МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ

имени М. В. ЛОМОНОСОВА
Механико-математический факультет

Курс лекций по
теории вероятностей
Лектор — Александр Вадимович Булинский

II курс, 4 семестр, поток математиков

Москва, 2004 г.

Оглавление
1.

2.

3.

Элементарная теория вероятностей
1.1. Вероятностные пространства . . . . . . . . . . . . . . . . . . . . .
1.1.1. Предмет теории вероятностей . . . . . . . . . . . . . . . . .
1.1.2. Алгебры событий . . . . . . . . . . . . . . . . . . . . . . . .
1.1.3. Вероятность. Аксиоматика Колмогорова . . . . . . . . . .
TODO: Лемма о баллотировке . . . . . . . . . . . . . . . . . .
1.2. Свойства вероятностных мер. Непрерывность . . . . . . . . . . . .
1.2.1. Простейшие свойства вероятности . . . . . . . . . . . . . .
1.2.2. Непрерывность мер и её связь со счётной аддитивностью .
1.3. Дискретные вероятностные пространства (примеры) . . . . . . .
1.3.1. Схема Бернулли . . . . . . . . . . . . . . . . . . . . . . . . .
1.3.2. Геометрическая вероятность . . . . . . . . . . . . . . . . . .
1.3.3. Гипергеометрическая вероятность . . . . . . . . . . . . . .
1.3.4. Распределение Пуассона . . . . . . . . . . . . . . . . . . . .
1.4. Условная вероятность и формула Байеса . . . . . . . . . . . . . .
1.4.1. Понятие условной вероятности . . . . . . . . . . . . . . . .
1.4.2. Формула Байеса . . . . . . . . . . . . . . . . . . . . . . . . .
TODO: пример . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.5. Функции распределения и плотности . . . . . . . . . . . . . . . . .
1.5.1. Распределения мер . . . . . . . . . . . . . . . . . . . . . . .
TODO: пояснение . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.5.2. Примеры распределений вероятностных мер . . . . . . . .
1.6. Независимость событий. Леммы Бореля – Кантелли . . . . . . . .
1.6.1. Попарная независимость и независимость в совокупности
1.6.2. Две леммы Бореля – Кантелли . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

5
5
5
5
5
6
6
6
6
6
6
7
7
7
7
7
8
8
8
8
8
8
9
9
9

Случайные величины
2.1. Понятие случайного элемента . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.1.1. Измеримые отображения . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.1.2. Свойства измеримых функций . . . . . . . . . . . . . . . . . . . . . . . . .
2.1.3. Примеры случайных величин . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2. Распределения случайных элементов. Пополнение вероятностного пространства
2.2.1. Вероятностные меры и распределения случайных величин . . . . . . . . .
2.2.2. Пополнение вероятностного пространства . . . . . . . . . . . . . . . . . . .
2.3. Независимость случайных величин . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3.1. Независимые алгебры и случайные величины . . . . . . . . . . . . . . . . .
2.3.2. Теорема о булочках с изюмом . . . . . . . . . . . . . . . . . . . . . . . . . .
2.4. Теорема о монотонных классах и её следствия . . . . . . . . . . . . . . . . . . . .
2.4.1. π-системы и λ-системы множеств . . . . . . . . . . . . . . . . . . . . . . . .
2.4.2. Следствия . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.5. Построение случайных величин с заданным распределением . . . . . . . . . . . .
2.5.1. Последовательности равномерно распределённых величин . . . . . . . . .
2.5.2. Построение произвольной последовательности вероятностных мер . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

10
10
10
10
11
11
11
12
12
12
13
13
13
14
15
15
16

Математическое ожидание
3.1. Интеграл Лебега по вероятностной мере . . . . . . . . . . . . . . . . .
3.1.1. Определение интеграла Лебега . . . . . . . . . . . . . . . . . .
3.1.2. Свойства математического ожидания . . . . . . . . . . . . . .
3.1.3. Теоремы о предельном переходе под знаком интеграла Лебега
3.2. Дисперсия и ковариация. Пространство Lp . . . . . . . . . . . . . . .
3.2.1. Определения и свойства . . . . . . . . . . . . . . . . . . . . . .
3.2.2. Неравенство Чебышева . . . . . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

16
16
16
17
18
20
20
21

2

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

. . . . . . . .2. . . . . . . . . .2. . . . . . . . . . 3 . Простейший вариант ЗБЧ . . . . . . . . . . . . . . . . . . . . . . . . . 5. . . . . . . . . . . . . . .2. . . . . . 4. . . 25 25 25 25 27 28 29 29 29 29 29 29 . . . 5. . . . . . . . . Теорема Этемади . . . . . . . . . Основные определения . . 4. . . . . . . . . . . . . . . . Сходимость по вариации . . . . . . . . . . . . . . . . . . . 5. . . . . . . . . . . . . . . . . . . . . . . . . . . . .4. . . . . 4. . . . . . . . . . . . . . . . . . . . 5. . . . . .4. . . . . . . . .1. . . . . . . . . . . . . . . .1. . . . . . . . . . . Классическая теорема Колмогорова. . . . . 5. . . . .2. . . . . . .2. . . . Закон больших чисел 4. . . . . . . . . . . 21 21 21 22 22 22 22 22 22 22 22 23 25 . . . . . . Ещё два (а может. 5. . . . . . . . . . . . . . . . . . . . . . . .3. . . . . . . . . . . . . . . Центральная предельная теорема 5. . . . . . . 5. . . . . . .1. . . .5. . . . . . . . . . . . . . . . . Теорема Александрова . . . . . . . . . 4. . . . . .1. . . . . . . . . . . . . . . . функций . . . . . . . . . . . . . . . . . . . 4. . . . . . . . . . . .2. . . .3. . . . . . . . . . . . . . . . . .2. . . . . . . . . . .3. . . . . . . . Закон больших чисел . . . . . . . . . Сходимость случайных величин. . . . . . . . . Теорема Вейерштрасса . . . . . . Усиленные законы больших чисел и их следствия . . . 4. . . . . . Теорема Пуассона . . . . . . . 4. . . .2. . . .2. . . . . .3. . . . Закон 0 и 1 . . 5. . . . . . . . . . . . . . . . . . .2. . . .2. . . .3. . . . . . . . . . . . . . . . . . . . . 5. . Характеристические функции . . . . . . . . . . . . . . . Определение. . . . . . . . . . . . . . . . . . . . .1. . . . . . . . . . . .2. . . . . . . . .5. . . . . . . . . . . . Различные виды сходимости и их взаимосвязь . . 4. . . . . . . . Многомерная центральная предельная теорема . . . . . . . .1. . . . . Сходимость по распределению и слабая сходимость . . . . .5. . . . . . . . . . . .1. . . .4. . Сходимость почти всюду и сходимость по вероятности 4.2. . . . . . . . . . . . . . . . . .1. . . . . . . . . . . . . . . . .3. . . . . . . . . . . . . . . . . . . . . .3. . . . . . три) свойства характеристических 5. .1. . Свёртки распределений . . . . . . . . . . . . . . . . . . . . . . 4. . . . . . . . УЗБЧ для некоррелированных величин . . . . . . . . . . . . . . . . . . . . . . . . .3. . . . . . . . . . . . . .2. . . . . . . . . .3. . . . 4. . . . . . Теорема Леви . . . . . . Центральная предельная теорема в условиях Линдеберга . . . . . . . . . . . . . . основные свойства и примеры . . . . . 5. . . Формула обращения . . . Случайные векторы . . .1. .

mexmat.ru. это общепринятый стандарт. каким он был на лекциях в 2004 году. комментарии. Случайные величины мы решили обозначать греческими буквами. Вопросы. Набор и вёрстка: DMVN Corporation. д. замечания и предложения направляйте на dmvn@mccme. определений и т. GorDmit Последняя компиляция: 15 февраля 2006 года Версия: 0. собраны воедино все теоремы. В частности. но ряд усилий в этом направлении всё же было приложено.net. Некоторые перестановки с целью более логичной группировки утверждений были осуществлены во второй и третьей главах настоящего издания. В данной версии исправлено несколько опечаток. в целом сохранён таким. за что спасибо Игорю Приходько. относящиеся к теории интеграла Лебега.3 4 . Порядок следования теорем. а не латинскими. оказался ли этот эксперимент удачным или нет. как это было на лекциях — все-таки. обновления электронной версии — на сайте http://dmvn.Предисловие Данное издание является результатом совместного творчества DMVN Corporation и Дмитрия Горяшина. Стандартизовать обозначения и исходные TEX-исходники непросто. Пока работа полностью не завершена. трудно сказать.

Аксиоматика Колмогорова Определение. измеримых по Жордану или по Лебегу). т. содержащих M. P) называется вероятностным пространством. если она является алгеброй. Вероятность. Это и будет σ {M}. Пара (Ω. Его мы будем называть множеством элементарных исходов. что pi = 1. все «веса» исходов одинаковы и равны p = Вероятность события A ⊂ 2Ω определяется как P(A) := |A| N . 2◦ Если A ∈ A . предоставляется читателю. C . . а пространства элементарных исходов — заглавными греческими буквами. то P A = P(Ai ). то и A := Ω r A ∈ A . Классическое определение вероятности таково: |Ω| = N . Заметим. Легко видеть. i i i=1 i=1 i=1 Аксиомы в определении вероятности называют аксиомами Колмогорова. . Положим P(A) := X pi . Пусть ∞ P ∞ Ω = {ωi }i=1 . Определение.}. Борелевской σ-алгеброй топологического или метрического пространства называется σ-алгебра. порождённая всеми открытыми множествами. то и i=1 Элементы алгебр и σ-алгебр часто называют измеримыми множествами (по аналогии с классами множеств. является σ-алгеброй. очевидно. Элементарная теория вероятностей 1. Определение. так как Ai ∈ A . порождённая этой системой. An ∈ A . Предмет теории вероятностей Теория вероятностей изучает математические модели случайных явлений. i=1 i=1 Определение.2. то говорят. Алгебры событий Будем рассматривать некоторое (фиксированное) множество Ω и различные семейства его подмножеств. Если пространство Ω не более чем счётно. Пересечение множеств A и B будем иногда обозначать через AB. если {Ai }∞ Ai ∈ F . 2◦ Нормировка: P(Ω) = 1.1. . .1. Одно и то же пространство может описывать разные случайные эксперименты. Пусть F — σ-алгебра на множестве Ω. . Система F подмножеств Ω называется σ-алгеброй. а подмножества A ⊂ Ω — событиями. Один и тот же случайный эксперимент может быть описан с помощью разных пространств элементарных исходов. то тройка (Ω. Хотя бы одна есть — 2Ω . . 5 1 N. Для обозначения объединения непересекающихся множеств часто будем использовать знак «⊔». B.1.3. n S 3◦ Если A1 . е. Вероятностные пространства 1. (1) i : ωi ∈A Проверка того. и A не пересекаются. Сигма-алгебры будем обозначать шрифтом mathscr (A . но к тому ∞ S же выдерживает счётные объединения и пересечения множеств. . Рассмотрим пересечение всех σ-алгебр. F ) называется измеримым пространством. i=1 ⊂ F . что это действительно вероятность. . Заметим.1. . такой. что вероятностное пространство дискретно. Пусть A = {wi1 wi2 . ∞  ∞ S P 3◦ Счётная аддитивность: если {Ai }∞ ⊂ F . что и пересечение конечного набора элементов алгебры принадлежит ей: по правилу n n T S Де Моргана Ai = Ai ∈ A . то и Ai ∈ A . Пусть каждой точке ωi ∈ Ω приписан вес pi > 0. что для любой системы M подмножеств Ω существует минимальная σ-алгебра σ {M}.1. Вероятность определим i=1 следующим образом. 1. 1.). Алгеброй подмножеств на Ω называется семейство A ⊂ 2Ω со следующими свойствами: 1◦ Ω ∈ A . Определение. i=1 Из определения следует. что оно тоже будет σ-алгеброй.1. что вероятность есть частный случай σ-аддитивной меры на Ω. . Вероятностью называется функция P : F → R со свойствами: 1◦ Неотрицательность: P(A) > 0 для любого события A ∈ F . Если на измеримом пространстве задана функция P. F . .

