- •3. Случайные векторы
- •3.1. Понятие случайного вектора. Ряд распределения двумерного дискретного случайного вектора
- •3.2. Функция и плотность распределения случайного вектора
- •3.3. Зависимость и независимость св
- •3.4. Условные законы распределения св
- •3.5. Корреляционный момент и коэффициент корреляции двух св
- •3.6. Многомерное нормальное распределение
- •4. Функции случайных величин
- •4.1. Математическое ожидание и дисперсия функции случайных величин
- •4.2. Плотность вероятности монотонной функции непрерывной св. Плотность вероятности линейной функции нормально распределённой св
- •4.3. Распределения “хи-квадрат”, Стьюдента и Фишера
- •4.4. Основные свойства математического ожидания
- •4.5. Основные свойства дисперсии и коэффициента корреляции
- •5. Предельные теоремы
- •5.1. Закон больших чисел
- •5.2. Центральная предельная теорема
- •6. Случайные процессы
- •6.1. Понятие случайного процесса. Функции и плотности распределения случайного процесса
- •6.2. Математическое ожидание, дисперсия и автокорреляционная функция случайного процесса. Понятие стационарного случайного процесса
- •6.3. Дискретная цепь Маркова: основные понятия и свойства
4. Функции случайных величин
4.1. Математическое ожидание и дисперсия функции случайных величин
Пусть имеется СВ Х с заданным законом распределения. Другая СВ Y связана с СВ Х зависимостью , где – заданная функция. Последнее означает, что если СВ Х принимает некоторое значение х, то СВ Y принимает значение , т.е. значение СВ Y однозначно определяется значением СВ Х. Требуется найти математическое ожидание и дисперсию СВ Y.
Пусть Х – дискретная СВ с возможными значениями и их вероятностями . Поскольку , , то Y – дискретная СВ с возможными значениями , вероятности которых равны , а если какое-нибудь значение повторяется, то его вероятность равна сумме соответствующих вероятностей. Из формул для математического ожидания и дисперсии дискретной СВ получим
, .
Отметим, что значения в общем случае не упорядочены по возрастанию, а некоторые из них могут совпадать. Однако от перестановки и объединения слагаемых под знаком суммы значения и , очевидно, не изменяются.
Если Х – непрерывная СВ с плотностью вероятности , то заменяя суммирование интегрированием, а вероятности – элементами вероятности, можно получить формулы
, .
Замечание. Из всех приведённых формул видно, что для вычисления математического ожидания и дисперсии СВ Y не нужно находить её закон распределения, а достаточно знать только закон распределения СВ Х.
Аналогичные формулы существуют для математического ожидания и дисперсии функции двух СВ. Пусть СВ Z связана с СВ Х и Y зависимостью , где – заданная функция. Тогда если Х и Y – дискретные СВ с возможными значениями и и известны вероятности , , , то
,
.
Если Х и Y – непрерывные СВ и известна плотность , то
, .
Приведённые формулы имеют естественное обобщение на случай функции произвольного числа СВ.
4.2. Плотность вероятности монотонной функции непрерывной св. Плотность вероятности линейной функции нормально распределённой св
Теорема. Пусть Х – непрерывная СВ с плотностью вероятности , а – дифференцируемая и строго монотонная на R функция. Тогда плотность вероятности СВ определяется равенством .
Доказательство. Пусть дифференцируема и строго возрастает, тогда обратная функция тоже дифференцируема и строго возрастает, а значит, при любом событие равносильно событию . Следовательно, для функции распределения СВ Y имеем
,
где – функция распределения СВ Х. Дифференцируя полученное равенство по у, получим . Если строго убывает, то тоже строго убывает и при любом событие равносильно событию , т.е.
,
откуда . Поскольку неотрицательна, а производная возрастающей (убывающей) функции положительна (отрицательна), то в обоих случаях .
Пусть, далее, и , , т.е. Y – линейная функция нормально распределённой СВ. Используя утверждение приведённой теоремы, найдём плотность вероятности СВ Y. Имеем
, , .
Поскольку , то
.
Отсюда видно, что закон распределения линейной функции , нормально распределённого аргумента Х также является нормальным, причём , .