АкушерствоАнатомияАнестезиологияВакцинопрофилактикаВалеологияВетеринарияГигиенаЗаболеванияИммунологияКардиологияНеврологияНефрологияОнкологияОториноларингологияОфтальмологияПаразитологияПедиатрияПервая помощьПсихиатрияПульмонологияРеанимацияРевматологияСтоматологияТерапияТоксикологияТравматологияУрологияФармакологияФармацевтикаФизиотерапияФтизиатрияХирургияЭндокринологияЭпидемиология

Случайные величины, случайные элементы

Прочитайте:
  1. Внимательно посмотрите на рисунки и запишите названия внутренних органов, используя латинские и греческие терминоэлементы.
  2. Вопрос № 57 Минеральные соли, их источники, гигиеническое значение. Макро и микроэлементы. Кислотно-щелочное состояние организма.
  3. Глава 2. Случайные последовательности.
  4. ЗДОРОВЫЙ ОБРАЗ ЖИЗНИ И ЕГО ОСНОВНЫЕ ЭЛЕМЕНТЫ. ЗНАЧИМОСТЬ ДЛЯ ЗДОРОВЬЯ ЧЕЛОВЕКА
  5. КЛЕТОЧНЫЕ ЭЛЕМЕНТЫ.
  6. Макроэлементы. Микроэлементы.
  7. Микроэлементы.
  8. Подвижные генетические элементы.
  9. СЛУЧАЙНЫЕ ВРЕДИТЕЛИ ТРУПА

4.1. Пусть (, F) и (R1,B(R1)) - измеримые пространства.

Определение. Действительная функция определенная (, F), принимающая значения в R1 называется F – измеримой или случайной величиной, если: B(R1) F (то есть, прообраз является измеримым множеством в ).

Если =(Rn,B(Rn)), то B(Rn) – измеримые функции называются борелевскими.

Простейшим примером случайной величины является

Определение. Случайная величина представимая в виде

(2)

где F называется дискретной. Если число слагаемых в сумме в (2) конечно, то случайная величина называется простой.

Замечание. Случайная величина это некоторая характеристика эксперимента, результаты которого зависят от случая . Требование измеримости важно. Действительно, если на (, F) задана вероятностная мера Р и , то в этом случае можно говорить о вероятности события, состоящего в том, что значение случайной величины принадлежит борелевскому множеству В.

Определение. Вероятностная мера на (R,B(R)) с , B(R1), называется распределением вероятностей случайной величины на (R, B(R)).

Определение. Функция Р , где R1, называется функцией распределения случайной величины .

Замечание. Для дискретной случайной величины мера сосредоточена не более чем в счетном числе точек и может быть представлена в виде
,

где .

Определение. Случайная величина называется непрерывной, если ее функция распределения непрерывна. Случайная величина называется абсолютно непрерывной, если , R1.

4.2. Вопрос: Когда функция обозначаемая является случайной величиной? Для этого надо проверить условие F для любого B(R1).

Лемма 7. Пусть e – некоторая система множеств такая, что (e)=B(R1). Для того, чтобы была F - измеримой необходимо и достаточно, чтобы F для всех e.

Доказательство. Необходимость очевидна.

Достаточность. Пусть D – система борелевских множеств , для которых F. Известно, что:

i) , ii) , iii) = .

Отсюда следует, что система D – является -алгеброй, значит
D B(R1) и (e) , следовательно D=B(R1).

 

Лемма 8. Пусть : R1 R1 - борелевская функция, а - случайная величина. Тогда сложная функция (то есть ) - случайная величина.

Доказательство. Действительно

,

так как B(R1), B(R1).

Доказательство закончено.

Определение. Функция на (, F) со значениями в = называется расширенной случайной величиной, если: для B(R1) F.

Теорема 9. 1) Для любой случайной величины найдется последовательность простых случайных величин таких, что и при для всех .

2) Если случайная величина , то найдется последовательность простых случайных величин таких, что для всех .

