terver / terver1
.PDFСвойство 6. Случайная величина имеет дискретное распределение тогда и только тогда, когда функция распределения F — ступенчатая функция. При этом возможные значения — точки ai скачков F , è pi = P( = ai) = F (ai+0) F (ai) — величины скачков.
Упражнение. Доказать, что любая функция распределения имеет не более чем счетное число точек разрыва (или «скачков»). Указание. Сколько скачков величиной более 1/2 может иметь функция распределения? А величиной более 1/3? Более 1/4?
В следующей главе мы рассмотрим случайные величины, функции распределения которых не удовлетворяют свойству 6 хотя бы потому, что они вовсе не имеют разрывов. Более того, мы выделим класс функций распределения, которые «восстанавливаются по своей производной» с помощью интегрирования (так называемые абсолютно непрерывные функции).
40
Раздел 8. Абсолютно непрерывные распределения
Определение 29.
Случайная величина имеет абсолютно непрерывное распределение, если существует неотрицательная функция f (x) такая, что для любого x 2 R функция распределения F (x) представима в виде
|
x |
|
При этом функция f (x) называется плотностью рас- |
|
F (x) = |
Z |
f (t) dt: |
||
пределения случайной величины . |
||||
|
1 |
|
|
Теорема 20.
Плотность распределения обладает свойствами:
|
1 |
(f1) f (x) > 0 для любого x; (f2) |
R1 f (t) dt = 1. |
Доказательство. (f1) выполнено по определению плотности. Докажем (f2).
1 |
x |
ZZ
def |
lim |
f (t) dt = lim F (x) = 1 по свойству (F2) функций распределения. |
f (t) dt = |
||
1 |
x!1 |
x!1 |
1 |
|
Эти два свойства полностью характеризуют класс плотностей:
Лемма 3. Если функция f обладает свойствами (f1) è (f2), то существует вероятностное пространство и случайная величина на нем, для которой f является плотностью распределения.
Доказательство. Пусть есть область, заключенная между осью абсцисс и графиком функции f («подграфик» функции f). Площадь области равна 1 по свойству (f2). И пусть случайная величина есть абсцисса точки, наудачу брошенной в эту область. Тогда (вспомнить геометрическую вероятность) для любого x 2 R
F (x) = P( < x) = P(точка попала в область Dx) = |
площадь x |
x |
f(t) dt; |
= Z |
|||
|
площадь D |
|
|
|
|
1 |
|
то есть f является плотностью распределения случайной величины .
Свойства плотностей
(f3) Если случайная величина имеет абсолютно непрерывное распределение, то ее функция распределения всюду непрерывна.
x
R
Доказательство. Этот факт следует из представления F (x) = f (t) dt и непрерыв-
1
ности интеграла как функции верхнего предела.
41
Следствие 5. Если случайная величина имеет абсолютно непрерывное распределение, то P( = x) = 0 для любого x 2 R.
(f4) Если случайная величина имеет абсолютно непрерывное распределение, то ее
d
dxF (x)
Замечание 15. Термин для «почти всех» означает «для всех, кроме (возможно) x из некоторого множества нулевой меры (длины)». Заметьте, что стоящую под интегралом функцию можно изменить в одной точке (или на множестве нулевой длины), и интеграл («площадь подграфика») от этого не изменится.
(f5) Если случайная величина имеет абсолютно непрерывное распределение, то
P(a < < b) = P(a 6 < b) = P(a < 6 b) = P(a 6 6 b) = Za |
b |
|||
f (t) dt: |
||||
Доказательство. Действительно, |
|
|
|
|
|
b |
a |
|
|
P(a 6 < b) = F (b) F (a) = |
Z |
f (t) dt Z |
f (t) dt: |
|
|
1 |
1 |
|
|
Остальные равенства вытекают из следствия 5.
