Xreferat.com » Рефераты по математике » Теория вероятности и математическая статистика

Теория вероятности и математическая статистика

и математическая статистика" width="192" height="46" />

Вероятность первого события равна

Теория вероятности и математическая статистика

Вероятность второго события

Теория вероятности и математическая статистика

Следовательно

Теория вероятности и математическая статистика

Неравенство Чебышева

Рассмотрим случайную величину X с конечным мат. ожиданием и дисперсией Теория вероятности и математическая статистика

Для любого неотрицательного числа t вероятность наступления события

Теория вероятности и математическая статистика

Пусть Z - непрерывная случайная величина с плотностью вероятности f(Z). Пространство событий величины Z (0; ). Тогда имеет место неравенство

Теория вероятности и математическая статистика

Доказать неравенства

Теория вероятности и математическая статистика

Рассмотрим два сложных события

Теория вероятности и математическая статистика

a - произвольное действительное число.

Показать самим, что x - удовлетворяет и одному и другому неравенству.

Тогда Теория вероятности и математическая статистика справедливо

Теория вероятности и математическая статистика

В данном случае Теория вероятности и математическая статистика

Равномерность неравенств при >0

Теория вероятности и математическая статистика

Теория вероятности и математическая статистика

или, в частности, при a==MX

Теория вероятности и математическая статистика

при =t справедливо неравенство Чебышева.

 

Многомерные случайные величины.

Инженерная интерпретация.

Проводится испытание. В результате испытания фиксируется m числовых значений X1, X2, ...,Xm. Исход испытания случайный.

Пример: Испытание - реализация некоторой технологии выпуска продукта. Исход - численное значение m характеристик, оценив которые мы оценим качество продукта.

Т.к. в процессе реализации технологии на технологию действуют случайные факторы, то результат испытания неоднозначен.

Аксиоматика. Формальная вероятностная модель.

Имеется вероятностное пространство: (W , s , P). Зададим m числовых измеримых скалярных функций x 1(w ), ..., x m(w ). Каждая из этих функций является одномерной по определению. Возьмем m произвольных действительных чисел и рассмотрим событие A.

Теория вероятности и математическая статистика

Очевидно, что событие A является пересечением событий Ai вида:

Теория вероятности и математическая статистика

Т.к. каждое AiÎ s -алгебре, то и AÌ s -алгебре. Следовательно, существует вероятность наступления события A и существует числовая скалярная функция m действительных аргументов, которая определена для всех значений своих аргументов и численно равна вероятности наступления события A.

F(x1, x2, ...,xm)=P(A)

Это m-мерная функция распределения m-мерной случайной величены.

Свойства многомерного распределения:

Значение функции при значении хотя бы одного ее аргумента равного -¥ , равно 0, как вероятность невозможного события.

Значение функции, при всех значениях ее аргументов равных +¥ , равно 1, как вероятность достоверного события.

Функция не убывает по любой совокупности ее аргументов.

Функция непрерывна почти всюду (для инженерной практики это означает, что на конечном, либо счетном множестве аргументов она может иметь скачки 1-го рода).

Рассмотрим арифметическое пространство Теория вероятности и математическая статистика и зададим полуинтервалы вида:

Теория вероятности и математическая статистика

Доказать самим, что P(B) существует, и образ этого множества принадлежит s -алгебре по w .

Теория вероятности и математическая статистика

Можно доказать, что:

Теория вероятности и математическая статистика

Т.о. многомерная функция распределения позволяет в m-мерном арифметическом пространстве задать счетно-аддитивную меру - функцию на поле, порожденному всеми m-мерными полуинтервалами объема (" i, ai¹ bi). Тогда построим минимальную s -алгебру на этом поле, которая называется борелевским полем (алгеброй) в m-мерном арифметическом пространстве. Любая скалярная функция m-аргументов удовлетворяет всем свойствам, приведенным для m-мерной функции распределения и однозначно задает вероятностное пространство вида:

Теория вероятности и математическая статистика

Таким образом, для инженерного исследования задача свелась к следующему: пространство элементарных событий - это m-мерное арифметическое пространство. По результатам статистических испытаний нужно оценить m-мерную функцию распределения F(x1, x2, ...,xm). Рассмотрим числовую скалярную функцию m действительных аргументов. g(x1, x2, ...,xm). Функция g(x1, x2, ...,xm) называется борелевской, если для любого BÌ b в одномерном арифметическом пространстве соответствующая Теория вероятности и математическая статистика. Тогда справедлива теорема, доказательство которой полностью повторяет доказательство в одномерном случае. Скалярная функция Теория вероятности и математическая статистика- является измеримой скалярной функцией - случайной величиной.