Доказательство. Начнем с пункта 2). Положим , и

непосредственной проверкой, устанавливается, что для всех . Отсюда следует и доказательство пункта 1) так как можно представить в виде , где .

Теорема 10. Пусть - последовательность расширенных случайных величин и = . Тогда -расширенная случайная величина.

4.3. Определение. Пусть - случайная величина. Пусть множества из вида , B(R1). Наименьшую -алгебру порожденную такими множествами называют -алгеброй, порожденной случайной величиной и обозначают ее через Fx.

Если - борелевская функция, то из леммы 7 следует, что - случайная величина, причем Fx - измерима. Оказывается, справедливо и обратное утверждение.

Теорема 11. (Бореля). Пусть –измеримая случайная величина. Тогда найдется борелевская функция : R1 R1 такая, что , т.е. для каждого . (Докажите самостоятельно.)

4.4. Определение. Пусть (, F) и (E, e) - измеримые пространства. определенная на принимающая значения в E называется F / e измеримой функцией или случайным элементом (со значениями в E e F). (3)

Примеры случайных элементов:

1) Если (E, e) = (R1,B(R1)), то определение случайного элемента совпадает с определением случайной величины.

2) Пусть (E, e) = (Rn,B(Rn)). Тогда случайный элемент называется n - мерным случайным вектором. Если - проекция Rn на -ую координату, то = , где . Ясно, что - обычные случайные величины. Действительно, для B(R1) R1,.., R1, R1 R1 }=
(R1 R1 R1 R1) F.

Определение. Упорядоченый набор случайных величин будет называться - мерным случайным вектором.

В соответствии с этим определением всякий случайный элемент со значениями в Rn будет - мерным случайным вектором. Справедливо обратное утверждение: всякий n- мерный случайный вектор = есть случайный элемент в Rn. Действительно, если B(R1), , то F, то наименьшая -алгебра, порожденная всеми совпадает с B(Rn). поэтому для B(Rn) F.

3) Пусть (E, e) = (RТ,B(RТ)), Т – подмножество числовой прямой. В этом случае всякий случайный элемент представим в виде с называется случайной функцией с временным интервалом Т.

4.5. Определение. Пусть R1. Совокупность называется случайным процессом с временным интервалом Т. Если , то - называется случайным процессом с дискретным временем или случайной последовательностью. Если , то - называется случайным процессом с непрерывным временем.

Определение. Пусть - случайный процесс. Для каждого функция - называется реализацией или траекторией процесса, соответствующего исходу .

Определение. Пусть - случайный процесс. Вероятностная мера Р на (RТ,B(RТ)) с P P , B(RТ) называется распределением вероятностей процесса Х.

Определение. Вероятностная мера P P , где B(Rn), , называется конечномерными распределениями вероятностей случайного процесса , а n-мерная функция распределения , где , называется конечномерными функциями распределения процесса .

4.6. Определение. Пусть (, F, P) - вероятностное пространство и набор ( e ) - измеримых пространств, где - произвольное множество. Будем говорить, что - измеримые функции независимы в совокупности, если для любого конечного набора элементы - независимы, т.е. для P P .

Теорема 12. Для того, чтобы случайные величины были независимы в совокупности, необходимо и достаточно, чтобы для любого Rn , где . Докажите самостоятельно.

§ 5. Интеграл Лебега. Математическое ожидание.

5.1. Пусть (, F, P) - конечное вероятностное пространство, т.е. существует набор множеств таких, что при и , а - простая случайная величина.

Определение. Математическим ожиданием простой случайной величины , обозначаемым через М , называется величина M P (A k). Это определение корректно, так как оно не зависит от способа представления случайной величины . Для математического ожидания будем использовать следующее обозначение: P P.

5.2. Дадим определение математического ожидания для случайной величины . В силу теоремы 9 существует монотонная последовательность простых неотрицательных случайных величин таких, что при для каждого . Очевидно, что M M , поэтому существует M (причем он может принять значение ).

Определение. Интеграл Лебега относительно вероятностной меры Р случайной величины , обозначаемый М , определяемый равенством M M называется математическим ожиданием случайной величины .