8.1Примеры абсолютно непрерывных распределений
Равномерное. Это распределение нам уже знакомо. Говорят, что имеет равномерное
распределение на отрезке [a; b], и пишут = Ua;b, åñëè |
8 |
|
|
|
|
||||||||
F (x) = P( < x) = |
8x a |
; a x b |
f (x) = |
|
1 |
|
; a x b |
||||||
|
|
|
0; |
|
x < a; |
|
|
0; |
|
|
x < a; |
||
|
|
> b a |
6 6 |
|
>b a |
6 6 |
|||||||
|
|
|
> |
|
|
|
|
|
> |
|
|
|
|
|
|
|
< |
|
|
x > b; |
|
|
< |
|
|
x > b: |
|
|
|
|
>1; |
|
|
|
>0; |
|
|
||||
|
|
|
> |
|
|
|
|
|
> |
|
|
|
|
Заметьте, что в точках |
a |
|
b |
|
|
недифференцируема, и плот- |
|||||||
|
è: функция распределения |
|
: |
|
|
|
|
ность можно задать как угодно.
Показательное. Говорят, что имеет показательное распределение с параметром ,
> 0 и пишут = E , если |
|
( e x; x > 0: |
|
(1 e x; x > 0; |
|||
0; |
x < 0; |
0; |
x < 0; |
F (x) = P( < x) = |
|
f (x) = |
|
Показательное распределение является единственным абсолютно непрерывным распределением, для которого выполнено свойство «нестарения» (и в этом смысле оно является непрерывным аналогом дискретного геометрического распределения).
Теорема 21. Свойство «нестарения». |
Пусть = E . Тогда для любых x; y > 0 |
P( > x + y |
> x) = P( > y): |
Упражнение 10. Доказать «свойство |
нестарения». |
42
Упражнение 11. Доказать, что если неотрицательная случайная величина имеет абсолютно непрерывное распределение и обладает свойством «нестарения», то есть для любых x; y > 0
P( > x + y > x) = P( > y);
то она имеет показательное распределение с некоторым параметром .
Нормальное. Говорят, что имеет нормальное распределение с параметрами a и 2, где a 2 R, > 0, и пишут = Na; 2 , если имеет следующую плотность распределения:
|
1 |
|
|
(x a)2 |
||
f (x) = |
|
2 2 |
для любого x 2 R: |
|||
p |
|
e |
|
|
||
2 |
|
Убедимся, что f (x) действительно является плотностью распределения. Так как f (x) > 0 для всех x 2 R, то свойство (f1) выполнено. Проверим выполнение (f2). Используем табличный интеграл (интеграл Пуассона)
1 |
|
Z |
e x2=2 dx = p2 : |
1
Z
1
1
Этот интеграл вычисляется так: |
R |
R |
R R |
1 e x2=2 dx |
1 e y2=2 dy = |
1 1 e (x2+y2)=2 dx dy = |
|
|
1 |
1 |
1 1 |
(цилиндрическая замена переменных x = r cos , y = r sin ,
2 1
R R re r2=2
0 0
1
Z
f (x) dx =
1
dr d = |
2 1e r2 |
=2 d(r2=2) d = 2 . |
|
|
|
|||||||||
|
|
R |
R |
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
0 |
|
|
|
|
|
|
|
|
|
|
|
p2 e |
(x |
a)2 |
замена переменных |
|||||||||||
|
2 |
|||||||||||||
2 |
|
dx = " t = x a |
, dx = dt |
|||||||||||
1 |
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
1 |
1 |
|
|
|
t2 |
=2 |
||
|
|
|
|
|
|
= Z |
p |
|
|
e |
|
dt = |
||
|
|
|
|
|
|
2 |
|
|
|
|||||
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
#
=
1
Z
p1
2
1
dx dy = r dr d ) =
e t2=2 dt = 1:
Нормальное (иначе называемое гауссовским по имени Карла Гаусса, см. график плотности на купюре 10 DM) распределение играет исключительно важную роль в теории вероятностей, поэтому мы очень подробно изучим все свойства этого распределения.
8.2Свойства нормального распределения
Нормальное распределение задается, как мы видим, с помощью плотности распределения. Связано это с тем, что нельзя выписать первообразную от функции e x2 иначе как в виде интеграла, поэтому функцию распределения этого закона можно записать лишь в таком виде:
x |
|
|
|
2 |
|
F (x) = a; 2 (x) = Z |
p2 e |
(t a2) |
|
dt: |
|
2 |
|
||||
|
1 |
|
|
|
|
1 |
|
|
|
|
|
Мы часто будем использовать обозначение a; 2 (x) для функции распределения нормального распределения с параметрами a и 2.