6 (4) . Непрерывность мер и её связь со счётной аддитивностью Определение. Свойства вероятностных мер. По непрерывности P(An ) → 0.  Имеем A∪B = AB⊔AB⊔AB. Простейшие свойства вероятности ◦ 1 Если A ⊂ B. Рассмотрим события Bn := An r An+1 .2. после чего ему открывают один из оставшихся билетов (которого он не знает). Что выгоднее сделать студенту: поменять свой выбор. . Они лежат в F . если для любой последовательности вложенных событий Bn ց ∅ их вероятность стремится к нулю: P(Bn ) → 0 при n → ∞. что P(AB)+P(AB) = = P (A).  1. так как это i=n T дополнение к конечному объединению. n p (1 − p) 1 Нематематическая 2 Эта постановка задачи слегка изменена по сравнению c версией А.Задача 1.1. P Bi = P(Bi ). е. Вероятность успеха равна p ∈ (0. P(A∪B) = P(AB)+P(AB)+P(AB).1.3. Для любых A1 . Мера P называется непрерывной (в нуле). каждое из которых может быть либо успехом.2. . В. . . а неудачи — q := 1 − p. ∞  Выведем непрерывность из счётной аддитивности. . Вероятностная мера P на алгебре A однозначно продолжается на σ {A }. . Очевидно. 1}. An ∈ F верна формула P (A1 ∪ . Булинского.1. Схема Бернулли В схеме испытаний Бернулли Ω = {ω = (k1 .  | {z } >0 2◦ Для любых A. На экзамене1 по теории вероятностей студенту предлагают три билета. 1. . + P(Bn ) + P(An+1 ). .2. Подставим вероятности событий AB и AB и получим требуемое. (2) i6j6k  Предыдущее доказательство очевидным образом по индукции обобщается на случай произвольного числа событий. Теорема 1.2. Счётная аддитивность функции P эквивалентна её конечной аддитивности и непрерывности в нуле.1 (Формула включений-исключений). B ∈ F имеет место равенство P(A ∪ B) = P(A) + P(B) − P(AB). kn )}. и An+1 ⊂ An . следовательно P(A1 ) = P(B1 ) + . т. . . Заметим. Он выбирает один билет. P(B) = P A ⊔ (B r A) = P(A) + P(B r A) > P(A). так как строк с m единицами будет Cm n . Дискретные вероятностные пространства (примеры) 1. . а всего по формуле бинома Ньютона n X m=0 n m n−m Cm = p + (1 − p) = 1. . то P(A) 6 P(B). . + (−1)n−1 P(A1 .  i=1 i=1 Теорема 1.  Теорема 1. или сохранить его? TODO: Лемма о баллотировке 1. n ∞  ∞ S P Значит. где ki ∈ {0. 1). проводится n испытаний.   Действительно. Они не пересекаются. а все члены ряда неотрицательны. . либо неудачей. An ). Значит. теорема доказывается в курсе действительного анализа. Непрерывность 1. Один он знает хорошо. An ) = n X i=1 P(Ai ) − X P(Ai Aj ) + i6j X P(Ai Aj Ak ) + . Пусть {Ai }i=1 ⊂ F .2.3 (Каратеодори2 ). а два других — не знает. ∞ Пусть теперь P аддитивна и непрерывна. . Пусть An := Bi — «остаточные события». что An = ∅ и An+1 ⊂ An . Вероятность задаётся корректно. и P(AB) + P(AB) = P(B). .3. {z } | {z } | ↓ P(A1 ) (3) ↓ 0 так как вероятность события A1 конечна. Докажем её σ-аддитивность. Пусть {Bi }i=1 — последовательность ∞ S попарно непересекающихся событий.

Вероятность этого события при каждом бросании равна p. Доказать. m−1 N − m Cm N N N C N N (11) k=0 так как сумма в последней формуле есть в точности сумма вероятностей всех исходов в геометрическом распределении. Определение. Условная вероятность и формула Байеса 1. Пусть событие Bk — «первые m человек вынули k хороших билетов». что вынуто k белых шаров. что вероятность того.3. Доказать. 1.2. Студенты подходят по очереди и вытягивают билеты. Условной вероятностью события A при условии B называется число P(A|B) := P(AB) .  7 . из них n хороших. На экзамене по теории вероятностей N билетов. Гипергеометрическая вероятность Гипергеометрическое распределение моделируется так: в урне находится M белых и N чёрных шаров.4 (Формула полной вероятности). что Ckn = 0 при k < 0 или k > n. n! (6) Задача 1. т.3. зависит только степени подготовленности студентов. Найдём вероятность того.  Задача 1. k! (7) 1. Будем считать. CnM+N (5) Замечание. Понятие условной вероятности Определение. Положим P ({ωn }) := (1−p)n−1 p.3. Событие A — «достался хороший билет». Тогда для ∀ A ∈ F X P(A) = P(A|Bn )P(Bn ). Имеем P ({ωk }) = Ckm Cn−k N . P(A) = P(AΩ) = P( ABn ) = P(ABn ) = P(A|Bn )P(Bn ). если S Ai = Ω. то Ckn pkn (1 − pn )n−k → λk −λ e . n → ∞. вопреки бытующему мнению.2. Пусть P(B) > 0. (10) N −m Cm N Отсюда P(A) = n∧m X k=0 m−k n∧m k m−k n − k Ckn CN −n n n X Cn−1 C(N −1)−(n−1) n = = .4. Решение. P(Bk ) = . Пусть {Bi } — разбиение Ω. 1.1. Геометрическая вероятность Модель геометрического распределения: монету бросают до первого выпадения герба. Система непересекающихся непустых событий {Ai } называется разбиением Ω. от концентрации хороших билетов. Из неё наугад вынимают n шаров.  (8) (9) S P def P Действительно. Корректность проверяется аналогично. Таким образом. что попадётся хороший билет. что если npn → λ > 0.4. а F = 2Ω . Тогда Ckn Cm−k n−k N −n P(A|Bk ) = .3.4. е. искомая вероятность. P(B) Теорема 1.1.3. не зависит от позиции в очереди. Распределение Пуассона В схеме Пуассона Ω = {0} ∪ N. Положим pn := P({ωn }) = λn −λ e .

Функции распределения и плотности 1. т. Распределения мер Определение.1. 3◦ Фиксируем точку x0 и рассмотрим последовательность xn → +x0 . Пусть P — вероятность на B(R). если функция F (x) обладает свойствами 1◦ – 3◦ . и An ց A = (−∞. TODO: пример 1. p(x) = 0.5. x] . x] 6 P (−∞. то P(Bj |A) = P(ABj ) P(A|Bj )P(Bj ) = P . такая. lim F (x) = 1. что если x 6 y. Примеры распределений вероятностных мер Пример 5. е. x∈ / [a.5. Переходя к дополнению к An . (14) Функция распределения F (x) имеет график 1 0 a b Пример 5. Это и есть формула Байеса. x0 ].3. b] имеет плотность ( 1 . По непрерывности меры F (xn ) → 0.1. y] . 2◦ lim F (x) = 0. получим значение предела F (x) на +∞. b]. p(x) = b−a 0. Тогда события An := (−∞. x > 0.2. (13) Теорема 1. x < 0. (15) Функция распределения F (x) имеет график 1 0 1 2 3 4 Пример 5. Теорема даёт исчерпывающее описание всех распределений мер на R. b]. Функцией распределения меры P называется функция  FP (x) := P (−∞. то существует единственная вероятностная мера P на B(R). 2◦ Рассмотрим последовательность xn → −∞.2. TODO: пояснение 1. Функция распределения F вероятностной меры P обладает следующими свойствами: 1◦ F (x) неубывает. Снова по непрерывности меры P(An ) → P(A).4. Равномерное распределение на отрезке [a.5.1. Показательное распределение с параметром λ имеет плотность ( λe−λx . Тогда An+1 ⊂ An .  Замечание.    1◦ Очевидно. x→−∞ x→∞ 3◦ F (x) непрерывна справа на R. что её функция распределения есть F . x ∈ [a. Нормальное (гауссовское) распределение с параметрами a и σ 2 имеет плотность   1 (x − a)2 p(x) = √ exp − . Если {Bi } — разбиение Ω.5.2. то P (−∞. Формула Байеса Можно все вероятности рассматривать как условные: P(A) = P(AΩ). 2σ 2 σ 2π 8 (16) . n P(A) P(A|Bk )P(Bk ) (12) k=1 К знаменателю дроби здесь была применена формула полной вероятности. xn ] ց ∅.