Это определение будет корректным, если значение предела не зависит от способа выбора аппроксимирующей последовательности (иначе говоря, если и , то M = M ).

Лемма 13. Пусть - простые неотрицательные случайные величины , причем . Тогда M M .

Доказательство. Пусть и . Ясно, что и ,

где , 1B , B F.
Поэтому

где .

Следовательно . Доказательство закончено.

Замечание. Из утверждения леммы 13 следует, что . В силу симметрии имеем . Отсюда вытекает корректность определения.

5.3. Пусть теперь - произвольная случайная величина. Обозначим .

Определение. Говорят, что математическое ожидание случайной величины существует, если хотя бы одна из величин или конечна, т.е. . В этом случае по определению полагается , а - называется интеграл Лебега от по мере Р.

Определение. Говорят, что математическое ожидание случайной величины конечно, если и . Отсюда следует, что - конечно тогда и только тогда, когда .

Наряду с можно рассматривать и , если они определены, то их называют моментами - порядка, где r = 1,2,…,k.

5.4. Свойства математического ожидания.

А) Пусть и у случайной величины существует , тогда существует и .

Доказательство. Для простых функций это утверждение очевидно. Пусть , где - простые случайные величины и , следовательно . Значит .

В) Пусть , тогда .

С) Если существует , то .

Доказательство. Так как , то из А) и В) следует, что , то есть .

D) Если существует , то для каждого A F существует . Если конечно, то - конечно.

Доказательство следует из пункта В), так как , .

Е) Если и - случайные величины, причем и , то .

Доказательство. Пусть и - последовательность простых функций таких, что и . Тогда и . Кроме того и . Значит .

F) Если , то .

G) Если , Р- п.н. и , то и .

Доказательство. Пусть , тогда , где . В силу Е) .

Н) Пусть и , тогда Р - п.н.

Доказательство. Обозначим . Очевидно, что . поэтому в силу свойства В) , следовательно , значит для всех , но .

I) Пусть и - случайные величины такие, что и и для всех . Тогда Р - п.н..

Доказательство. Пусть . Тогда . Поэтому , тогда по свойству Е) , а в силу Н) P - п.н., значит Р (В)=0.

J) Пусть - расширенная случайная величина и , тогда P - п.н..

Доказательство. Действительно, пусть и Р (А) > 0. Тогда , что противоречит предположению .

 

§ 6. Сходимость последовательностей случайных величин по вероятности и почти наверное.

 

6.1. Пусть на задано последовательность случайных величин.

Определение. Последовательность случайных величин называется сходящейся по вероятности к случайной величине , обозначается или , если для при .

Теорема 14. Последовательность случайных величин сходится по вероятности к случайной величине тогда и только тогда, когда при .

6.2. Определение. Последовательность случайных величин называется сходящейся с вероятностью 1 к случайной величине , если , обозначается .

Следующее утверждение хорошо известно [1].

Теорема 15. Справедливы следующие утверждения.

1) Для того, чтобы , необходимо и достаточно, чтобы для любого при .

2) Пусть , тогда .

3) Пусть ., тогда существует подпоследовательность такая, что .

Замечание. Так как для любого =
, то условие является достаточным для сходимости .

6.3. Теорема 16. (Егорова) Пусть . Тогда для любого существует измеримое множество такое, что > , причем на множестве сходимость равномерная.

Задача. Докажите самостоятельно утверждение теоремы 16.

6.4. Мы часто будем использовать следующее утверждение.

Лемма 17. (Бореля-Кантелли) Пусть последовательность событий и . Если , то Р( А ) = 0.

Доказательство. В силу свойства вероятности имеем

Р (А) = .

Доказательство закончено.

 

 


Дата добавления: 2015-01-18 | Просмотры: 821 | Нарушение авторских прав



1 | 2 | 3 | 4 | 5 | 6 |



При использовании материала ссылка на сайт medlec.org обязательна! (0.025 сек.)