43
Исключительно полезно нарисовать график плотности и функции распределения (отметив точки экстремума, перегибов, посчитав значение в точке максимума плотности и расстояние между точками перегибов). График плотности и функции распределения нормального распределения можно также посмотреть здесь: http://www.nsu.ru/mmf/tvims/chernova/PlotDist.html.
Стандартное нормальное распределение
Нормальное распределение Na; 2 ïðè a = 0 è 2 = 1 называется стандартным нор-
мальным распределением. |
|
Плотность стандартного нормального распределения име- |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
åò âèä f (x) = |
1 |
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 R, а функция распределения 0;1(x) = |
||||||||||||||||||||||||||||||||||||||||
|
p |
|
|
|
e x |
=2 |
|
|
при любом x |
||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
2 |
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
x |
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
Z |
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
p |
|
e t =2 dt табулирована (то есть ее значения вычислены при многих x) почти |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
2 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
во всех математических справочниках. Установим связь между a; 2 è 0;1. |
|
|
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Свойство 7. |
|
|
|
|
|
Для любого x |
2 R |
справедливо соотношение |
|
|
|
2 (x) = |
|
|
|
|
x a |
. |
|||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
a; |
|
|
|
|
|
|
|
0;1 |
|
|||||||||
Доказательство. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
замена переменных |
|
|
|
x a |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
x |
|
|
1 |
|
|
|
e |
(t a) |
|
|
|
|
|
|
|
2 y = |
t |
|
a |
|
|
|
|
|
|
|
3 |
|
|
|
|
|
1 |
|
|
e |
y2=2 |
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||
|
|
|
|
2 (x) = |
|
|
|
|
|
|
2 2 |
|
|
dt = |
|
|
|
, dt = dy |
= |
|
|
|
|
|
|
|
|
dy = |
|||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||
|
a; |
|
Z |
|
p2 |
|
|
|
|
|
|
|
|
|
|
|
6 t = x |
|
|
|
y = |
x a |
7 |
|
|
Z |
|
p2 |
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
7! |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
6 |
|
|
|
|
|
|
|
|
|
|
|
7 |
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
4 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
5 |
|
|
= |
|
|
|
|
|
x a |
|
: |
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0;1 |
|
|
|
|
|
|
|||||||
То же самое на языке случайных величин можно сформулировать так: |
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Следствие 6. |
|
Åñëè = N |
|
|
|
2 , |
òî |
= |
a |
= N |
|
|
. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
a; |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0;1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
Доказательство. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
F |
(x) = P( < x) = P |
|
a |
< x = P( < x + a) = |
|
|
2 ( x + a) = |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
a; |
|
= 0;1 |
x + a a |
= 0;1(x): |
||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
Следствие 7. |
|
Åñëè = Na; 2 , |
òî |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0;1 |
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||
|
|
|
|
|
P(x |
|
< < x |
) = |
|
|
|
2 |
(x |
) |
|
|
|
|
2 |
(x |
) = |
|
|
|
x2 a |
|
|
|
x1 a |
|
: |
|
|
||||||||||||||||||||||||||||||
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
2 |
|
|
|
a; |
|
|
|
2 |
|
|
a; |
|
|
1 |
|
|
0;1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Как мы видим, вычисление любых вероятностей для нормально распределенной слу- чайной величины сводится к вычислению функции распределения 0;1. Ее свойства (нарисовать их на графике плотности стандартного нормального распределения!!):
Свойство 8. |
0;1 |
(0) = 0:5. |
Свойство 9. |
0;1 |
( x) = 1 0;1(x). |
44
Свойство 10. |
|
|
Åñëè |
= N0;1, |
òî P(j j < x) = 1 2 0;1( x) = 2 0;1(x) 1. |
||||||||||||||
Доказательство. |
P(j j < x) = P( x < < x) = 0;1(x) 0;1( x) = (по свойству 9) |
||||||||||||||||||
= 1 2 0;1( x) = 2 0;1(x) 1. |
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
Свойство 11 («Правило трех сигм»). Åñëè |
= Na; 2 , |
òî |
|
|
|
|
|||||||||||||
|
|
|
|
P(j aj > 3 ) = 0:0027 |
|
(мало, в общем :): |
|
|
|||||||||||
Доказательство. |
|
j |
|
|
j |
j |
|
|
|
|
|
|
|
|
|
|
|||
|
j |
|
> 3 ) = 1 |
< 3 ) = 1 |
P |
|
|
||||||||||||
P( |
|
|
a |
|
P( |
a |
|
|
a |
|
< 3 : |
||||||||
|
|
|
|
a |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Но величина = |
|
|
|
имеет стандартное нормальное распределение, |
и можно исполь- |
||||||||||||||
|
|
|
|||||||||||||||||
зовать свойство 10: |
|
1 P(j j < 3) = 1 (1 2 0;1( 3)) = 2 0;1( 3) = 2 0:00135 = 0:0027 |
(найти в таблице!).
