Вопросы. вопросы. 1. Вероятность. Вероятностное пространство. Свойства
Скачать 6.39 Mb.
|
№17.Cлучайный вектор. Распределение. Функция распределения. Плотность. Математическое ожидание случайного вектора.Пусть имеется пространство элементарных событий U, на нем построено поле событий и для каждого события А из этого поля определена вероятность Р(А). Каждому элементарному событию gi из U сопоставим несколько чисел: ξ i1 , ξ i2 , ξ i3 , ... ξ ik или вектор ξi. Потребуем, чтобы для любых хj ( -∞ < хj <+∞ ) , j = 1, 2 ... k , множество А тех g , для которых ξ j < хj ( j = 1, 2, ... k) , принадлежало полю событий, т.е. для него определена вероятность Р{ ξ 1 < x1 , ξ 2 < x2 , ... ξ k < xk } = P(A) = F( x1, x2, ... xk ). Тогда ξ называется многомерной случайной величиной, или случайным вектором, а F( x1, x2, ... xk ) ее функцией распределения. Примеры: 1 . Координаты молекулы, находящейся в сосуде с газом, (x,y,z) или компоненты ее скорости (Vx,Vy,Vz) - можно рассматривать как трехмерные случайные величины 2 . В задаче "о встрече" время прихода одного участника (х1) и другого (х2), если условия их прихода известны (скажем - любой момент в течение заданного часа), пару чисел х1, х2 можно рассматривать как двумерную случайную величину 3 . Результат эксперимента, состоящего в измерении тока через разрядную трубку при десяти различных напряжениях, поданных на трубку, можно рассматривать как десятимерную случайную величину Свойства многомерной функции распределения: 1 . F( x1, x2, ... -∞ ... xk ) = 0; 2 . F( x1, x2, ... xk-1, ∞) = F( x1, x2, ... xk-1 ), т.е. если один из аргументов принимает значение ∞, то размерность случайной величины уменьшается на 1; 3 . F( x1, x2, ... xk ) не убывающая функция любого аргумента. Многомерные случайные величины могут быть непрерывными, т.е. принимать любые значения в некоторой области к-мерного пространства (например, упомянутые выше компоненты скорости молекулы). У них F( x1, x2, ... xk ) непрерывная функция всех аргументов. Для них определена к-мерная плотность распределения p( x1, x2, ... xk ), которая есть производная от функци распределения. (7.1) Вероятность того, что случайный вектор примет значение, лежащее в области V к-мерного пространства, равна интегралу по этой области от к-мерной плотности распределения. Интеграл по всем переменным от - ∞ до + ∞ от к-мерной плотности распределения равен 1. Интеграл по одной переменной от - ∞ до + ∞ от к-мерной плотности распределения равен плотности распределения (к-1)-мерной случайной величины. Например: (7.2) Многомерные случайные величины могут быть дискретными, т.е. каждая компонента случайного вектора может принимать только конечное или счетное множество определенных значений. Например, рассмотрим эксперимент по бросанию одновременно двух костей, с каждым элементарным событием свяжем два числа ( z1, z2 ), где z1 - число очков на первой кости, z2 - сумма очков на двух костях. Тогда ( z1, z2 ) - двумерная случайная величина, поскольку известна вероятность р( хi, хk ) пересечения событий, состоящих в том, что z1 примет значение хi, а z2 - хk . Для дискретных случайных величин закон распределения задается вероятностями всевозможных комбинаций их значений. Для двумерной величины при небольшом числе возможных значений это удобно представить в виде таблицы, где на пересечении столбца z1 и строки z2 стоит вероятность р( z1, z2 ) Таблица 7.1 Закон распределения двумерной величины z1, z2
Просуммировав все значения р( z1, z2 ) вдоль каждой строки, мы получим вероятности определенных значений z2 , т.е. закон распределения одномерной величины z2 . Аналогично, сумма по столбцам даст закон распределения одномерной величины z1 . Сумма всех чисел в таблице должна быть равна 1 . Математическим ожиданием многомерной случайной величины называется вектор, компоненты которого являются математическим ожиданием каждой отдельной компоненты случайного вектора. M( z1, z2, ... zk ) = ( Mz1, Mz2, ... Mzk ). Mzi вычисляются как сумма или интеграл так же, как и для одномерных случайных величин . |