Связи распределений.
Теория вероятностей
Утверждение 4.24 (связь распределений ГаД и п (Х)). Пусть ?, ~ ГаД, г| ~ д (Лл'). Если брать, а — натуральные числа и X =1, то при указанных частных значениях параметров, а и X в целых точках гамма-распределение совпадает с пуассоновским и является при этих значениях параметров непрерывным аналогом распределения Пуассона. Замечание 4.10. Аналогично доказывается, что если выборка производится… Читать ещё >
Связи распределений. Теория вероятностей (реферат, курсовая, диплом, контрольная)
Установление связей между распределениями имеет большое теоретическое и практическое, конструктивное значение при изучении и моделировании распределений. Этот аспект обычно упоминается в курсах теории вероятности вскользь. В данном параграфе делается попытка систематического изложения вопроса в форме установления интересующих нас связей между конкретными распределениями. Изложение материала проводится в форме отдельных утверждений с доказательствами (кроме тех, которые доказаны ранее в основном курсе вероятности).
Утверждение 4.1. Из независимости СВ X, — В ( 1, р) => СВ.
П
Х= X X, ~ В{п, р) (доказано в гл. 2).
1−1.
Утверждение 4.2. Пусть независимые СВ X, ~ G (p); У, — сдС (/?); Z, — IIa (r, р), Z2 ~ ОВ (г, р). Тогда верны равенства Х: = Y-, + 1; Z, = Z2 + г;
Z, = X X; Z2 = X У, (доказано в гл. 2).
i=i i-i.
Утверждение 4.3. СВ X ~ H (N, М, п); СВ У ~ В (п, р); условия асимптотики:
Утверждение 4.4. СВ X ~ В (п, р), СВ У — П (А.). Условия асимптотики:
Утверждение 4.5. Пусть г неразличимых шаров размещают по п ящикам без ограничений па число шаров в ящике. Условия асимптотики:
Утверждение 4.6. Из N элементов, среди которых М первого типа, производится выборка без возвращения до появления в выборке впервые элемента первого типа; X — число выбранных элементов;
Условия асимптотики:
Замечание 4.10. Аналогично доказывается, что если выборка производится до появления в выборке г элементов первого тина в условиях асимптотики (****) и СВ Z, — число выбранных элементов, Z, — число элементов второго типа среди выбранных, a Y = Z2 при r= 1, то имеем: L (Y)^* сдС (У); /.(Z,) IIa (r, р); L{Z>) ОВ (г, р).
Утверждение 4.7. СВ Х0 — /?|0; 11; СВ X — Ra; b[, тогда СВ X = = Х0(Ь - а) + а (доказано в гл. 2).
Утверждение 4.8. СВ Х0 ~ А'(0, 1); СВ X ~ N (a, а); тогда СВ X = = стХО + а (доказано в гл. 2).
Утверждение 4.9. СВ X — Е (к); Y — ГцД => Е (X) = Га_1Д (доказано в гл. 2).
Утвеождение 4.10. Пусть СВ X — В (п. и. Y ~ Рп(п. тт-,…тк
Доказательство. Очевидно, что при k = 2, р, = р, т{ + т, = п из вида ЦУ).
к я Утверждение 4.11. СВ Y ~ R — — угол вращения луча вокруг точки с координатами (0; 1); СВ X — точка пересечения этого луча с осью Ох (рис. 4.16). Тогда СВ X имеет распределение Коши.
с плотностью распределения /х(х) =-s- (доказано в гл. 2).
тс (1 + эс)
Рис. 4.16. К утверждению 4.11 Утверждение 4.12.
— плотность распределения Стыодента. СВ Y ~ Коши — /Дх) = 1.
=-=-. Тогда при k = имеемL (X) = L (Y) (доказано в парагра;
7 г (1 + X)
фе 4.3).
Утверждение 4.13. СВ X- N (0, а,), СВ Y~ N(0, оу), Хи У — не;
У зависимы, ал = ст(/ = а. Тогда СВ Z—распределена по закону Ко;
X.
ши с плотностью распределения g (х) =-5-.
я (1 + х)
Доказательство
Gz(z) = jjf (x, y) dxdy = <2j' ^ ~ заштРихованная область на рис. 4.17.
Рис. 4.17. К утверждению 4.13.
Рассмотрим следующие случаи: у
а) х > 0, тогда — < z, y < xz;
х
У
б) х < 0, тогда — > z, у > xz.
х
О +СО +оо ZX
Тогда Сг(г)= J dx J f (xy)dy + J dx j f (x, y) dy.
zx 0.
Если X и У независимы, то тогда при X, У — МО, ст = 1).
— а это плотность распределения закона Коши.
Y <�т,.У, X Y
При а,. = а" = а ^ 1 имеем Z —-, где X, = —; У, = —; = aYl
— У стхХ, ах ay.