влечёт попарную независимость. что верхний предел состоит их тех элементов Ω. События A1 . Обратное. Верхним пределом системы событий {Ak } называется множество lim Ak = lim sup Ak := ∞ [ ∞ \ (17) Ak . то 0 6 P(AB) 6 P(A) = 0. · Aik ) = P(Ai1 ) · . 4}. принадлежащих бесконечному числу Ak . . . принадлежащих всем Ak -м. Дана последовательность событий Ak . n=1 k=n Непосредственно из определения следует. Пусть {Ai }i=1 — последовательность независимых событий.2. A2 = {1. σ 2 ). . . Определение. . . Независимость событий.График этой плотности при разных значениях σ выглядит примерно так: 0 Чем меньше величина σ 2 . An называются независимыми в совокупности. ∞ №2). Пусть  P Лемма 1. · P(Aik ). если P(Ai Aj ) = P(Ai )P(Aj ) для ∀ i 6= j. Обозначение: N (a. . 3. пусть Ω = {1. Замечание. 3}. Заметим. значит. Говорят. что их вероятность равна 0.6. что нижний предел состоит их тех элементов Ω. . 2}. An называются попарно независимыми. Например. P(A1 A2 A3 ) = P ({1}) = 41 6= 12 . являются независимыми с любыми событиями. События A1 . начиная с некоторого. однако. что {Ai }i=1 — последовательность независимых событий. ибо если P(A) = 0. такие.6 (Бореля – Кантелли №1). ∞  ∞ S P  Для ∀ n ∈ N имеем P(A) 6 P Ak 6 P(Ak ) → 0. . .6. Независимость в совокупности. Пусть ряд ∞ P P(Ak ) схо- k=0 дится. если для любого набора индексов i1 .1. тем явственнее выделяется «пик» в точке x = a. ∞ Определение. С другой стороны.7 (Бореля – Кантелли P(Ak ) = ∞. а значит. Говорят. P(Ai Aj ) = 14 .6. 1. . если P(A|B) = P(A). n=1 k=n Непосредственно из определения следует. очевидно. поскольку в ней не накладывается ограничений на вероятности событий. A3 = {1. ∞ S  Введём обозначение Bn := Ak . .  k=n k=n Вторая лемма относится уже к независимым событиям. 2. Замечание. . По-другому можно переформулировать определение так: события A и B независимы. Две леммы Бореля – Кантелли Лемма 1. 1. . Тогда по свойству непрерывности меры n=k P(Bn ) = lim P N →∞ 9 N [ k=n Ak ! . (19) . неверно. что событие A не зависит от события B. что Bn убывают. так как это остаток сходящегося ряда. . . Тогда вероятность события A := (произойдёт бесконечно много событий Ak ) равна нулю. Леммы Бореля – Кантелли 1. An независимы в совокупности. ik имеем P(Ai1 · . Невозможные события. Попарная независимость и независимость в совокупности Определение. если для ∀ n > 2 события A1 . Тогда P lim Ak = 1. т. Определение. . если P(AB) = P(A)P(B). е. 4} и P ({i}) = 41 . . 3 Имеем Ai Aj = {1}. Рассмотрим события A1 = {1. Вторая форма определения удобнее. . Определение. . Нижним пределом системы событий {Ak } называется множество lim Ak = lim inf Ak := ∞ \ ∞ [ (18) Ak . и P(AB) = 0.

B) — измеримые пространства. т. ξ −1 ( Bn ) = ξ −1 (Bn ) и т. Переход «!» обоснован независимостью Ak . и σ {M } ⊂ D. т. x). Назовём событие A «атомом» вероятностного пространства. Доказать вторую лемму Бореля – Кантелли для последовательности попарно независимых событий. если из контекста ясно. Остаётся применить предыдущую теорему. Борелевским называется отображение. а «!!» — неравенством Бернулли. необходимо и достаточно. В теории вероятностей измеримые отображения называются случайными элементами. Пусть (Ω.1. для ∀ x ∈ R множество {ω : ξ(ω) 6 x} должно содержаться в F . что мы будем рассматривать измеримые пространства (Ω. и пересечение конечного набора открытых множеств открыто. F ) и (Θ. будем опускать префикс «F |B» и говорить просто «измеримая функция». Непрерывным отображением называется отображение. По условию M ⊂ D. lim ξn .1. Чтобы ξ была измеримой функцией. т. 2◦ Если ξn → ξ. получаем. что топологическим пространством называется множество X . 10 . Пусть ξn : Ω → R — последовательность случайных величин. е. д. называемых открытыми. Оно является так как операS σ-алгеброй. а значит. Если в определении случайной величины B = B(R). оговоримся сразу о том. Теорема 2.  Аналогичное утверждение справедливо для открытых лучей вида (−∞. Теорема 2. Тогда: 1◦ sup ξn . p] найдётся Cq ∈ C : P(Cq ) = q. Переходя к пределу при N → ∞. для которых свойство измеримости выполняется. Иными словами.  Заметим. е. то ξ — случайная величина. а B = B(R). что объединение любого набора открытых множеств открыто. непрерывное отображение f : X → Y должно быль измеримо относительно топологий на X и Y. е. 2. класс тех множеств.5 (**).  Далее ξ : Ω → R — действительная случайная величина. Чтобы ξ была случайной величиной. lim ξn будут случайными величинами. необходимо и достаточно измеримости прообразов лучей (−∞. Понятие случайного элемента 2. В дальнейшем. прообраз измеримого множества измерим. что P lim Ak = 1.1. Свойства измеримых функций Чтобы не загромождать формулировки следующих утверждений. т. Доказать. либо P(B) = P(A).4 (**).1. Пусть B = σ {M}. е. какие алгебры заданы на наших пространствах. Достаточность: рассмотрим класс множеств D := D ⊂ Θ : ξ −1 (D) ∈ F .2. x]. поэтому D совпадает с B. Измеримые отображения Определение. что B(R) порождается лучами (−∞. бесконечных). что в любое вероятностное пространстве разбивается на не более чем счётное число атомов и «непрерывную» часть C. если для ∀ B ∈ B имеем ξ −1 (B) ∈ F .Рассмотрим дополнение: [  \  Y  X  N N N N N N  Y  !! Y  ! P Ak = P Ak = P Ak = 1 − P(Ak ) 6 exp −P(Ak ) = exp − Ak → 0. обладающую следующим свойством: если C ∈ C и P(C) = p. Открытыми считают также ∅ и все множество X . x]. Теорема 2. такой. F ) и (Θ.2. если оно обладает следующим свойством: если B ⊂ A.  Задача 1. то F |B-измеримые отображения называют действительными случайными величинами. B) и случайную величину ξ : Ω → Θ. Определение.   Необходимость очевидна. отмечен класс подмножеств. а интервал из лучей соорудить несложно. при котором прообраз борелевского множества борелевский. то для ∀ q ∈ [0. так как открытое множество на прямой есть объединение не более чем счётного множества интервалов (возможно. Иными словами. на котором задана топология. Отображение ξ : Ω → Θ называется F |B-измеримым. чтобы для ∀ С ∈ M было выполнено ξ −1 (C) ∈ F . Определение случайной величины напоминает определение непрерывной функции в топологическом пространстве. т. Задача 1. 2.3. Случайные величины 2. при котором прообраз открытого множества открыт. то либо P(B) = 0. свойство измеримости можно проверять только на порождающих элементах σ-алгебры. k=n k=n k=n k=n k=n k=n так как ряд расходится. е. Но σ {M} = B. inf ξn .1. Напомним. S ция взятия прообраза сохраняет все теоретико-множественные операции.

что арифметические операции на R непрерывны. Тогда ϕ ◦ ξ — случайная величина.3.1. Второй (подлиннее): открыть учебник М. Пусть ξ : Ω → R — случайная величина. а P — мера Лебега на Ω.2.  2. Доказать. где S — метрическое пространство. Рассмотрим схему Бернулли.1. 1◦ В самом деле.  Это опять-таки частный случай первого следствия: непрерывная функция. 1]. Найдём такое вероятностное пространство. . например. Sn (ω) := ki .  Задача 2.  | {z } ∈B Следствие 2. Дьяченко «Мера и интеграл» на странице 44 и найти там полное доказательство этого утверждения. (Λ. Примеры случайных величин Пример 1. Пример 1. Тогда ϕ ◦ ξ — случайная величина. (Θ. Первый (короткий): сослаться на следствие предыдущей леммы. что распределение некоторого случайного элемента совпадает с Q. пусть нам дана мера Q. Тогда η ◦ ξ ∈ F |A . И.2. Пусть ξ. . . борелевская (прообраз открытого множества открыт). а так как ξ измерима. n k>n 2◦ Существование предела равносильно совпадению верхнего и нижнего пределов.  Следствие 2.3. где ω = (k1 .  Это частный случай предыдущего утверждения: ϕ ∈ B(R)|B(R). Пусть ξ : Ω → R — случайная величина. 11 (3) . Очевидно. Тогда ξ ± η. P := Q. Любая непрерывная функция f : Ω → R будет случайной величиной. Пополнение вероятностного пространства 2. Положим Ω := Θ. B) и случайных элементов со значениями в Θ — это одно и то же. Аналогично inf ξn измерима. поэтому η −1 (A) ∈ B. В самом деле.   Очевидно: η измерима. Точно также и inf ηn будет случайной величиной. На таком пространстве любая функция ξ : Ω → R будет случайной величиной. Имеем lim ξn = lim sup ξn = inf sup ξk .2. kn ).1. имеем {ω : sup ξn (ω) 6 x} = ∞ \ n=1 {ξn (ω) 6 x} . Пусть Ω = [0. сказав. Рассмотрим измеримые пространства (Ω. что Fξ ≡ FQ (вспомните определение функции распределения меры!). 1}. Рассмотрим последовательность случайных величин ξn : Ω → S. что изучение вероятностных мер на (Θ. очевидно. поэтому sup ξn измерима. η — действительные случайные величины. ξ := id : Θ → Θ. Распределения случайных элементов. ξ · η и ηξ (если η 6= 0) также будут случайными величинами. 2. Для нижнего предела имеем lim ξn = lim sup ξn = sup inf ξk . (2) В дальнейшем для сокращения записи будем в подобных формулах писать просто «P(ξ 6 x)».5. По доказанному функция ηn := sup ξk n k>n k>n будет случайной величиной. i=1 Пример 1. Л. Пусть (Θ. F . а ϕ — непрерывная функция. Рассмотрим дискретное вероятностное пространство (Ω.  Утверждение 2. kn ∈ {0. Случайной величины будет. Функцией распределения (действительной) случайной величины ξ называется функция  Fξ (x) := P {ω : ξ(ω) 6 x} . F := B.1. Ульянова и П. а ϕ : R → R — борелевская функция. F = B(Ω). B). Докажем для верхних и нижних пределов. количество успехов при n P n испытаниях. . | {z } (1) событие Счётное пересечение событий есть событие. так как прообраз любого множества содержится в 2Ω . т.2. А по доказанному lim и lim измеримы. е. P) в котором F = 2Ω . далее рассуждения аналогичны. F ). Покажем. A ) и случайные величины ξ ∈ F |B и η ∈ B|A . B) — измеримое пространство. значит. Лемма 2.1. и lim будет измерим. то ξ ∈ F |B(S). Вероятностные меры и распределения случайных величин Определение. Третий: немного подумать и доказать утверждение самостоятельно. что если ξn → ξ.  Доказывать можно тремя способами.4. то ξ −1 η −1 (A) ∈ F .