Двумерные случайные величины.

Рассмотрим испытание, результатом которого является появление двух чисел из некоторого конечного либо счетного множества пар чисел. Это испытание физически может быть одним испытанием (мгновенное измерение прибором величены тока и напряжения в сети), а также может быть композицией двух испытаний, каждое из которых порождает одномерную дискретную величину. Условно двумерная дискретная случайная величина обозначается как XY, либо любые две буквы латинского алфавита, либо для: X:{x1, x2, ...,xs}, Y:{y1, y2, ...,yn}, проводя испытание над двумерной случайной величиной находят одно из чисел из X либо из Y. А вероятностное пространство двумерной случайной величены формально строится так:

Теория вероятности и математическая статистика

Двумерной случайной величиной называется система из двух одномерных случайных величин X, Y, где как X, так и Y являются дискретными случайными величинами. В пространстве элементарных событий дискретной случайной величены XY определим сложное событие A: В результате испытания над двумерной случайной величиной XY, случайная величина X приняла значение xi, случайная величина Y - любое значение.

Теория вероятности и математическая статистика

Теория вероятности и математическая статистика

Вводим сложное событие B: В результате испытания над двумерной случайной величиной XY, случайная величина Y приняла значение yj.

Теория вероятности и математическая статистика

Теория вероятности и математическая статистика

Найдем условную вероятность:

Теория вероятности и математическая статистика

Аналогично:

Теория вероятности и математическая статистика

Покажем что сумма условных вероятностей: Теория вероятности и математическая статистика; Теория вероятности и математическая статистика

Теория вероятности и математическая статистика

Условным математическим ожиданием является выражение:

Теория вероятности и математическая статистика; Теория вероятности и математическая статистика

Условной дисперсией называется выражение:

Теория вероятности и математическая статистика;

Теория вероятности и математическая статистика.

Условное мат. ожидание и дисперсия отличаются от безусловной только тем, что в их определении подставляется условная вероятность вместо безусловной.

Условное мат. ожидание случайной величены, при условии, что другая случайная величена приняла заданное значение определяет число-точку, относительно которой группируются результаты конкретных испытаний над одной случайной величиной, при условии, что в этом испытании (над двумерной случайной величиной XY) вторая случайная величена приняла заданное фиксированное значение.

Условная дисперсия определяет степень концентрации результатов конкретных испытаний над одной случайной величиной относительно условного мат. ожидания.

При решении практических задач условное мат ожидание и условная дисперсия обычно используются в следующем случае: проводят испытание над X и Y, исследователь имеет возможность измерять результаты испытания над одной случайной величиной, измерение другой недоступно. Если условные дисперсии малы, то в качестве неизвестного значения не измеряемой случайной величены, которую она приняла в результате испытания, можно брать мат. ожидание.

Двумерные непрерывные случайные величины.

Двумерная случайная величина называется непрерывной случайной величиной, если пространством ее элементарных событий является плоскость, либо область плоскости, либо область конечной ненулевой плоскости. Очевидно что X и Y являются одномерными непрерывными случайными величинами.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Следствием этого определения является следующее: любое сложное событие размерности 1 (произвольная кривая, принадлежащая пространству элементарных событий) имеет нулевую вероятность т.к. в противном случае вероятность достоверного события никогда бы не равнялась единице. Числовая скалярная функция двух действительных аргументов называется двумерной плотностью вероятности, двумерной случайной величины XY, если для фиксированных значений своих аргументов она выполняет равенство Теория вероятности и математическая статистика. Приведенное здесь определение является аналогичным определению одномерной плотности вероятности.

Теория вероятности и математическая статистика

Ниже будет выведено условие существования плотности вероятности для фиксированных x, y.

Теория вероятности и математическая статистика

Рассмотрим произвольную область G.

 

 

 

 

 

 

 

 

 

 

 

 

Разобьем область G на множество прямоугольников, покрывающих область G. Тогда на основании 3-й аксиомы теории вероятности имеем: вероятность искомого события равна:

Теория вероятности и математическая статистика. Точное выражение получим перейдя к пределу: Теория вероятности и математическая статистика (показать самим).

Числовая скалярная функция двух действительных аргументов называется двумерной функцией распределения, если она при фиксированном числе своих аргументов численно равна вероятности наступления Fx,y(x,y)=P(X£ x, Y£ y), если X, y - непрерывные случайные величины, то значение функции распределения не изменится.

