Закон распределения функции двух СВ.




ЗНАЕТЕ ЛИ ВЫ?

Закон распределения функции двух СВ.



Задача определения закона распределения функции нескольких случайных аргументов значительно сложнее аналогичной задачи для функции одного аргумента.

Имеется система двух непрерывных СВ (X, Y) с плотностью распределения f(x, y). Случайная величина Z связана с X и Y функцианальной зависимостью: Z = φ(X, Y). Требуется найти закон распределения величины Z. Функция z = φ(x, y) изображается поверхностью, а не кривой, как в случае одного аргумента. Найдем функцию распределения величины Z: G(z) = P(Z<z) = P(φ(X, Y)<z) – формула (1). Проведем плоскость Q, параллельную плоскости xOy, на расстоянии z от нее. Эта плоскость пересечет поверхность z = φ(x, y) по некоторой кривой K. Спроектируем кривую К на плоскость xOy. Эта проекция, уравнение которой φ(x, y) = z, разделит плоскость xOy на две области; для одной из них высота поверхности над плоскостью xOy будет меньше, а для другой – больше z. Обозначим D ту область, для которой эта высота меньше z. Чтобы выполнялось неравенство (1), случайная точка (X, Y), очевидно, должна попасть в область D; следовательно, G(z) = P((X,Y) D) = - формула (2). В выражение (2) величина z входит неявно, через пределы интегрирования. Дифференцируя G(z) по z, получим плотность распределения величины Z: g(z) = G'(z). Зная конкретный вид функции z = φ(x, y), можно выразить пределы интегрирования через z и написать выражение g(z) в явном виде. Для того, чтобы найти закон распределения функции двух аргументов, нет необходимости каждый раз строить поверхность z = φ(x, y) и пересекать ее плоскостью, параллельной xOy. На практике достаточно построить на плоскости xOy кривую, уравнение которой z = φ(x, y), отдать себе отчет, по какую сторону этой кривой Z<z, а по какую Z>z, и интегрировать по области D, для которой Z<z.

 

 

41. Понятие закона больших чисел.

Содержание закона больших чисел в широком смысле: при очень большом числе случайных явлений средний их рез-т практически перестает быть случайным и может быть предсказан с большой степенью определенности. В узком смысле слова под законом больших чисел в теории вероятностей понимается ряд математических теорем, в каждой из которых для тех или иных условий устанавливается факт приближения средних характеристик большого числа опытов к некоторым определенным постоянным. Простейшей из этих теорем является теорема Бернулли. Она утверждает, что при большом числе опытов частота события приближается (точнее – сходится по вероятности) к вероятности этого события. Другие, более общие формулировки, устанавливабт факт и условия сходимости по вероятности тех или иных СВ к постоянным, не случайным величинам. Закон больших чисел играет важную роль в практических применениях теории вероятности. Св-во случайных величин при определенных условиях вести себя практически как не случайные позволяет уверенно оперировать с этими величинами, предсказывать рез-ты массовых случайных явлений (это большое число выполняемых однородных опытов или большое число складывающихся случайных воздействий, порождающих в своей совокупности случайную величину, подчиненную вполне определенному закону) почти с полной опреленностью.

 

 

Неравенство Чебышева.

Нер-во Чебышева относится к группе «закона больших чисел».

Пусть имеется СВ Х с мат. ожиданием mx и Dx. Нер-во Чебышева утверждает, что, каково бы ни было положительное число α, вероятность того, что величина Х отклонится от своего мат. ожидания не меньше чем на α, ограничена сверху величиной Dx/ α2: P(|X - mx |≥α)≤ Dx/ α2. Доказ-во: Пусть величина Х прерывная, с рядом распределения:

Х x1 x2 xn
p p1 p2 pn

Изобразим возможные значения величины Х и ее мат. ожидание mx в виде точек на числовой оси Ox. Зададим некоторым значением α>0 и вычислим вероятность того, что величина Х отклонится от своего мат. ожидания не меньше, чем на α: P(|X - mx |≥α) – формула (1). Для этого отложим от точки mx вправо и влево по отрезку длиной α; получим отрезок АВ. Вероятность (1) есть не что иное, как вероятность того, что случайная точка Х попадет не внутрь отрезка АВ, а вовне его: P(|X - mx |≥α) = P(X AB). Для того, чтобы найти эту вероятность, нужно просуммировать вероятности всех тех значений Х, которые лежат вне отрезка АВ. Запишем это следующим образом: P(|X - mx |≥α) = - формула (2), где запись |X - mx |≥α под знаком суммы ознаачет, что суммирование распространяется на все те значения, для которых точки Х лежат вне отрезка АВ. С другой стороны напишем выражение дисперсии величины Х: D(X) = M[(X - mx)2] = - формула (3). Т.к. все члены суммы (3) неотрицательны, она может только уменьшиться, если мы распространим ее не на все значения Х, а только на некоторые, в частности на те, котрые лежат вне отрезка АВ: D(X) ≥ . Заменим под знаком суммы выражение |X - mx | через α. Т.к. для всех членов суммы |X - mx |≥α, то от такой замены сумма тоже может уменьшится; значит, D(X) ≥ . Но согласно формуле (2) сумма, стоящая в правой части последнего рав-ва есть не что иное, как вероятность попадания случайной точки вовне отрезка АВ; следовательно, D(X) ≥ α2P(|X - mx |≥α), откуда непостредственно вытекает доказываемое нер-во. В случае, когда величина Х непрерывна, доказ-во проводится аналогичным образом с заменой вероятностей p элементом вероятности, а конечных сумм – интегралами. Действительно, P(|X - mx |>α) = , где f(x) – плотность распределения величины Х. Далее, имеем: D(X) = , где знак |X - mx |>α под интегралом означает, что интегрирование распространяется на внешнюю часть отрезка АВ. Заменяя |X - mx | под знаком интеграла через α, получим: D(X) ≥ α2 = α2P(|X - mx |>α), откуда и вытекает нер-во Чебышева для непрерывных величин.

 





Последнее изменение этой страницы: 2016-04-26; Нарушение авторского права страницы

infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 18.234.247.75 (0.004 с.)