е. Определение. а ξ : Ω → Θ — случайная величина. опираясь на это утверждение.3. Обозначение: ξn −→ ξ. . т. N }. . т. Индикатором 3 события A ⊂ Ω называется функция ( 1. называется множество  σ {ξ} := ξ −1 (B). зачем мы его построили. ξn ∈ Bn ) = n \ i=1 {ω : ξi (ω) ∈ Bi } = n Y i=1 P(ξi ∈ Bi ). σ {ξn } независимы. F . можно прочесть в книге А. ξn называются независимыми. Теперь. что P (ξ1 ∈ B1 .7. независимость означает. порождённой величиной ξ. очевидно. если σ {ξ1 } . Определение. Иными словами.6. Сначала введём новый вид сходимости. (8) Определение. . 12 . Доказать. ξn → ξ на множестве Ω0 : P(Ω0 ) = 1. .н. Независимые алгебры и случайные величины Теперь дадим одно из самых важных в теории вероятностей определений. F ). . Оно и называется пополнением пространства (Ω. 2. получено вероятностное пространство (Ω.Определение. В дальнейшем. что последовательность случайных величин ξn сходится к ξ почти наверное (почти всюду). F . Рассмотрим класс N нулевых множеств. Ширяева «Теория случайных процессов». . 2. . В. Пусть (Ω. IA (ω) := 0. Поясним. Пополнение вероятностного пространства В теории вероятностей всегда удобно считать вероятностное пространство (Ω. . Алгебры (или σ-алгебры) A1 . F ) вероятностную меру P следующим естественным образом: P(A ∪ C) := P(A). Доказательство этого утверждения предоставляется читателю в качестве упражнения (включения ⊃ и ⊂ легко устанавливаются). п. а C ∈ N . . P) пополненным. (7) Определение. Булинского и А. B) — измеримые пространства.1. ω ∈ / A. Теперь поясним. An ⊂ F называются независимыми. что это означает.2. F ) и (Θ. Таким образом. как правило. · An ) = P(A1 ) · . B ∈ B . е. т. P(A) = 0} . все события A ∈ F такие. . P). (9) Аналогично событиям определяется последовательность независимых случайных величин. (5) Пусть F := σ {F . Сигма-алгеброй.2. . . где A ∈ F . Н. F состоит из множеств вида A ∪ C. будем иметь в виду сходимость почти наверное и считать пространство пополненным. . A ∈ F . . Величины ξ1 . однако в теории вероятностей он имеет совсем другой смысл. Пусть действительные случайные величины ξn сходятся к ξ почти наверное.3. что IA ∈ F |B(R) ⇔ A ∈ F . F . . всегда под словом «сходимость». выполняются. . . C ∈ N . (4) Задача 2. если ξn → ξ поточечно за исключением множества меры нуль. Утверждение 2. Утверждение 2. что P(A) = 0 и все их подмножества B ⊂ A (множество B уже не обязательно событие!). и только из них. Говорят.2. P). Рассмотрим измеримое пространство (Ω. N = {B : B ⊂ A. если P(A1 · . собственно. . е. Тогда ξ будет случайной величиной на пополнении нашего пространства по мере P. . Доказательство4 этого утверждения мы также предоставляем читателю. 3 Иногда 4 Его используется термин «характеристическая функция». · P(An ) ∀ Ai ∈ Ai . (6) Все аксиомы вероятности. Независимость случайных величин 2. когда речь пойдёт о сходимости случайных величин и их математических ожиданий. ω ∈ A. . определим на пространстве (Ω. где A ∈ F .

4. vn (10) Теорема 2. Вероятность попадания k-й точки в vi равна P(ξk ∈ vi ) = |v |V | (распределение равномерное. (12) Тогда искомая вероятность равна N! mn 1 · p m0 · p m 1 · . Пусть длина ребра куба стремится к +∞. если: 1◦ S ∈ M.8. сколько их попадает в i| каждое подмножество. Тогда n Y (λ|v1 |)m1 (λ|vn |)mn exp (−λ|v1 |) · . то m n−m Cm → n pn (1 − pn ) λm −λ e . Пусть Yi — число частиц. . . π-системы и λ-системы множеств Определение. B ∈ M ⇒ B r A ∈ M. Теорема о булочках с изюмом Теперь докажем одну из теорем о сходимости последовательности случайных величин.2. Если npn → λ > 0 при n → ∞. Теорема о монотонных классах и её следствия 2. |V | pi := i=1 p0 := |V | − n P i=1 |vi | |V | . |V | |V | |V | (16) так как показатель степени стремится к λ|V |. Замечание.3. что S ∈ M. . m! 2.4. не попавших ни в одно из vi . . 2◦ A ⊂ B и A. что n P mi N! N!  → N i=1 .1. а плотность частиц стремится к некоторому (конечному) числу: |VN | → λ > 0. · pn . .3. .  Следствие 2. Теорема доказана. m0 ! · m1 ! · . попавших в vi . то можно считать. P (Y1 = m1 . . Yn = mn ) → m1 ! mn ! i=1 (11) где величины zi имеет пуассоновское распределение с параметром λ|vi |. Определение. Будем бросать точки в куб и считать. . · mn ! 0 Заметим. 13 (17) .  Пусть m0 — число частиц. Имеем 0 pm 0 =  P P P N −P mi  N   N |V |   X |V | − |vi | |vi | |vi | |V | → 1− = 1− → exp −λ |vi | . . B ∈ M ⇒ A ∩ B ∈ M. Если M — π-система. · exp (−λ|vn |) = P(zi = mi ). Рассмотрим куб V с ребром M . а модуль обозначает меру Лебега). Пусть в нём выделено n непересекающихся борелевских подмножеств vi . так как она равна сумме N индикаторов борелевских множеств (N — общее число частиц): Yi := N X k=1 v1 v2  Ivi ξk (ω) . Система M подмножеств S называется π-системой. . 3◦ An ր A и An ∈ M ⇒ A ∈ M. Это случайная величина. |vi | . Система M называется λ-системой. m0 := N − n X mi . (15) В следующей формуле все операции суммирования — по i от 1 до n. = n P m0 ! N− mi ! (13) (14) i=1 Тогда i N mi p m = N mi i  |vi | |V | mi =  N |vi | |V | mi → (λ|vi |)mi .2. если A. а pi — вероятность попадания в vi .

что A ∩ B ∈ D. Тогда для ∀ ε > 0 и для ∀ A ∈ A найдётся множество Aε ∈ K такое. Пусть P.3. очевидно. В силу непрерывности P имеем P(An ) → P(A). F . для которых утверждение верно. Покажем. Она является λ-системой. Значит. . если они образуют π-системы. что пересечение π-систем будет π-системой. где K — π-система подмножеств Ω. . fn (ξn ) также независимы. Рассмотрим класс FB таких множеств A. An ⊂ F . Применяя теорему о монотонных классах. натянутая на M. Всё остальное совсем очевидно. когда оно является π-λ-системой. ξn равносильна тому. . . что для ∀ x1 . Остается воспользоваться только что доказанной теоремой. . x]. . B ∈ D. Кроме того. а значит. Далее. определение независимости будет выполнено и для σ-алгебр σ {fi (ξi )}. е. (18) Тогда оно верно и для любых событий Ai ∈ Ai . . откуда по предыдущей лемме и будет следовать. (20) | {z } ∈B(R) Значит. Тогда σ-алгебра.  Теорема 2. Значит. Тогда меры P и Q совпадают на B(R). Тогда функции f1 (ξ1 ). Нужно всего лишь вспомнить теорему о продолжении меры (Каратеодори). . fn : R → R — борелевские функции. . Легко видеть. что формула верна для любого A1 ∈ A1 . Аналогично. а f1 .  Задача 2. т.  Честно проверяем аксиомы: замкнутость относительно пересечения уже есть. . . поэтому если An ր A. An .10 (О монотонных классах). . получаем. Рассмотрим произвольные множества A. порождённые системой K. σ {M} = B(R). . Но P(An ) = Q(An ) по определению класса M. Пусть π-система M содержится в λ-системе D. A ∩ B ∈ D для любых A. а Q — некоторая вероятностная мера. Покажем. Независимость действительных случайных величин ξ1 . аналогично зафиксируем все множества. . . P(A) = Q(A). . что этот класс является λ-системой. Будем рассматривать π {K} и λ {K} — наименьшие π-системы и λ-системы. счётная аддитивность легко выводится из свойства 3◦ определения λ-системы. . где K — алгебра. . xn ∈ R совместная вероятность равна произведению вероятностей: P(ξ1 6 x1 . что борелевские функции от непересекающихся наборов независимых случайных величин независимы. что D = λ {M}. B ∈ D и докажем.     −1  −1 −1 σ {fi (ξi )} = fi (ξi ) (B) = ξi fi (B) ⊆ σ {ξi } . е. порождённой M. Пусть A = σ {K}. Пусть B ∈ M. Q — меры на B(R). Пусть F = G. . n. Рассмотрим вероятностное пространство (Ω. Тем самым утверждение будет доказано для любых событий из A1 . . ξn — независимые случайные величины. что (18) верно для любого A1 ∈ K1 .  Теперь обобщим утверждение леммы.  Покажем теперь. где An ∈ M. то и A ∈ M. а Mi — π-системы. что D замкнуто относительно пересечения. д. что свойство независимости σ-алгебр можно проверять только на порождающих элементах. .9. . Их существование доказывается аналогично соответствующему утверждению для σ-алгебр. Пусть A = σ {K}. что класс M := (−∞. (19) i=1 Лемма 2. . . Лемма 2. кроме A2 .  Зафиксируем Ai ∈ Mi для i = 2. · P(An ). т. Теорема 2. Рассмотрим класс событий K1 таких. где Ai = σ {Mi }. .11. Тогда P = Q на A .   Действительно. . . 14 . .  В самом деле. поэтому GA = D для ∀ A ∈ D. Пусть P = Q на K.5.  Следствие 2. фиксировав множество A.2. Легко видеть. Следствия Теорема 2. σ {M} = λ {M} ⊂ D. Пусть A1 . рассмотрим класс GA := {B ∈ D : A ∩ B ∈ D}. . что P(A△Aε ) < ε. . FB := {A ∈ D : A ∩ B ∈ D}.  Следствие 2. совпадает с λ-системой. что P(A) = Q(A). Пусть ξ1 . Множество A является σ-алгеброй тогда и только тогда. так как это будет π-λ-система. . Это также будет λ-система.4. что K1 будет λ-системой. . x ∈ R есть π-система. ξn 6 xn ) = n Y P(ξi 6 xi ).Очевидно. Пусть также для событий Ai ∈ Mi справедливо равенство P(A1 · .4.  2. и т. P).  Рассмотрим совокупность M множеств A ∈ F таких. То же самое верно и для λ-систем. .12. . Решение. . он совпадает с D. а F (x) и G(x) — их функции распределения.  Без потери общности можно считать. · An ) = P(A1 ) · . что D есть σ-алгебра. .13.

