией является так называемая характеристическая функция (сокращённо – х.ф.) случайной величины ξ, определяемая как математическое ожидание случайной величины – мнимая единица, т.е.
(2.32)
Если функция распределения F(x) имеет плотность f(x), то характеристическая функция случайной величины представляет собой преобразование Фурье для плотности вероятности: , причём справедливо и обратное преобразование
, (2.33)
что говорит о существовании между f(x) и φ(t) соотношения двойственности.
С в о й с т в а х а р а к т е р и с т и ч е с к и х ф у н к ц и й
1. Соответствие между множеством функций распределения и множеством характеристических функций, задаваемое формулой (2.32), является взаимно однозначным (теорема единственности) и непрерывным (предельная теорема Леви). В частности для непрерывных дифференцируемых функций распределения
;
.
2. Характеристическая функция φ(t) случайной величины ξ определена для любого t ∈ (-∞, ∞), причём
3. При изменении знака аргумента характеристическая функция меняется на комплексно – сопряжённую: .
4. Если случайные величины связаны соотношением то
5. Если ξ1, ξ2, …, – независимые случайные величины и ξ = (ξ1, ξ2, …, ) – случайный вектор, то
, (2.34)
что следует из определения характеристической функции многомерного распределения F(x1, x2, …, xn):
. (2.35)
6. Если имеется распределение F(x) случайной величины ξ и некоторая функция η = f(ξ), то её характеристическая функция определяется формулой
, (2.36)
причём плотность распределения g(y) случайной величины η определяется с помощью величины φη(t) и соотношения (2.34).
7. Если ξ1, …, ξn – независимые случайные величины и ξ =, то и в этом случае справедлива формула (2.34), поскольку композиция (свёртка) плотностей при прямом преобразовании Фурье переходит в произведение характеристических функций, соответствующих этим плотностям.
8. Характеристическая функция частного распределения любой группы k < n случайных величин, выбранных из ξ1, …, ξn , получается из , если положитьti =0 для всех (n – k) остальных, т.е. .
Обозначая символом дифференциальную операцию и применяя её к характеристической функции можно получить начальный момент порядкаr:
(2.37)
если только существует. В частности, если существуетMξ, то Mξ = ; если существуетDξ, то Dξ = .
Смешанные моменты порядкаk=k1+ k2+ …+ kn для целых индексов можно вычислить аналогично, используя многомерную характеристическую функцию (2.35):
, где t = 0 означает t1 = 0, t2 = 0, …, tn = 0.
Если ввести в рассмотрение , то входящие в это разложение в качестве коэффициентов семиинварианты вычисляются с помощью характеристической функции по формуле:
. (2.38)
Те же величины можно аналогично получить и с помощью производящих функций, но производящие функции существуют только в случае существования всех моментов, а характеристические функции – всегда.
П р и м е ры х а р а к т е р и с т и ч е с к и х ф у н к ц и й и
м о м е н т о в н е к о т о р ы х р а с п р е д е л е н и й
А) Д и к р е т н ы е
1°Биномиальное (Бернулли): ,
;
2° Пуассона: ,
3° Отрицательное биномиальное (при n = 1 – геометрическое или
Фарри): ;
4° Равномерное:
Б) Н е п р е р ы в н ы е
1° Равномерное (прямоугольное):
2° Экспоненциальное (показательное):
;
3° Нормальное (Гауссовское):
4° Коши:
νk и μk – не существуют ни при каких k.
5° Хи – квадрат (Пирсона):;
при k = n/2 – 1 и λ = ½ – распределениеЭрланга:, где гамма – функция Γ(q) определяется соотношением: для распределения Пирсона идля распределения Эрланга.
П р и м е р ы м н о г о м е р н ы х р а с п р е д е л е н и й
многомерное нормальное распределение:
плотность где –
– значение векторной случайной величины ;
; =
=– ковариационная матрица компонент вектора,– обратная матрица, знак “Т ” означает операцию транспонирования;
характеристическая функция .
многомерные обобщения биномиального и пуассоновского распределений:
пусть имеется N множеств объёма п каждое, элементы которых излечены
из разных генеральных совокупностей и вероятности pj, j = 1, …, n определяют долю элементов этих совокупностей, обладающих некоторым качеством ; вероятность обнаружить в любом из множеств т элементов, обладающих этим качеством, получается как член разложения в ряд выражения ;
характеристическая и кумулянтная функции выражаются формулами
; матожидание и дисперсия определяются выражениями
, где ;
при условии получаем обобщённое пуассоновское распределение схарактеристической функцией