= 1 =>g (z) =
л (1 + г)
Утверждение 4.14. СВ Xимеет бета-распределение с плотностью - В (1, 1) имеет распределение Щ 0; 11.
Доказательство. Пусть р = q = 1, тогда.
а это плотность распределения СВ X ~ /?[0; 11.
Утверждение 4.15. СВ X ~ В (п, р), npq > 9. Тогда.
Доказательство. Первое утвеждение следует из ЛТМЛ, а второе — из ИТМЛ.
Утверждение 4.16. СВХ~ R[0; ]X (k) — k-я порядковая статистика; fk(x) — ее плотность распределения (Х (к) — k-e наблюдение над СВ X по возрастанию). Тогда L (X (k)) = B (k, п - k + 1).
Доказательство. f (x) = 1, F (.v) =х при х е [0; 1].
В математической статистике будет получено распределение СВ X (k) в виде.
а это плотность бета-распределения с р = к: q = п — k + 1 (так как р + q = = п + 1) с плотностью распределения вида.
Утверждение 4.17. Пусть СВ Y ~ N (0, 1). Тогда СВ Z = Y2 ~ %2V
т.е. имеет распределение хи-квадрат с параметром (числом степеней свободы), равным 1, и в то же время Z — r,/2i ½. Кроме того, имеется эквивалентность распредений: yjn ~ Г"/21/2.
Выпишем полученную в параграфе 4.3 характеристическую функцию для СВ X ~ Га х:
'Гогда характеристическая функция у, есть g, (I) = (1 -2it) 2, а для у2"
1 Xi п
п
получаем g^2(t) = (l-2it) 2, отсюда.
Утверждение 4.18. СВ Т = U J^> ГДС U~N (0,1); V~ у?, -оо <�х< оо, имеет распределение Стьюдента.
Доказательство. Обозначим через G (t) функцию распределения СВ Т:
Найдем совместную плотность распределения СВ U и V:
HI.
Утверждение 4.19. Пусть СВ т — независимы, ?, = 2^2;
i=i.
п
СВ уи г|я — независимы, г = X г|2; г|;~ N (0, a2); i = 1,…, т J =
- 7"1
- ?
= 1, …, п] X = —; тогда СВ X имеет распределение Фишера с нлотП ностью.
Дифференцируем Fm«(t) по t9 получим fmn(t) — плотность распределения Фишера.
Утверждение 4.20. Закон распределения Фишера F"," в точке.
- —— совпадает с бета-распределением с плотностью распределе-
- 1 1 fл т п
ния /р(х; р, q) при р = -, q = -.
Доказательство. Проверим это утверждение непосредственным вычислением:
Ч.Т.Д.
t
T.c.fJt; р, q) совпадает с плотностью распределения Фишера в точке-,.
1 —1
Утверждение 4.21 (связь геометрического и показательного распределений). Показательное распределение возникает как предельное для геометрического распределения G (p) в следующей схеме: в моменты времени 0, h, 2h, … (h -* 0) производятся независимые испытания с вероятностью успеха, равной Ри = Xh (X = const > 0); Xh — момент первого успеха. Тогда число испытаний до первого успеха Y = -р ~ Г (р = Xh). h
Доказательство
Хке~х
Утверждение 4.22. Пусть ?, — Р (Х), Р (х = к) =, к = О, 1, 2,.
гС I.
тогда L (x)—yN (k, JX).
->оо
Доказательство. Имеем.
кроме того,.
x+i (( V.
Пусть известно, что Г (?+1) = А. 2е" хл/2тг 1 + о; кроме того,.
I WJ.
Г(k + 1) = А'!, так как к — целое; поэтому.
Подставив полученное выражение в формулу (*), получим что соответствует '(к, 4к), ч.т.д.
Для следующего утверждения нам понадобится определение пуассоновского потока. Пуассоновским потоком называется поток событий, таких что:
- 1) числа наступлений событий в непсресекающихся интервалах независимы (независимость приращений);
- 2) + t0) — ?(*ь) = ^(у) — %(()) = t) (однородность, или стационарность);
Утверждение 4.23. Связь распределений Е (Х) и n (Xt). Пусть в пуассоновском потоке ^(1) — количество событий ?, за время t.
(Xt)he>J
Тогда ^(f) — n (Xt), т. е. P (x (t) = k)———, а интервалы времени.
A?!
между событиями Tt ~ Е (Х).
Доказательство. Обозначим Т, — время между соседними событиями пуассоновского потока. Тогда
Утверждение 4.24 (связь распределений ГаД и п (Х)). Пусть ?, ~ ГаД, г| ~ д (Лл'). Если брать, а — натуральные числа и X =1, то при указанных частных значениях параметров, а и X в целых точках гамма-распределение совпадает с пуассоновским и является при этих значениях параметров непрерывным аналогом распределения Пуассона.