.  2. е. . (22) 2k k=1 Найдём функцию распределения ξ:  ! P(ξ < x) = P {ξ1 < x1 } ∪ {ξ1 = x1 . . . . . = ∞ X ! !! = P (ξ1 = x1 . . x] . . . f (ξkm . Для этого запишем наши величины ξk в виде таблицы. . . . . (23) Перенумеруем ξk индексами по строкам и столбцам.  Заметим сначала. так как они являются подпоследовательностями в последовательности независимых величин {ξk }. что ξ будет случайной величиной. Параллелепипеды образуют π-систему. Рассмотрим независимые действительны случайные величины ξ1 . xn ). .5. Довести доказательство до конца. · P (ξk−1 = xk−1 ) · P (ξk < xk ) = 2k k=1 что и означает равномерную распределённость. × Ck .. . . . . . . Величина ξ имеет равномерное распределение на [0. . .  Теперь построим не одну равномерно распределённую величину. Рассмотрим теперь величины ηn := ∞ X ξnk (ω) k=1 2k . . 1].15. Остаётся применить первое следствие из теоремы о монотонных классах (теорему 2. . т. .11).14. xk1 ). Тогда композиции f (ξ1 . ξk < xk ) = k=1 !! = ∞ X k=1 ∞   X xk = x = P [0. . мы предоставляем читателю. 1]. ξ2 = x2 . Построение случайных величин с заданным распределением 2. Последовательности равномерно распределённых величин Рассмотрим независимые случайные величины ξk . ξ9 . Рассмотрим конечные суммы θnm := m X ξnk (ω) k=1 2k → ηn . ξ3 < x3 } ∪ . а равенство «!!» — независимостью величин ξk . ξ5 ξ8 . . Рассмотрим также величину ξ := ∞ X ξk (ω) 2k k=1 (21) . (24) По только что доказанной лемме они имеют равномерное распределение на [0. для которых (x1 . m → ∞. принимающие только значения 0 и 1 с одинаковой вероятностью p = 21 . . ξk−1 = xk−1 . . xk ) ∈ B = x1 ∈ C1 . ξn ) также независимы. получим величины ξij . . . . (25) Они будут независимыми как (борелевские) функции от непересекающихся наборов случайных величин. Пусть x ∈ [0. 1] имеет двоичное разложение ∞ X xk x= .Теорема 2. ξk1 ). что рассматриваемые события не пересекаются. . ξn и некоторые борелевские функции f1 (x1 . . . . . fs (xkm . где Ci ∈ B(R). xk ∈ Ck . . так как это предел суммы сходящегося ряда. . множеств вида B = C1 × . 15 . а сразу много. Остаётся показать их независимость. P(ξ1 = x1 ) · . . . . ξ2 < x2 } ∪ {ξ1 = x1 . сославшись на непрерывность вероятности в нуле и равномерную распределённость величин ηn .  Легко видеть. . . Получатся последовательности {ξij }∞ j=1 (при фиксированном i) независимых случайных величин. . .1. . заполняя её по диагоналям: ξ1 ξ3 ξ6 ξ10 ξ2 ξ4 ξ7 .5.. . . Переход «!» обусловлен тем. . . что свойство независимости  справедливо для «параллелепипедов». Лемма 2. . .

 Таким образом. поэтому F (yn ) → F (a). Переход к пределу даёт F F −1 (a) > a. Теорема 2. (2) i=1 Задача 3. 1) : F −1 (x) 6 z = {x ∈ (0. Величины ξn будут независимыми как борелевские функции от независимых величин.  Следствие 2. мы рассматриваем вероятностное пространство (Ω. P F −1 (ν) 6 z = P ω : ν(ω) 6 F (z) = F (z). имея равномерно распределённую величину ξ. Равенство «!» обусловлено леммой. Определение. то по определению F −1 (x) 6 z. что x 6 F F −1 (x) для ∀ x ∈ (0. е. т. Пусть F −1 (x) = a. Определение.1. ξ= n X i=1 ai IAi = m X j=1 bj IBj ⇒ Eξ = 16 n X i=1 ai P(Ai ) = m X j=1 bj P(Bj ). (28)  Если x 6 F (z). т. (3) . . Математическое ожидание определяется в три этапа: сначала для простых случайных величин. Пусть x ∈ (0. Приступим.1. Определение интеграла Лебега Как обычно. можно построить случайную величину с произвольной функцией распределения. (27) то есть из всевозможных прообразов берём их нижнюю грань. 1). i=1 где A1 . Лемма 2.1. Показать. 1]. Построение произвольной последовательности вероятностных мер Определение. А вот теперь настало время прояснить. если она представима в виде ξ(ω) = n X (1) ai IAi (ω). Пусть задана последовательность {Qn } вероятностных мер на B(R). Случайная величина ξ : Ω → R называется простой. зачем всё это нам потребовалось. Интеграл Лебега по вероятностной мере 3. 1) : x 6 F (z)} . .16. P). то F F (x) 6 F (z). Тогда F (yn ) > a всилу неубывания F . Математическое ожидание 3.  3. так как распределение равномерно. . Закон распределения случайной величины ξ : Ω → R есть  Law(ξ) = Pξ (B) := P ξ −1 (B) . .17. Определение. а F — функция распределения неко торой меры Q на B(R). Рассмотрим последовательность yn ց a. последовательность {Fn } их функций распределения. . 1]. Интегралом Лебега по вероятностной мере P (математическим ожиданием) простой случайной величины ξ называется число n X Eξ := ak P(Ak ).5.   !  Действительно.2. Тогда на некотором вероятностном пространстве существуют независимые случайные величины ξn c функциями распределения Fn . и только потом для любых. (26) Теперь определим нечто вроде «обратной функции» для функций распределения. An — разбиение Ω. Функция F непрерывна справа. е. Положим F −1 (y) := inf {x : F (x) > y} . Пусть ν имеет равномерное распределение на [0. е. Таким образом.   −1 −1 если F (x) 6 z. По следствию из леммы их законы распределения суть в точности Qn . Наоборот. Положим ξn := Fn−1 (νn ).2. Для ∀ z ∈ R имеет место равенство множеств  x ∈ (0.6. что значение Eξ не зависит от разбиения. т. 1). Тогда Law F −1 (ν) = Q.  Построим последовательность независимых случайных величин {νn }. так как F неубывает. Покажем. Law(ξn ) = Qn . потом для произвольных неотрицательных.1. F . равномерно распределённых на [0. . включение «⊇» установлено.

0} . k2n 6 ξ(ω) < (k + 1)2−n . Положим Eξ := sup {Eη : η 6 ξ} . f ∈ L1 ⇔ |f | ∈ L1 . что математическое ожидание существует. е. пишут ξ ∈ L1 .  Построим «ступенчатые» функции. Интеграл Лебега обозначается так: Z Z Eξ = ξ dP = ξ(ω) P(dω). Пусть η принимает значения a1 . Определение. к попарным пересечениям всех Ai и Bj . 2n − 1. Достаточно перейти к более мелкому разбиению. что для простых случайных величин верны свойства: 1◦ E(cξ) = cEξ. 1). что математическое ожидание существует. Обозначение «E» происходит от французского «esp´erance math´ematique». чрезвычайно важно и будет многократно применяться ниже. т. (10) i=1 i=1 17 . . Тогда Eξn → Eξ. е. Более формально. Это — искомая последовательность. Пусть ξ > 0. . ξ > 0 ⇒ Eξ > 0). В противном случае Eξ не определено. 0} . ξ(ω) > n. а выше уровня n «срезаем» функцию. В дальнейшем будем говорить. Там. 3◦ ξ 6 η ⇒ Eξ 6 Eη (в частности. Сходимость к ξ и неубывание последовательности очевидны.  Очевидно. и a 6 Eξ. Тогда существует последовательность простых случайных величин {ξn } такая. P(Ain ) → P(Ai ) при n → ∞.1 (об аппроксимации). т. Замечание. причём C + ∞ := +∞. е. уменьшая высоту ступенек со скоростью 2−n и наращивая высоту «лестницы» со скоростью n. Наконец. берем нижнюю границу. . (9) Рассмотрим множества Ain := Ai ∩ {(1 − ε)η 6 ξn }. (7) Ω Ω Если ξ интегрируема по Лебегу. несмотря на свою очевидность. Очевидно. что a = Eξ. . а C − ∞ := −∞.2. Интеграл Лебега относится к числу абсолютных интегралов. Для неотрицательных случайных величин математическое ожидание определено всегда. Фиксируем ε ∈ (0. что лучше отражает смысл данного понятия. Пусть 0 6 ξn ր ξ.  Лемма 3. Иногда используется буква «M». ξ − := − min {ξ.1. а значит. если интегралы от положительной и отрицательной части конечны. 3. Значит. однако оно может принимать бесконечные значения. Положим   Eξ := E ξ + − E ξ − . ak на множествах A1 .  Положим a := lim Eξn и покажем. Ak соответственно. Свойства математического ожидания Далее будем рассматривать случайную величину ξ : Ω → R. (4) где η — простые случайные величины. если хотя бы одно из значений E (ξ + ) и E (ξ − ) конечно. 2◦ E(ξ ± η) = Eξ ± Eη. Введём случайные величины ηn := (1 − ε)η · I{(1−ε)η6ξn } .2. (5) (6) При этом говорят. Определение. Пусть ξ — действительная случайная величина. . (8) ξn := где k = 0. Теперь определим математическое ожидание произвольной неотрицательной величины. что ξn ր ξ. Пусть ξ > 0. Докажем обратное неравенство. n. Для этого введём следующие обозначения: ξ + := max {ξ. где наша функция оказывается между ступеньками.Решение. т. . что a > Eη для любой простой величины 0 6 η 6 ξ. . Лемма 3. что Ain ր Ai при n → ∞. где ξn — простые случайные величины. . Тогда k k X X Eηn = (1 − ε) ai P(Ain ) → (1 − ε) ai P(Ai ) = (1 − ε)Eη. По определению математического ожидания Eξn 6 Eξ. Замечание. Следующее утверждение. происходящая от английского «mean value» (среднее значение). положим ( k2−n . определим Eξ для произвольной величины ξ.

