[ Предыдущий билет | К списку билетов | Следующий билет ]
Случайные величины [ ]
Случайная величина — числовая функция
ξ
:
Ω
→
R
{\displaystyle \xi\colon \Omega\to\mathbb R }
, определённая на вероятностном пространстве
(
Ω
,
A
,
P
)
{\displaystyle (\Omega,\mathfrak A,\mathbb P)}
, измеримая на
B
⊂
R
{\displaystyle \mathfrak B\subset \mathbb R }
, т.е.
∀
B
∈
B
ξ
−
1
(
B
)
=
{
ω
∣
ξ
(
ω
)
∈
B
}
∈
A
{\displaystyle \forall B\in\mathfrak B\ \xi^{-1}(B)=\{\omega\mid\xi(\omega)\in B\}\in\mathfrak A}
, где
B
{\displaystyle \mathfrak B}
— борелевская
σ
{\displaystyle \sigma}
-алгебра на
R
{\displaystyle \R}
.
Полный прообраз любого борелевского множества значений случайной величины является событием.
Случайные величины бывают дискретные . Такие принимают не более, чем счётное число значений.
Бывают непрерывные случайные величины.
Сингулярные случайные величины имеют непрерывную функцию распределения, множество точек роста которой имеет мощность меры нуль:
{
F
ξ
(
x
)
∈
c
(
R
)
is the distribution function of
ξ
d
F
ξ
(
x
)
d
x
=
0
almost everywhere
{\displaystyle \begin{cases}F_\xi(x)\in c(\mathbb R)&\text{is the distribution function of }\xi\\
\frac{dF_\xi(x)}{dx}=0&\text{almost everywhere}\end{cases}}
. Пример функции распределения сингулярной случайной величины — лестница Кантора .
Независимость событий и случайных величин [ ]
События
A
,
B
∈
A
{\displaystyle A,B \in \mathfrak{A}}
называются независимыми , если
P
(
A
∩
B
)
=
P
(
A
)
P
(
B
)
{\displaystyle \mathbb P(A\cap B)= \mathbb P(A)\mathbb P(B) }
События
A
1
,
…
,
A
n
{\displaystyle A_1,\dots,A_n }
называются независимыми в совокупности , если
∀
1
⩽
i
1
<
⋯
<
i
k
⩽
n
P
(
A
i
1
∩
⋯
∩
A
i
k
)
=
P
(
A
i
1
)
…
P
(
A
i
k
)
{\displaystyle \forall 1\leqslant i_1< \dots< i_k\leqslant n \ \mathbb P(A_{i_1}\cap\dots\cap A_{i_k})=\mathbb P(A_{i_1})\dots\mathbb P(A_{i_k})}
Случайные величины
ξ
,
η
{\displaystyle \xi, \eta}
называются независимыми , если
∀
B
1
,
B
2
∈
B
P
(
ξ
∈
B
1
∩
η
∈
B
2
)
=
P
(
ξ
∈
B
1
)
P
(
η
∈
B
2
)
{\displaystyle \forall B_1,B_2\in\mathfrak B \ \mathbb P(\xi\in B_1\cap\eta\in B_2)=\mathbb P(\xi\in B_1)\mathbb P(\eta\in B_2)}
Ковариация [ ]
cov
(
ξ
,
η
)
=
E
(
ξ
−
E
ξ
)
(
η
−
E
η
)
=
E
ξ
η
−
E
ξ
E
η
{\displaystyle \operatorname{cov}(\xi,\eta)=\mathbb E(\xi-\mathbb E\xi)(\eta-\mathbb E\eta)= \mathbb E\xi\eta- \mathbb E\xi \mathbb E\eta}
Ковариация линейна относительно аргумента.
cov
(
a
ξ
+
b
,
c
η
+
d
)
=
a
c
cov
(
ξ
,
η
)
{\displaystyle \operatorname{cov}(a\xi+b,c\eta+d)=ac\operatorname{cov}(\xi,\eta)}
. Ковариация не зависит от сдвига аргумента.
Ковариация симметрична:
cov
(
ξ
,
η
)
=
cov
(
η
,
ξ
)
{\displaystyle \operatorname{cov}(\xi,\eta)=\operatorname{cov}(\eta,\xi)}
Если
ξ
{\displaystyle \xi}
и
η
{\displaystyle \eta }
независимы, то
cov
(
ξ
,
η
)
=
0
{\displaystyle \operatorname{cov}(\xi,\eta)=0}
. Обратное верно не всегда.Контрпример: Пусть
x
{\displaystyle x}
имеет равномерное распределение на
[
−
1
,
1
]
{\displaystyle [-1, 1]}
,
y
=
x
2
{\displaystyle y=x^2}
. Тогда
E
(
x
)
=
0
{\displaystyle \mathbb E(x)=0}
. Следовательно,
cov
(
x
,
y
)
=
E
(
x
y
)
−
E
(
x
)
E
(
y
)
=
0
{\displaystyle \operatorname{cov}(x,y)=\mathbb E(xy)-\mathbb E(x)\mathbb E(y)=0}
, так как
E
(
x
y
)
=
0
{\displaystyle \mathbb E(xy)=0}
. Таким образом,
x
{\displaystyle x}
и
y
{\displaystyle y}
некоррелированы, но зависимы.
Коэффициент корреляции [ ]
cor
(
ξ
,
η
)
=
cov
(
ξ
,
η
)
D
ξ
D
η
{\displaystyle \operatorname{cor}(\xi,\eta)=\frac{\operatorname{cov}(\xi,\eta)}{\sqrt{\mathbb D\xi\mathbb D\eta}} }
∀
ξ
,
η
|
cor
(
ξ
,
η
)
|
⩽
1
{\displaystyle \forall\xi,\eta \ |\operatorname{cor}(\xi,\eta)| \leqslant 1 }
|
cor
(
ξ
,
η
)
|
=
1
⇔
ξ
=
a
η
+
b
{\displaystyle |\operatorname{cor}(\xi,\eta)|=1\Leftrightarrow\xi=a\eta+b }
почти наверное
(
∃
a
,
b
=
c
o
n
s
t
∈
R
)
{\displaystyle \ (\exists a,b=\mathrm{const}\in \mathbb R)}
[ Предыдущий билет | К списку билетов | Следующий билет ]