Математическое ожидание
y=φ(x)
1. Пусть X- дискрет случ. вел, тогда yn= φ(xn)
2.Пусть X –непрер. Случ. вел
Для вычисления числовых характеристик неслучайной ф-ции случайной величины не надо знать закона распределения зависящей от X случайной величины Y, а достаточно знать закон распределения случайного аргумента X.
19. Функции нескольких случайных величин. Вычисление мат ожиданий и дисперсий для суммы случайных величин.
1. Математическое ожидание
2. Дисперсия
Св-ва мат. ожидания и дисперсии:
1. M[X+Y] = M[X] + M[Y]
2. M[X*Y] = M[X] * M[Y]
3. D[X+Y] = D[X] + D[Y]
3. Коэффициент ковариации
Св-ва мат. ожидания и дисперсии:
1. Если X и Y независимы, то Cov(X,Y) = 0 (обратное неверно!)
2. Cov(aX,bY) = ab*Cov(X,Y), где a и b – константы
3. Cov(X,Y)
4. Коэффициент корреляции
Св-ва мат. ожидания и дисперсии:
1. |ρ(X,Y)| ≤ 1, этот результат следует из свойства 3 для ковариации случайных величин X и Y.
2. Если Х и Y – независимые случайные величины, то ρ(X,Y) = 0 (по свойству 1 для ковариации)
3. Если X и Y связаны линейной функциональной зависимостью: Y=aX + b, где a и b – константы, а ≠ 0, то |ρ(X,Y)| = 1
20. Центральная предельная теорема. Теорема Муавра-Лапласа. Асимптотическое распределение среднего арифметического случайных величин.
Центральная предельная теорема.
Одна из формулировок: Пусть X1…Xn… - независимые и одинаково распределенные случайные величины с мат.ожиданием m и дисперсией σ2. Рассмотрим величину X=X1+…+Xn, при n->∞ функция распределения случайной величины
имеет нормальное распределение N(0,1) и равномерно по х сходится к функции распределения стандартного нормального закона Φ(х), где
Формулировка Ляпунова Пусть X1…Xn… - независимые и одинаково распределенные случайные величины с мат.ожиданием m и дисперсией σ2.
Следствия ЦПТ.
Распределение среднего арифметического случайных величин.
Пусть X1…Xn… - независимые и одинаково распределенные случайные величины с мат.ожиданием и дисперсией
. Среднее арифметическое их:
]=nm/n=n
.
При n->∞ -> 0. Среднее арифметическое можно представить:
, т.е. можно рассмотреть как сумму случайных величин. Тогда
– в силу центральной предельной теоремы