Имеем 0 6 ηnk 6 ζk 6 ξk 6 ξ. что E(ξn ηn ) = Eξn Eηn .  Очевидно. Покажем. то оказывается. Пусть ξ.j6k 16i6k (15) Это будет возрастающая последовательность простых случайных величин. а E — линейный п. и получим. 6 ηkk 6 . Если ξ.  Теорема 3. 16i. . Построим 0 6 ξn ր ξ и 0 6 ηn ր η. η − — также независимые величины (это борелевские функции от независимых величин). а так как ε произвольно. перемножим ряды.  Как известно. и каждое слагаемое справа и слева неотрицательно. получим ξn 6 ζ 6 ξ. первое утверждение доказано для любых ξ. . Если ξ = η. Если ξ > 0. η + и ξ − . что P Ai · Bj = P Ai · P Bj . Устремим k → ∞.4. Остаётся перейти к пределу при n → ∞. А вот если случайные величины независимы. что это всегда верно.3. Так как (ξ − η)+ + η = ξ + (ξ − η)− . поэтому E(Cξ) = CEξ. Пусть ζk ր ζ. 6 ηk1 6 ηk2 6 . то E(ξ − η)+ + Eη = Eξ + E(ξ − η)− ..1. то E(ξ − η) = Eξ − Eη. получим ξ 6 ζ 6 ξ. Если 0 6 η 6 ξ и ξ ∈ L1 . . . Докажем четвёртое утверждение. Имеем (13) Eηn = E(ηn IA ) + E(ηn IA ). (14) j j=1 (n) (n)  (n)  (n)  Пользуясь тем. если C > 0. то Eξ = Eη. Теорема 3. (11) По определению.3. Множество интегрируемых функций L1 есть векторное пространство. 6 η1k 6 . Имеем ξn = k X i=1 (n) ai IA(n) . то и η ∈ L1 .  Построим простые величины ηnk ր ξn при k → ∞. что ξ + . Теперь устремим n → ∞. . E(ξ − η) = E(ξ − η)+ − E(ξ − η)− . то построим последовательности 0 6 ξn ր ξ и 0 6 ηn ր η. β ∈ R. η > 0.  Докажем первое утверждение теоремы. Снова построим величины 0 6 ξn ր ξ и 0 6 ηn ր η. получаем  E(ξ + η) = E (ξ + + η + ) − (ξ − + η − ) = (Eξ + + Eη + ) − (Eξ − + Eη − ) = Eξ + Eη. Теоремы о предельном переходе под знаком интеграла Лебега Следующая теорема является обобщением уже полученных результатов. а по предыдущей лемме E(ξn + ηn ) ր E(ξ + η) и Eξn + Eηn ր Eξ + Eη. то αξ +βη — простая случайная величина. Тогда (ξ · η) ∈ L1 и E(ξ · η) = Eξ · Eη. Далее. Возьмём ηn из леммы об аппроксимации. .Значит. что если ξ.. η ∈ L1 — независимые случайные величины. Тогда Eηn ր Eη. оператор на L1 . ր ξk Положим ζk := max ηij = max ηnk .5 (о монотонной сходимости). можно рассматривать лишь случай ξ. Величины ξn и ηn будут независимыми.  3. интеграл от произведения функций в общем случае не равен произведению интегралов. то Eη 6 a. Если ξ и η — простые случайные величины. Пусть 0 6 ξn ր ξ. Пусть событие A := {ξ = η}. . η ∈ L1 . Покажем теперь. то и Eξ > 0. . Представляя каждое из слагаемых в виде разности двух неотрицательных. 18 (16) . Второе и третье утверждение теоремы очевидны. а это равносильно (11). Теорема 3. . Тогда Eξn ր Eξ. 6 η11 6 η12 6 . Как видно из доказательства первой части. (12) Таким образом. и E(αξ+βη) = αEξ+βEη для любых α. то Cξn ր Cξ. что E(ξ + ·η + ) = E(ξ + )·E(η + ). ηn = i m X (n) bj IB (n) . η > 0. η > 0. (1 − ε)Eη 6 a. Так как P(A) = 0. Тогда E(ξn + ηn ) = Eξn + Eηn . Настало время это доказать. то Eηn = E(ηn IA ) = E(ξn IA ) → E(ξIA ) = Eξ. ր ξ1 . .н. . откуда ζ = ξ.

Θ + (22) Θ − В общем случае рассмотрим ϕ и ϕ и повторим предыдущее рассуждение. что она обладает плотностью.2) следует.  Задача 3. Пусть η ∈ L1 . (23) .  n=1 n=1 n=1 n=1  В самом деле. Таким образом. Из этого неравенства и теоремы о монотонной сходимости (точнее. (18) Выносим минус за знак E. Лемма 3. Пусть ξ. поэтому lim Eξn = Eξ. Тогда Z Z   Eϕ ξ(ω) = ϕ ξ(ω) P(dω) = ϕ(θ) Pξ (dθ).8. n=1 n=1 Нужно рассмотреть (неубывающую) последовательность частичных сумм и применить теорему. F .2.  ∞ ∞ ∞ ∞ P P P P Следствие 3.  ∞ ∞ P P Следствие 3.2. такое. Построим простые функции 0 6 ϕn ր ϕ. Следовательно. Тогда Eξn ր Eξ. и ξn → ξ. По теореме о монотонной сходимости Z Z Eϕn (ξ) = ϕn (θ) Pξ (dθ) → ϕ(θ) Pξ (dθ) = Eϕ(ξ). В пределе при k → ∞ получаем Eξn 6 Eζ 6 lim Eξk . где ξ : Ω → Θ — случайная величина. Пусть η 6 ξn . где Eη > −∞. Но тогда расходится и ряд из интегралов от модулей. Противоречие. B. а Pξ = Law(ξ). Пусть ξn > 0. n k>n | {z } (17) ηn Тогда ηn ր ξ. Пусть также ϕ : Θ → R — борелевская функция. Переходя к пределу при n → ∞. Как уже было замечено выше. Но ζ = ξ.1. (20) Ω  Θ Докажем утверждение сначала для индикаторов. и получаем E(lim sup ξn ) > lim sup Eξn . и η 6 ηn 6 ξn . а потому Eξ > lim sup Eξn > lim sup Eξn > Eξ. Доказать более общую теорему: пусть η 6 ξn ր ξ. получаем lim Eξn 6 Eζ 6 lim Eξk .  Имеем ξ := lim inf ξn = lim inf ξk .  Имеем −ξn > −η и E(−η) > −∞.В силу неравенства (16) Eηnk 6 Eζk 6 Eξk .7 (Лебега о мажорируемой сходимости). Pξ ) — вероятностные пространства. так как ξ = lim ξn = lim inf ξn = lim sup ξn .  Теорема 3. n → ∞. Тогда E ξn = Eξn . Далее будем рассматривать вероятностное пространство с σ-конечной мерой. Тогда ξn сходится почти наверное и E ξn = Eξn . k=1 Теперь пусть ϕ > 0. (21) Θ ak IAk утверждение также справедливо по линейности интеграла. Тогда Eξn → Eξ. P) и (Θ. Определение. то расходится и ряд из модулей.6 (Фату). что Eξ = lim Eηn 6 lim inf Eξn . из задачи 3. Пусть E|ξn | сходится. E lim sup ξn > lim sup Eξn > lim inf Eξn > E lim inf ξn .  Замечание. По лемме Фату  E lim inf(−ξn ) 6 lim inf E(−ξn ) ⇒ E(− lim sup ξn ) 6 − lim sup Eξn . пополнив вероятностное пространство. Пусть ξ — случайная величина. Тогда E lim inf ξn 6 lim inf Eξn .  Теорема 3. т. (19) Отсюда всё следует. если её функция распределения представляется интегралом от неотрицательной функции p(t): Fξ (x) = Zx −∞ 19 p(t) dt. все теоремы о сходимости случайных величин можно переформулировать в терминах сходимости почти наверное. и Eη > −∞. Пусть (Ω. η — случайные величины. которое можно разбить на счётное число подмножеств. lim Eξn = Eξ. поскольку значение интеграла не зависит от значений функции на множестве меры нуль. Имеем  def EIB ξ(ω) = P (ξ ∈ B) = Pξ (B) = Для простой функции ϕ = n P Z IB (θ) Pξ (dθ). каждое из которых имеет конечную меру. е. и |ξ| 6 η. Говорят. если бы функциональный ряд расходится на множестве положительной меры.

Y i := XY dP. Пусть случайная величина ξ имеет плотность p(t). Если ξ. P). неверно: существуют зависимые случайные величины. с нулевой ковариацией. скажем. η) := E (ξ − Eξ)(η − Eη) .Очевидно. Дисперсия и ковариация. Q Bi = p(t) IBi (t) dt = (25) R R  Rx Имеем Q (−∞.9. п. (31) Замечание. Dξ имеет смысл. 20 . π]. по свойству линейности получаем   2 2 (29) Dξ = E (ξ − Eξ) = E ξ 2 − 2ξEξ + (Eξ)2 = E(ξ 2 ) − (Eξ) . Введём функцию Z Z Q(B) := p(t) dt = p(t)IB (t) dt. ξ ∼ η ⇔ ξ = η. (26) R R 3. Xi = 0 ⇔ X = 0. Дисперсией величины ξ называется число Dξ := E(ξ − Eξ)2 . Обратное. x] = p(t) dt = Fξ (x). −∞ Теорема 3. где величина ν равномерно распределена на [0. что это симметричная билинейная положительно определённая форма.н. а ϕ — борелевская функция. hX.1. Таким образом. интегрируемых вместе со своей p-й степенью. Определения и свойства Определим понятие «момента инерции» случайной величины — величину среднеквадратичного отклонения от своего среднего значения. Пусть p(t) — плотность величины ξ. у которых существует E|ξ|p . Теперь определим «скалярное произведение» случайных величин.2. Введём на нём отношение эквивалентности: p п. Пусть существует Eξ 2 . sin ν и cos ν. то cov(ξ. F . Определение. (24) B R Эта функция является мерой на B(R). где p ∈ (1.н. если ξ ∈ L2 . (28) Ω Очевидно. Если же существует несобственный интеграл Римана у |f |. Если в определении раскрыть скобки. Определение. η ∈ L2 называется число   cov(ξ. Скалярное произведение вводится так: Z hX. ∞) — некоторое (фиксированное) число. η — независимые случайные величины. Тогда Z Z  E ϕ(ξ) = ϕ(x) Pξ (dx) = h(t)p(t) dt.2. (27) Рассмотрим множество Lp случайных величин ξ на вероятностном пространстве (Ω. так как [  Z X X XZ p(t)IBi (t) dt = Q(Bi ). Пространство L2 является полным нормированным (гильбертовым) пространством. Положим Lp := L ∼ — пространство классов эквивалентных функций. Ковариацией величин ξ. а Y := η − Eη. Раскрывая скобки в определении дисперсии. Q = Pξ . однако. то она интегрируема по Лебегу и интегралы совпадают. Как будет показано ниже. В качестве примера годятся. получится ещё одна хорошая формула для ковариации: cov(ξ. Пространство Lp 3. Значит. (30)  Определение корректно в силу неравенства |XY | 6 21 |X|2 + |Y |2 . что если функция f интегрируема по Риману. так как EξEη = Eξη. то существует и интеграл Лебега и они также совпадают. где X := ξ − Eξ. η) = E(ξ · η) − Eξ · Eη. η) = 0.