Смысла в запоминании числа 0.0027 нет никакого, а вот помнить, что почти вся масса нормального распределения сосредоточена в границах [a 3 ; a + 3 ], всегда полезно.
45
Раздел 9. Случайные вектора и их распределения
Определение 30. Если случайные величины 1; : : : ; n заданы на одном вероятностном пространстве, то вектор ( 1; : : : ; n) мы будем называть случайным вектором.
Определение 31. Функция F 1;:::;n (x1; : : : ; xn) = P( 1 < x1; : : : ; n < xn) называется
функцией распределения случайного вектора ( 1; : : : ; n) èëè функцией совместного рас-
пределения случайных величин 1; : : : ; n.
9.1Свойства функции совместного распределения
Для простоты обозначений все дальнейшие рассуждения и формулировки приво-
дятся в случае n = 2 для случайного вектора ( 1; 2). |
|
|
|||
F0) |
0 6 F 1;2 (x1; x2) 6 1. |
|
|
|
|
F1) |
F 1;2 (x1; x2) не убывает по каждой координате вектора (x1; x2). |
|
|
||
F2) |
Для любого i = 1; 2 существует |
lim |
F 1;2 (x1; x2) = 0; |
|
|
|
xi! 1 |
F 1;2 (x1; x2). Ïðè ýòîì |
|
|
|
|
Для любого i = 1; 2 существует |
lim |
|
|
|
|
|
xi!1 |
|
|
|
|
def |
|
def |
(x1; x2) = F 1 |
(x1): |
|
F 1;2 (1; x2) = x1lim F 1;2 (x1; x2) = F 2 (x2); F 1;2 (x1; 1) = x2lim F 1;2 |
||||
|
!1 |
|
!1 |
|
|
F3) |
Функция F 1;2 (x1; x2) по каждой координате вектора (x1; x2) непрерывна слева. |
|
Доказательство этих свойств совершенно аналогично одномерному случаю.
Только теперь этих свойств оказывается недостаточно для описания класса функций совместного распределения. Иначе говоря, выполнение этих свойств для некоторой функции F : R2 ! R вовсе не гарантирует, что эта функция является функцией распределения некоторого случайного вектора.
Упражнение 12. Доказать, что функция
(
F (x1; x2) =
0; x1 6 0 èëè x2 6 0 èëè x1 + x2 6 1;
1; иначе, то есть когда одновременно x1 > 0; x2 > 0; x1 + x2 > 1:
a) удовлетворяет всем свойствам (F0)-(F3);
б) не является функцией распределения никакого вектора ( 1; 2) хотя бы потому, что, найдись такой вектор, найдется и прямоугольник [a1; b1] [a2; b2], вероятность попасть в который (вычисленная с помощью этой «функции распределения») отрицательна:
P(a1 6 1 < b1; a2 6 2 < b2) < 0!
Как же связана вероятность вектору попасть в прямоугольник с функцией распределения этого вектора?
Упражнение 13. Доказать, что
P(a1 6 1 < b1; a2 6 2 < b2) = F 1;2 (b1; b2) F 1;2 (a1; b2) F 1;2 (b1; a2) + F 1;2 (a1; a2): (12)
Оказывается, если потребовать дополнительно от функции F , чтобы для всякого прямоугольника [a1; b1] [a2; b2] вероятность P (a1 6 1 < b1; a2 6 2 < b2), связанная с функцией F равенством (12), была неотрицательна, то любая функция, обладающая этим свойством и свойствами (F0)-(F3), уже будет функцией распределения некоторого случайного вектора.
46
На самом деле существо свойства (F2) в той его части, что касается предела на бесконечности, весьма туманно. Утверждает это свойство гораздо больше, чем просто «предел функции совместного распределения при стремлении одной координаты к бесконечности есть тоже функция распределения». Но как в общем случае проверить, что это не просто «некая функция распределения», но функция распределения оставшейся координаты вектора ( 1; 2)? Если, не лукавя, рассмотреть в упражнении 12
F1(x1) = limx2!1 F (x1; x2) и F2(x2) = limx1!1 F (x1; x2), то обе эти функции являются функциями распределения (вырожденного закона, т.е. случайных величин 1 = 0 и 2 = 0
п.н.). Но две вырожденные случайные величины независимы, и их функция совместного распределения равна 1 в первом квадранте (не включая его границу) и нулю в остальных квадрантах, но никак не равна F . Оставляю на суд читателя вопрос о том, выполнено ли все-таки условие (F2) для F из упражнения 12.
9.2Типы многомерных распределений
Ограничимся рассмотрением только двух случаев, когда совместное распределение координат случайного вектора ( 1; 2) ëèáî дискретно, ëèáî абсолютно непрерывно.
Дискретное совместное распределение
Определение 32. Говорят, что случайные величины 1; 2 имеют дискретное совместное распределение, если существует конечный или счетный набор fai; bjg такой, что
11
XX
P( 1 = ai; 2 = bj) = 1:
i=1 j=1
Таблицу, на пересечении i-й строки и j-го столбца которой (или наоборот) стоит число
P( 1 = ai; 2 = bj), называют таблицей совместного распределения случайных величин
1 è 2.
Замечание 16. Напомню, что таблицы распределения каждой из случайных величин1, 2 в отдельности (таблицы частных, или маргинальных распределений) восстанавливаются по таблице совместного распределения с помощью очевидных формул:
1 |
1 |
|
X |
Xi |
= ai; 2 = bj) = P( 2 = bj): |
P( 1 = ai; 2 = bj) = P( 1 = ai); |
P( 1 |
|
j=1 |
=1 |
|
Если эти формулы вам не представляются очевидными, необходимо вернуться к разделу 4 и перечитать определение 18 полной группы событий, обратив также внимание на доказательство теоремы 8 (формулы полной вероятности).
Абсолютно непрерывное совместное распределение
Определение 33. Говорят, что с.в. 1; 2 (заданные на одном вероятностном пространстве) имеют абсолютно непрерывное совместное распределение, если существует функция f 1; 2 (x1; x2) > 0 такая, что для любой точки (x1; x2) 2 R2
F 1; 2 (x1; x2) = P( 1 < x1; 2 < x2) = |
x1 0 |
x2 |
f 1; 2 (s1; s2) ds21 ds1: |
|
|
Z |
@ |
Z |
A |
|
1 |
1 |
Если такая функция f 1; 2 (x1; x2) существует, она называется плотностью совместного распределения случайных величин 1; 2.
47
Замечание 17. Для всего дальнейшего более чем достаточно считать, что
b1 0 |
b2 |
1 |
Z |
Z |
f(s1; s2) ds2A ds1 |
@ |
|
|
a1 |
a2 |
|
равняется объему под графиком функции f над областью интегрирования — прямоугольником [a1; b1] [a2; b2].
Плотность совместного распределения обладает свойствами, аналогичными свойствам плотности распределения одной случайной величины:
(f1) f 1; 2 (x1; x2) > 0 для любых x1; x2 2 R; |
(f2) |
1 |
1 f 1; 2 (x1; x2) dx2 |
! dx1 = 1. |
|
|
R1 |
R1 |
|
Более того, любая функция, обладающая этими свойствами, является плотностью некоторого совместного распределения.
Если совместное распределение абсолютно непрерывно, то по функции совместного распределения его плотность находится как смешанная частная производная:
|
|
@2 |
|
||
(f3) f 1; 2 |
(x1 |
; x2) = |
|
|
F 1; 2 (x1; x2). |
@x1 |
|
||||
|
|
|
@x2 |
Из свойства (F2) функции совместного распределения вытекает следующее утверждение. Для n > 2 это утверждение, как и свойство (F2), выглядит существенно иначе!
