Учебный год. Лектор Хаметов В.М. 3 страница

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) = (R^Т,B(R^Т)), Т – подмножество числовой прямой. В этом случае всякий случайный элемент представим в виде с называется случайной функцией с временным интервалом Т.

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 (R^Т,B(R^Т)) с P P , B(R^Т) 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 .

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

10. Интеграл Лебега. Свойства математического ожидания.

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.

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 ).

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.

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 .

11. Сходимость по вероятности и с вероятностью один случайных величин. Теорема о монотонной сходимости (теорема 15).

Пусть на задано последовательность случайных величин.

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

Теорема 13. Последовательность случайных величин сходится по вероятности к случайной величине тогда и только тогда, когда при .

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

Лемма 14. (Бореля-Кантелли) Пусть последовательность событий и . Если , то Р( А ) = 0.

Доказательство. В силу свойства вероятности имеем

Р (А) = .

Доказательство закончено.

Теорема 15 (О монотонной сходимости) Пусть

случайные величины. Тогда справедливы следующие утверждения:

а) если ;

б) если .

Доказательство. а) Предположим, что . Пусть для каждого - последовательность простых случайных величин таких, что при . Обозначим . Тогда очевидно, что . Пусть , поскольку для , то переходя к пределу при получим, что для любого , значит . Так как случайные величины простые и , то .

С другой стороны, очевидно, что . Поэтому , значит = .

Пусть теперь - случайная величина с . Если , то в силу свойства В) математических ожиданий = , утверждение доказано.

Пусть , тогда вместе с условием получаем: . Очевидно, что для всех . Поэтому, согласно доказанному и значит по свойству Е) математических ожиданий . Так как , то при .