Закон больших чисел 4. Тогда по условию и 6 0) = 0. Сходимость случайных величин. (32) i<j k=1 P P Если же ξk попарно независимы. а G := Ω r L. Закон больших чисел 4.Теперь сформулируем некоторые свойства дисперсии и ковариации. что ξn → ξ по вероятности. Из свойства билинейности и симметричности ковариации следует. Теорема 4. а Dξ = E ξ 2 − Eξ 2 = p(1 − p). Кроме того.1.  доказанному неравенству P |ξ| > n1 6 n · E|ξ| = 0.1. (33) Ω  Пусть L := {ω : |f (x)| < α}. именно потому она имеет сходство со скалярным произведением.  4. P(ξ = 0) = 1 − p. Dξ = 0 ⇔ E|ξ| = 0 ⇔ ξ = 0. Следствие 3.  Dξ P |ξ − Eξ| > ε 6 2 . если для ∀ ε > 0 вероятность отклонения ξn от ξ на величину ε стремится к нулю:  P |ξn − ξ| > ε → 0.10 (неравенство Чебышева5 для Lp ). и пишут «ξn −→ ξ».1. Наоборот: положим α = n1 для ∀ n ∈ N.1. что D n X k=1 ξk = n X n X cov(ξi . что ковариация если симметричная билинейная функция на L2 .4 (неравенство Чебышева). Тогда n n k=1 k=1 X 1X P 1 ξk −→ Eξk . Так как n произвольно. ξj ). но она сильно сокращает дальнейшие выкладки. Пусть также их дисперсии ограничены в совокупности: Dξn 6 C < ∞ для ∀ n.2. ε (36)  Рассмотрим случайную величину η := ξ − Eξ и запишем для неё неравенство Чебышева для L2 . n → ∞. 3. Очевидно. Dξ = cov(ξ.н. 21 (2) .3. так как Eη 2 = Dξ. n n 5 Эта лемма в явном виде не доказывалась на лекциях. Для ∀ α > 0 выполняется неравенство Z αp · P {x : |f (x)| > α} 6 |f (x)|p dP. Пусть {ξn } — последовательность попарно независимых случайных величин. Говорят. ибо |f |p > αp на G. ε (35) п. Простейший вариант ЗБЧ P Определение.  Справа налево утверждение очевидно. ξj ) = i=1 j=1 n X Dξk + k=1 X cov(ξi ξj ) = i6=j n X Dξk + 2 X cov(ξi .  На языке теории вероятностей это неравенство при p = 1 переформулируется так: P (|ξ| > ε) 6 E|ξ| . (1) Докажем теперь один из фундаментальных результатов теории вероятностей. ξ).   Пример 2.1 (Закон больших чисел). Тогда Z Z Z Z |f |p dP = |f |p dP + |f |p dP > |f |p dP. Значит. то D ξk = Dξk . Неравенство Чебышева Лемма 3. R Ω |f |p dP > αp · P {|f | > α}.2. то P (|ξ| = Ещё одно следствие леммы будет много раз применяться в следующей главе. Это и будет требуемое неравенство. и D(Cξ) = C 2 Dξ. Пусть P(ξ = 1) = p. Тогда Eξ = p. Следствие 3. Ω L G (34) G Последний интеграл оценим снизу числом αp P(G).

1].2. В схеме испытаний Бернулли средняя частота успехов стремится к p. 1) = f (1). 0) = f (0). 4. что Pn ⇉  В силу непрерывности на компакте f ограничена по модулю числом M и равномерно непрерывна на нём. Следствие 4. Это явление. ξk := 0 с вероятностью (1 − p). Введём независимые величины ( 1 с вероятностью p. то имеем . ε n ε n ε n ε nε k=1 (3) k=1 Равенство «!» обусловлено попарной независимостью. Покажем.  Иными словами. Ef n n (5) (6) k=0 Приступим у оценке разности. Теорема Вейерштрасса f. что P |ξ − Eξ| > ε → 0. Теорема 4. что   n σ  X k n = f · P(σn = k) = Bn (f. Пусть σn := ξ1 + . p) := f n k=0 0 Для удобства считаем. а Bn (f.1. . и |Eξ| 6 E|ξ|. Так как E(const) = const. имеет строгое математическое обоснование. p). Теперь заметим. при большом количестве случайных испытаний отклонение от среднего значения неслучайно. . Введём обозначение: ξ := 1 n n P k=1  ξk . Пусть f ∈ C[0. По неравенству Чебышева n n X  Dξ 1 X 1 C·n C ! P |ξ − Eξ| > ε 6 2 = 2 2 D ξk = 2 2 Dξk 6 2 2 = 2 → 0. Нужно показать.2. что 0 = 1 и Bn (f. (4) Bn (f. как теперь можно сравнительно просто доказать теорему о плотности многочленов в C[0. тогда P(σn = k) = Ckn pk (1 − p)n−k . Определим многочлены Бернштейна   n X k Ckn pk (1 − p)n−k . 1]. замеченное уже давно.1. Тогда найдётся последовательность многочленов {Pn } таких. как мы сейчас убедились. n → ∞. + ξn .

.

 σ .

 σ .

.

.

n .

n .

|f (p) − Bn (f. p)| = .

Ef (p) − Ef (7) .

6 E .

f (p) − f .

n n . = (∗).

.

σn Пусть событие A := .

n − p.

Тогда. < δ . получаем . где δ > 0. разбивая разность на две части и оценивая вторую по неравенству Чебышева.

.

.

.

 σ .

 σ .

.

σ   .

σ .

.

.

.

.

n .

n n .

n .

(∗) = E .

f (p) − f − p.

< δ +2M · P .

− p.

> δ 6 .

· IA + E .

f (p) − f .

· IA 6 ωf (δ) · P .

. . n n 22 n− → ∞.2. . . случайные величины X1 . Тогда n n k=1 k=1 1X 1X п. . что DXk 6 c < ∞ ∀k и cov Xi Xj = 0 ∀i 6= j (т.2.2.2. — случайные величины такие. Различные виды сходимости и их взаимосвязь 4.1. Сходимость почти всюду и сходимость по вероятности 4. а модуль непрерывности f стремится к нулю при достаточно малых δ. .3. . Сходимость по распределению и слабая сходимость 4.3.3. Теорема Пуассона 4. некоррелированы).н.2. . . . Сходимость по вариации 4. УЗБЧ для некоррелированных величин Теорема 4.1] 4.4. . 2 2 n δ 2nδ 2  так как max p(1 − p) = 14 .  [0. .е. (8) . .2. Xn .3. Пусть X1 . n → ∞. n n n {z n | } 6 ωf (δ) + 2M · D σn n δ2  61 = ωf (δ) + 2M · 1 n2 δ 2 n X k=0 Dξk = ωf (δ) + 2M · np(1 − p) M 6 ωf (δ) + → 0.1. Усиленные законы больших чисел и их следствия 4. . Xn . Xk − EXk −→ 0.

Очевидно. Действительно. Обозначим Sn = X1 + . что EXk = 0 ∀k. иначе рассмотрим случайные n ek = Xk − EXk . Для них DX ek = DXk 6 c.Без ограничения общности можно считать. EX ek = 0 ∀k и 1 P Xk − величины X  n 1 n n P EXk = k=1 1 n n P k=1 k=1 ek . X Для каждого n > 2 найдем m(n) ∈ N: m(n)2 < n 6 (m(n) + 1)2 . cov X ei X ej = cov Xi Xj = 0. m(n) ր ∞.

.

|Sm(n)2 | + Zm(n) |Sn | .

.

. + Xn . Тогда 6 . . где Zm(n) := max . .

.Xm(n)2 +1 + . . + Xm(n)2 +k .

н.  2 −→ 0.3. .  Zm п. n = 1. m(n) ր ∞ при n − → ∞. .. А это и означает.. .4 (Этемади). + Xn . . . что m2 −→ 0. −→ 0. поэтому достаточно n n m(n) m(n) Sm(n)2 п. . что Xn > 0. n = 1. (напоминаем. m − → ∞. > ε < ∞. 2.5. далее считаем. . + Xm2 +k ) c(2m + 1) 2c 6 ∼ 2 3.н. одинаково распределены. . Если Xi Xj . .2. . что → ∞. m=1 m=1 |S 2 (ω)| S 2 п. . kn 23 . Определим последовательность kn = [αn ]. . где x+ = max(0. .  Покажем сначала. . Если случайные величины Xn > 0. n P Xi+ n P Xi−    Замечание. что ∀ω ∈ Ω0 . Введем «урезанные» случайные величины Yi = Xi I{Xi 6 i}. и X1− . −→ EX1 . ε 2 m4 ε 2 m4 ε m m− → ∞. P > ε 6 εc2 m2 m2 < ∞. 2 −→ 0 и 2 −→ 0 при n − m(n) m(n)  |Sm2 (ω)| Для ∀ε > 0 рассмотрим P ω : > ε . — попарно независимые одинаково распределенные случайные величины. cov Xi Xj = 0 ∀i 6= j) и существует E|X1 | < ∞. + Xm2 +k | > εm . .н. Действительно. . то представляем их в виде Xn = Xn+ − Xn− = x+ (Xn ) − x− (Xn ). x). Sn n 1 п. . По лемме Бореля–Кантелли отсюда следует.. X2− . . . .е. n − m(n) поэтому ∞ P P Zm m2 4. Пусть X1 . отсюда получаем: P  |Zm | >ε m2  6 2m+1 X k=1 D(Xm2 +1 + . Поэтому если теорема будет доказана для неотрицательных величин. что достаточно рассмотреть случай неотрицательных случайных величин Xn . n P i = 1. E|X1 | < ∞. 6 ε ∀m > N . m − → ∞.н. Zm(n) п. Тогда Sn п.3. . P ω: 2 2 4 2 4 m ε m ε m ε m ε m   ∞ ∞ P P |Sm2 (ω)| 1 Следовательно. Лемма 4. P m2 k=1 k=1 и применяя неравенство Чебышёва и условия теоремы. + Xm2 +k | > εm 6 P |Xm2 +1 + . n − → ∞. если они любого знака. некоррелированы (т. X2 . . P(Ω0 ) = 1 ∃N (ω) : m 2 m m Zm Теперь рассмотрим m2 . x− = x+ − x. Пусть Sen = Yi . имеем 2 + 2 . Далее. i=1 Sekn − ESekn п. По неравенству Чебышёва и используя условия DXk 6 c < ∞ m2 ∀k и cov Xi Xj = 0 ∀i 6= j.н. . Снова по лемме Бореля–Кантелли получаем −→ 0. 2. Имеем:   ! 2m+1  2m+1 [  X  |Zm | 2 2 >ε =P |Xm2 +1 + . Теорема доказана.н. X2+ . то x+ (Xi ) x+ (Xj ) и x− (Xi ) x− (Xj ).н. n − → ∞.н. . . (9) n где Sn = X1 + . доказать. . то соотношение (9) следует из теоремы 4. Итак. то и → ∞. где α > 1. получим = n − 1 n −→ EX1+ − EX1− = EX1 . А так как m2 m=1 Zm(n) п. то применяя ее для X1+ . Теорема Этемади Теорема 4. получаем 2 m P   DXk |Sm2 (ω)| DSm2 cm2 c k=1 > ε 6 = 6 2 4 = 2 2. что n n 16k62m(n)+1 |Sm(n)2 | + Zm(n) Sm(n)2 Zm(n) |Sn | 2 2 6 6 (m(n) + 1) = m(n) + 2m(n) + 1). . 2. n − → ∞.

