Закон
больших чисел:
при достаточно большом числе независимых опытов среднее арифметическое
наблюденных значений СВ сходится к ее МО, т.е. . Эта
сходимость выполняется для любой последовательности НСВ с конечной дисперсией.
Если случайные величины x1, x2, … попарно независимы, одинаково распределены, имеют
математическое ожидание a и ограниченную дисперсию s2 < C (C=const), тогда выполнен ЗБЧ
в форме Чебышёва
. Неравенство даёт оценку того,
что среднее арифметическое случайных величин отклонится от математического
ожидания по абсолютной величине более чем на e. Следствие (теорема Бернулли): для оценки вероятности
отклонения частоты появления события от его вероятности можно использовать
теорему Бернулли
.
31. Центральная предельная теорема
Пусть
Sn=x1+…+xn, где x1,x2,…- независимые
одинаково распределённые случайные величины со средним значением a и дисперсией s 2<¥. Тогда выполнена
центральная предельная теорема (ЦПТ), т.е. для любого вещественного x имеет место
сходимость при n→¥.
32. Локальная и интегральная теоремы Муавра-Лапласа
Пусть
производится n независимых
испытаний, в каждом из которых наступает или не наступает событие А. Пусть Р(А)
= р, (1 – р) = q. Тогда – локальная формула Муавра-Лапласа.
Интегральная формула Муавра-Лапласа является следствием из ЦПТ. Если ξ1,…,ξn – последовательность
независимых одинаково распределенных СВ к конечной ненулевой дисперсией, то для
"x < y и n→¥
имеет место
, где Sn= x1+…+xn. Эта теорема справедлива
только для схемы Бернулли.
33. Случайные функции, их функции распределения, плотность
Случайной
функцией (СФ)
ξ(t) наз-ся функция ξ(t), которая при любом t является случайной
величиной (СВ). Параметр tне является СВ. Далее
будем предполагать, что t – время, и будем называть СФ случайным
процессом. Пусть при исследовании ξ(t) произведено n испытаний. В каждом
опыте получается неизвестная заранее функциональная зависимость, которая
называется реализацией СФ. Реализации СФ могут быть непрерывными,
дискретными, распределенными процессами. Пусть имеется t1– произвольный момент
времени, тогда ξ(t1) – СВ, тогда для нее
есть функция распределения (ФР). Если дифференцируема,
то она наз-ся одномерной плотностью вероятности СФ.
– вероятность того, что реализация СФ
пройдет в момент времени t1в щель (х1,
х1 + dx1). Но эти формулы не
учитывают возможные связи между значениями СФ. Для более полного описания СФ
можно вводить многомерные функции распределения и плотность. Более полно
описывают СФ ф-лы:
.
Законы
распределения не всегда могут быть известны, или могут иметь очень громоздкий
вид. Поэтому исп-ся числовые характеристики: – МО
СФ,
– дисперсия,
–
корреляционная функция. МО и дисперсия зависят от одномерной функции плотности,
а К зависит от двумерной плотности. МО, дисперсия и К – это не случайные
функции. МО характеризует среднее положение СФ. Дисперсия
характеризует величину разброса реализаций вокруг МО. Корреляция –
степень связи между ординатами СФ для 2-х моментов времени. Чем больше К, тем
плавней график реализации.
34. Стационарные случайные функции
СФ
наз-ся стационарной, если все ее многомерные законы распределения зависят
только от взаимного расположения моментов времени, но не зависят от самих
значений этих величин, т.е. выполняется , где t0 – произвольное
число. Откуда можно показать, что одномерная плотность вероятности для ССФ не
зависит от времени, а двумерная зависит только от разности моментов времени. Числовые
характеристики: МО
, так как t не фигурирует; дисперсия
, так как не зависит от t; корреляционная
функция
, т.е. зависит только от разности →
для ССФ МО и дисперсия постоянны, а КФ зависит только от разности моментов
времени. Часто вместо КФ используют спектральную плотность
.
35. Характеристики СФ
Законы
распределения не всегда могут быть известны, или могут иметь очень громоздкий
вид. Поэтому исп-ся числовые характеристики: – МО
СФ,
– дисперсия,
–
корреляционная функция. МО и дисперсия зависят от одномерной функции плотности,
а К зависит от двумерной плотности. МО, дисперсия и К – это не случайные
функции. МО характеризует среднее положение СФ. Дисперсия
характеризует величину разброса реализаций вокруг МО. Корреляция –
степень связи между ординатами СФ для 2-х моментов времени. Чем больше К, тем
плавней график реализации.
36. Основные понятия математической статистики
Уважаемый посетитель!
Чтобы распечатать файл, скачайте его (в формате Word).
Ссылка на скачивание - внизу страницы.