Доказать:

Теория вероятности и математическая статистика

Теория вероятности и математическая статистика

Теория вероятности и математическая статистика

По определению второй смешанной производной.

Найдем по двумерной плотности одномерные плотности случайных величин X и Y.

Теория вероятности и математическая статистика

Т.к. полученное равенство верно для всех х, то подинтегральные выражение

Теория вероятности и математическая статистика

аналогично

Теория вероятности и математическая статистика

В математической теории вероятности вводится как базовая формула (1) ибо предлагается, что плотность вероятности как аналитическая функция может не существовать. Но т.к. в нашем курсе мы исследуем только 2 конструкции - дискретные или непрерывные, то для них полученные формулы эквивалентны и не имеет смысла какую-то из них вводить как первичную.

Условная плотность вероятности.

Найдем плотность вероятности случайной величины Y при условии, что в результате испытания над случайной величиной XY , X приняло значение х.

Обозначим

Теория вероятности и математическая статистика

тут мы использовали второе определение одномерной плотности.

В качестве условной плотности вероятности используется следующее выражение

Теория вероятности и математическая статистика

Обоснование выражения для условной плотности вероятности

Теория вероятности и математическая статистика

Выведем выражение для 

Теория вероятности и математическая статистика

Обозначим Теория вероятности и математическая статистика

Теория вероятности и математическая статистика

Условное мат. ожидание и дисперсия линии регрессии - зависимость Y от X, выраженная в изменении средних значений Y при переходе x от одного значения к другому. Найдем математическое ожидание MZ, где

Теория вероятности и математическая статистика

Двумерные независимые случайные величины (двумерные дискретные случайные величины)

Двумерная дискретная случайная величина называется случайной величиной с независимыми компонентами, еслиТеория вероятности и математическая статистика

Показать самим, что справедливо

Теория вероятности и математическая статистика

Доказать самим, что если испытание, исходом которого является пара чисел Теория вероятности и математическая статистика является композицией двух независимых испытаний, то случайные величины X Y независимы.

Теория вероятности и математическая статистика

Независимые непрерывные двумерные случайные величины.

Непрерывными случайными величинами с независимыми компонентами называются если:

Непрерывная двумерная случайная величина имеет независимые случайные компоненты, если

или Теория вероятности и математическая статистика

Покажем, что второе эквивалентно первому.

Теория вероятности и математическая статистика

Покажем, что если двумерная непрерывная случайная величина XY порождена композицией независимых испытаний, то X и Y независимы.

В силу определения независимых испытаний в композиционном пространстве

Теория вероятности и математическая статистика

В силу определения независимых испытаний в композиционном пространстве A и B независимы.

Следовательно: Теория вероятности и математическая статистика

Многомерные дискретные случайные величины

Это система, состоящая из m дискретных одномерных случайных величин. Всю арифметику проделать самостоятельно.

Многомерные непрерывные случайные величины.

Система из m одномерных непрерывных случайных величин, у которой пространством элементарных событий является m-мерное арифметическое пространство либо его область, имеющая ненулевой объем.

m-мерная плотность вероятности удовлетворяет выражению

Теория вероятности и математическая статистика

m-мерной функцией распределения называется числовая скалярная функция m действительных аргументов, которая численно равна:

Теория вероятности и математическая статистика

Случайные величины x1, x2, ... xm независимы, если

Теория вероятности и математическая статистика

Доказать, что если m-мерная случайная величина порождена композицией m-мерных испытаний, то события независимы.

Запишем аналог формул

Теория вероятности и математическая статистика

для многомерного случая.

Для получения плотности вероятности Теория вероятности и математическая статистика необходимо n-мерную плотность проинтегрировать в бесконечных пределах по переменным, которые соответствуют случайным величинам, не входящим в

Теория вероятности и математическая статистика

Найдем плотность n-мерной случайной величины.

Теория вероятности и математическая статистика

Математическое ожидание скалярной функции случайных аргументов.

Двумерный дискретный случай.

XY

Числовая скалярная функция Теория вероятности и математическая статистика

Если Вам нужна помощь с академической работой (курсовая, контрольная, диплом, реферат и т.д.), обратитесь к нашим специалистам. Более 90000 специалистов готовы Вам помочь.
Бесплатные корректировки и доработки. Бесплатная оценка стоимости работы.
Подробнее

Поможем написать работу на аналогичную тему

Получить выполненную работу или консультацию специалиста по вашему учебному проекту
Нужна помощь в написании работы?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Пишем статьи РИНЦ, ВАК, Scopus. Помогаем в публикации. Правки вносим бесплатно.

Похожие рефераты: