- •1. Случайные события. Частота. Вероятность.
- •Пространство элементарных событий, операции над событиями.
- •Классическая формула подсчета вероятностей. Комбинаторика.
- •Плотность вероятности
- •Свойства плотности вероятности
- •Плотность случайной величины
- •Замечания
- •Вопрос26
- •1. Введение.
- •Моменты
- •Свойства гамма-распределения
- •Связь с другими распределениями
- •Моделирование гамма-величин
- •Предмет математической статистики. Генеральная совокупность и выборка.
- •Метод наибольшего правдоподобия.
- •Определение
- •Свойства распределения Стьюдента
- •Моменты
Плотность вероятности
Пусть является вероятностной мерой на , то есть определено вероятностное пространство , где обозначает борелевскую σ-алгебру на . Пусть m обозначает меру Лебега на .
Определение 1. Вероятность называется абсолютно непрерывной (относительно меры Лебега) (), если любое борелевское множество нулевой меры Лебега также имеет вероятность ноль:
Если вероятность абсолютно непрерывна, то согласно теореме Радона-Никодима существует неотрицательная борелевская функция такая, что
,
где использовано общепринятое сокращение , и интеграл понимается в смысле Лебега.
Определение 2. В более общем виде, пусть - произвольное измеримое пространство, а μ и ν - две меры на этом пространстве. Если найдется неотрицательная измеримая функция f, позволяющая выразить меру ν через меру μ в виде ν(A) = ∫ fdμ, A
|
|
|
|
|
|
то такую функцию называют плотностью меры ν по мере μ, или производной Радона-Никодима меры ν относительно меры μ, и обозначают
.
Свойства плотности вероятности
-
Плотность вероятности определена почти всюду. Если f является плотностью вероятности и f(x) = g(x) почти всюду относительно меры Лебега, то и функция g также является плотностью вероятности .
-
Интеграл от плотности по всему пространству равен единице:
.
Обратно, если f(x) — неотрицательная п.в. функция, такая что , то существует абсолютно непрерывная вероятностная мера на такая, что f(x) является её плотностью.
-
Замена меры в интеграле Лебега:
,
где любая борелевская функция, интегрируемая относительно вероятностной меры .
Плотность случайной величины
Пусть определено произвольное вероятностное пространство , и случайная величина (или случайный вектор). X индуцирует вероятностную меру на , называемую распределением случайной величины X.
Определение 3. Если распределение абсолютно непрерывно относительно меры Лебега, то его плотность называется плотностью случайной величины X. Сама случайная величина X называется абсолютно непрерывной.
Таким образом для абсолютно непрерывной случайной величины имеем:
.
Замечания
-
Не всякая случайная величина абсолютно непрерывна. Любое дискретное распределение, например, не является абсолютно непрерывным относительно меры Лебега, а потому дискретные случайные величины не имеют плотности.
-
Функция распределения абсолютно непрерывной случайной величины X непрерывна и может быть выражена через плотность следующим образом:
.
В одномерном случае:
.
Если , то , и
.
В одномерном случае:
.
Вопрос№21
ЧИСЛОВЫЕ ХАРАКТЕРИСТИКИ СЛУЧАЙНЫХ ВЕЛИЧИН. В теории вероятности и во многих ее приложениях большое значение имеют различные числовые характеристики случайных величин. Основными из них являются математическое ожидание и дисперсия. 1. Математическое ожидание случайной величины и его свойства. Рассмотрим сначала следующий пример. Пусть на завод поступила партия, состоящая из N подшипников. При этом: m1 - число подшипников с внешним диаметром х1, m2 - число подшипников с внешним диаметром х2, . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . mn - число подшипников с внешним диаметром хn, Здесь m1+m2+...+mn=N. Найдем среднее арифметическое значение xср внешнего диаметра подшипника. Очевидно,
Внешний диаметр вынутого наудачу подшипника можно рассматривать как случайную величину , принимающую значения х1, х2, ..., хn, c соответствующими вероятностями p1=m1/N, p2=m2/N, ..., pn=mn/N, так как вероятность pi появления подшипника с внешним диаметром xi равна mi /N. Таким образом, среднее арифметическое значение xср внешнего диаметра подшипника можно определить с помощью соотношения
Пусть - дискретная случайная величина с заданным законом распределения вероятностей
Математическим ожиданием дискретной случайной величины называется сумма парных произведений всех возможных значений случайной величины на соответствующие им вероятности, т.е. *
|
(39) |
Возвращаясь к разобранному выше примеру, мы видим, что средний диаметр подшипника равен математическому ожиданию случайной величины - диаметру подшипника. Математическим ожиданием непрерывной случайной величины с плотностью распределения называется число, определяемое равенством
|
(40) |
При этом предпологается, что несобственный интеграл, стоящий в правой части равенства (40) существует. Рассмотрим свойства математического ожидания. При этом ограничимся доказательством только первых двух свойств, которое проведем для дискретных случайных величин. 1°. Математическое ожидание постоянной С равно этой постоянной. Доказательство. Постоянную C можно рассматривать как случайную величину , которая может принимать только одно значение C c вероятностью равной единице. Поэтому 2°. Постоянный множитель можно выносить за знак математического ожидания, т.е.
Доказательство. Используя соотношение (39), имеем
3°. Математическое ожидание суммы нескольких случайных величин равно сумме математических ожиданий этих величин:
|
|
4°. Математическое ожидание произведения двух независимых случайных величин равно произведению математических ожиданий этих величин **:
|
Вопрос№23
Вопрос№24