Теорема 22. Если случайные величины 1; 2 имеют абсолютно непрерывное совместное распределение с плотностью f(x1; x2), òî 1 è 2 в отдельности также имеют абсолютно непрерывное распределение с плотностями:
|
1 |
|
|
|
1 |
|
|
|
|
|
|
f 1 (s1) = Z |
f(s1; s2) ds2; |
|
f 2 (s2) = Z |
f(s1; s2) ds1: |
|
|
|||
|
1 |
|
|
|
1 |
|
|
|
|
|
|
Доказательство. Ïî (F2), |
|
x1 0 |
|
f(s1; s2) ds21 ds1 |
|
x1 0 |
1 f(s1; s2) ds2 |
1 ds1; |
|
F 1 |
(x1) = x2lim F 1; 2 (x1; x2) = x2lim |
x2 |
= |
|||||||
|
!1 |
!1 Z |
Z |
A |
|
Z |
Z |
A |
||
|
|
|
1 @ 1 |
|
1 @ 1 |
F 2 (x2) =
=
|
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
} |
|
и, аналогично, |
x1 |
0 |
x2 |
f(s1; s2) ds2 |
1 ds1 |
= |
1 |
|
x2 |
f 1{z(s1) |
|
|||||
x1lim |
F 1; 2 (x1; x2) = x1lim |
Z |
0 |
Z |
f(s1; s2) ds2 |
1 ds1 = |
||||||||||
!1 |
|
!1 Z |
|
|
A |
|
Z |
|
|
|
|
|
A |
|||
x2 |
1 |
1 @ 1 |
|
|
1 @ 1 |
|
|
|
||||||||
0 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ZZ
@f(s1; s2) ds1A ds2:
1 1
| {z }
f 2 (s2)
9.3Независимость случайных величин
Определение 34. Случайные величины 1; : : : ; n независимы, если для любого набора множеств B1 R, : : : , Bn R (из борелевской -алгебры — для тех, кто прочитал, что это такое, или произвольных — для тех, кто не прочитал) имеет место равенство:
P( 1 2 B1; : : : ; n 2 Bn) = P( 1 2 B1) : : : P( n 2 Bn):
48
Это определение можно сформулировать в терминах функций распределения:
Определение 35. Случайные величины 1; : : : ; n независимы, если для любых x1; : : : ; xn имеет место равенство:
F 1;:::; n (x1; : : : ; xn) = F 1 (x1) : : : F n (xn):
Упражнение 14. Доказать, что из независимости в смысле определения 34 следует независимость в смысле определения 35 (доказательство в обратную сторону см. (только см.!) в §4 гл.3 учебника А.А.Боровкова «Теория вероятностей»).
Для случайных величин с дискретным распределением эквивалентное определение независимости выглядит так:
Определение 36. Случайные величины 1; : : : ; n с дискретным распределением независимы, если для любых a1; : : : ; an имеет место равенство:
P( 1 = a1; : : : ; n = an) = P( 1 = a1) : : : P( n = an):
Упражнение 15. Доказать, что для случайных величин с дискретным распределением определения 34 è 36 эквивалентны.
Для случайных величин с абсолютно непрерывным совместным распределением определение независимости можно сформулировать так:
Определение 37. Случайные величины 1; : : : ; n с абсолютно непрерывным совместным распределением независимы, если плотность совместного распределения равна произведению плотностей случайных величин 1; : : : ; n, то есть для любых x1; : : : ; xn имеет место равенство: f 1;:::; n (x1; : : : ; xn) = f 1 (x1) : : : f n (xn).
Доказательство. Докажем эквивалентность определений 35 è 37. По теореме 22, если совместное распределение 1; : : : ; n абсолютно непрерывно, то и в отдельности1; : : : ; n также имеют абсолютно непрерывное распределение. Пусть случайные вели- чины 1; : : : ; n независимы в смысле определения 35, то есть для любых x1; : : : ; xn
x1 xn
ZZ
: : : f 1;:::; n (s1; : : : ; sn) dsn : : : ds1 = F 1;:::; n (x1; : : : ; xn) =
1 1
=ïî îïð. 35 = F 1 (x1) : : : F n (xn) =
x1 |
|
xn |
x1 |
xn |
|
= Z |
f 1 (s1) ds1 : : : |
Z |
f n (sn) dsn = Z |
: : : Z |
f 1 (s1) : : : f n (sn) dsn : : : ds1: |
1 |
|
1 |
1 |
1 |
|
Равенство двух синих интегралов при всех значениях x1; : : : ; xn влечет равенство подынтегральных выражений, то есть независимость в смысле определения 37. Для доказательства в обратную сторону можно использовать те же равенства, но в другом порядке.
49