докажем.Для доказательства применим лемму Бореля–Кантелли. что . А именно.

∀ε > 0 сходится ряд .

.

e  .

e  ∞ ∞ P P ek .

Skn −ESekn .

.

Skn −ESekn .

DS n P .

получаем P > ε 6 . Применяя неравенство Чебыш¨ е ва. > ε < ∞.

.

.

В kn kn ε2 kn  ∞ P n=1 n=1 силу некоррелированности имеем DSekn = kn P n=1 DYi . 2 . поэтому i=1 .

.

! kn ∞ ∞ ∞ .

Se − ESe .

X X 1 DSekn 1 X 1 X 1 X .

kn kn .

P .

> ε 6 = DY 6 EYi2 . .

i 2 2 2 2 2 .

.

X X 1 1 1 X 1 2 6 оцениваем последнюю сумму в правой части: = . [αn ] > cα α2n 2 2n 2n n] c α c α α α [α n n n n:[α ]>i n:[α ]>i n:[α ]>i 1 X 1 1 q2m = . cα 2 = e 1−α 2 log (i+1) (i + 1)2 α α α2 ∞ ∞ . Так как 1 = 2(m−1) q 2n q (1 − q 2 ) 1 − q2 n>m X n: [αn ]>i 1 1 = α2n X n>[logα (i+1)] 1 6 α2n 1 . kn ε kn ε n=1 kn i=1 ε i=1 kn2 n=1 n=1 ∞ X n: kn >i В последнем неравенстве мы изменили порядок суммирования и воспользовались оценкой DYn 6 EYn2 . т. Далее. то для некоторой константы cα .к.

.

e  X C(α) X EYi2 .

S −ESe .

Далее. мы доказали. что P . по формуле математического Итак. .

kn kn kn .

. Применяя аддитивность интеграла и меняя порядок суммирования. . одинаково −∞ распределены) имеем ∞ X i=1 2 Zi ∞ X EYi2 1 = x2 µ(dx). x µ(dx) 6 x2 µ(dx) 6 (i + 1)2 j2 x2 k+1 (i + 1)2 k+1 j>k+2 k=0 k k+1 i>k+1 k+1 Z k=0 k i>k+1 k=0 k ∞ . 2 (i + 1) (i + 1)2 k=0 k k=0 k Далее. воспользуемся известной из математического анализа оценкой ∞ P n=m X i>k+1 ∞ X R∞ f (n) 6 f (x) dx. Следовательно. . получим: m−1 k+1 Z∞ Z Z ∞ k+1 ∞ X 1 X X X 1 dx 1 1 1 2 = 6 = . получаем: ∞ X i=1 ∞ X EYi2 1 = 2 (i + 1) (i + 1)2 i=1 Zi 2 x µ(dx) = ∞ X i=1 0 Z Z i−1 k+1 ∞ k+1 X X X 1 1 2 x µ(dx) = x2 µ(dx) . где µ = PX1 (в нашем случае функция f имеет вид 2 (i + 1)2 (i + 1) i=1 0 f (x) = x I{06x6i} ). > ε 6 ε2 i=1 (i + 1)2 n=1 R∞ ожидания Ef (X) = f (x)PX (dx) и учитывая. что PXi = PX1 ∀i (так как по условию X1 . X2 .

.

e  X .

S −ESe .

получаем P . Подставляя эту оценку в исходную. x µ(dx) = EX1 < ∞ (по условию).

kn kn kn .

н. n − → ∞. для почти всех ω ∈ Ω и ∀n > N (ω) Xi (ω) = Yi (ω) =⇒ EX1 . Покажем. > ε 6 n=1 C(α)EX1 Sek − ESekn п. n − → ∞. n − → ∞. что и требовалось. −→ EX1 . Докажем. Действительно. А так как по лемме 4. так как n n α ] n n n n [α Наконец. 1 kn kn P i=1 п. < ∞ ∀ε > 0. Xi −→ Sn п. Skn п.  2 ε kn k n P ek ES n kn EYi = kn . что 24 . n − → ∞. то отсюда получаем −→ EX1 . Фиксируем α > 1. что EYi = EXi I{0 6 Xi 6 i} − → EX1 . по лемме Бореля–Кантелли n −→ 0.н. Вернемся к доказательству теоремы. − → EX1 . что отсюда вытекает −→ EX1 . Следовательно. что n S[αm(n) ] S[αm(n) ] [αm(n) ] Sn 1 [αm(n) ] 6 n < [αm(n)+1 ]. i − → ∞ по теореме 0 i=1 0 0 ESekn Sekn − ESekn п.н.н. так как P(Xi 6= Yi ) = P(Xi > i) = P(X1 > i) < EX1 + 1 < ∞.н. то по лемме Бореля– i i i Кантелли P(Xi 6= Yi ) = 0. Так как все Xi > 0. Мы имеем Ri R∞ R∞ i− → ∞. kn kn Sekn п. Для каждого n > N (α) найдем такое m(n). Следовательно. kn kn P P P лемма Действительно. n − → ∞. Значит. о монотонной сходимости.5 −→ 0.н. n − → ∞. EXi I{0 6 Xi 6 i} = x µ(dx) = xI{x 6 i} µ(dx) − → x µ(dx) = EX1 . докажем. то lim > lim = lim m(n) > EX1 .

1. Теорема Александрова 5...  5. характеристическая функция случайной величины X записывается в виде ϕX (t) = EeitX . −→ EX1 . либо P(A) = 1.. то на B(R) возникает вероятностная мера PX . . n − → ∞). . R R R Если X : Ω − → R — случайная величина. Но A ∈ Fn+k+1 = σ{ξn+k+1 . откуда либо P(A) = 0. что P(A) = P(A)2 . ξn+k }. Тогда характеристической функцией случайной величины X называется характеристическая функция вероятностной меры PX : Z Z ϕPX (t) = eitx PX (dx) = eitX dP = EeitX = ϕX (t). Имеется взаимно-однозначное соответствие между вероятностными мерами Q на Ω. Аналогично. . .2. ∀ε > 0 ∃Aε ∈ Ank = σ{ξn . — независимые в совокупности одинаково распределенSn п. Центральная предельная теорема 5. задачу k>1 такую-то). где (воспользовались тем. . Тогда ее характеристическая функция: ϕX (t) = EeitX = EeitC = eitC ..}.1. .}.н. . . Определение. что и требовалось доказать. ξ2 .3. ξn+1 . Характеристические функции 5. их функциями распределения F и характеристическими функциями ϕ: Q ↔ F ↔ ϕ. Пусть X(ω) = C = const ∀ ω ∈ Ω — постоянная случайная величина. . то P(A) = 0 или P(A) = 1. т. .. k! k! k=0 Итак. . . k! Найдем характеристическую функцию этого распределения: ϕX (t) = EeitX = ∞ X k=0 eitk P(X = k) = ∞ X k=0 eitk ∞ k X (λeit ) it it λk e−λ = e−λ = e−λ eλe = eλ(e −1) .. основные свойства и примеры Пусть Q — вероятностная мера на B(R).2 (Колмогоров). . что n n α n n [αm(n) ] n Sn α > 1 — любое. k. n   S  Пусть A ∈ F∞ .3. Но k>1 S An = Ank — это алгебра. .. . Пусть X1 . что и требовалось доказать. Пример 2. . . Тогда A ∈ Fn ∀n. X = λk e−λ −λ e .. Пусть ξ1 .. тогда получим lim n = EX1 п. 25 .. — независимые случайные величины и T пусть Fn = σ{ξn . Характеристической функцией вероятностной меры Q называется функция Z Z Z ϕQ (t) := eitx Q(dx) = cos(tx)Q(dx) + i sin(tx)Q(dx). Закон 0 и 1 Теорема 4. Пусть X ∼ πλ (пуассоновское распределение с параметром λ > 0). где Sn = X1 + . характеристическая функция пуассоновской случайной величины X ∼ πλ с параметром λ > 0 равна it ϕX (t) = eλ(e −1) .е. . что E|X1 | < ∞. . n − → ∞. . Ω R Таким образом.  0. Итак. Устремим α ⇓ 1.2. .2.1. n − > m(n)+1 − → ∞. Пример 2. + Xn . ξn+k } : P(A△Aε ) < ε (см. поэтому A и Aε — независимые события. следовательно. lim 6 lim = lim m(n)+1 6 EX1 · α n n n n [α n α n n [α ] ] Sn [αm(n)+1 ] [αm(n)+1 ] 1 Sn 6 − → α.н. Тогда если A ∈ F∞ . Отсюда получаем. . Обозначим F∞ = Fn . Приведем несколько примеров характеристических функций. Тогда n 4. тогда Fn = σ Ank . . определяемая по формуле PX (B) = P(X −1 (B)). . X2 . . Обозначим Ank = σ{ξn ..  n Следствием доказанной теоремы является важная классическая теорема Колмогорова: Следствие 4. P(A∩Aε ) = P(A)P(Aε ). . ные случайные величины такие. Классическая теорема Колмогорова. EX1 6 lim 6 lim 6 αEX1 .S[αm(n)+1 ] S[αm(n)+1 ] [αm(n)+1 ] [αm(n) ] 1 Sn [αm(n) ] → . Определение.6 (Закон 0 или 1 Колмогорова).

x ∈ R. b ∈ R. его плотность равна p(x) = √12π e− 2 . Итак. когда ϕX — действительная функция. 4) ϕ(−t) = ϕ(t). Все характеристические функции обладают следующими свойствами: 1) ϕ(0) = 1. Легко проверить. которое должно быть выполнено для любой характеристической функции. Теорема 5. 6) Если Y = aX + b. a. по определению. Тоx2 гда. равна ϕX (t) = e− 2 . Пусть случайная величина X ∼ N (0.1 (Свойства характеристических функций).е. 3) ϕ равномерно непрерывна на R.Пример 2. что эта функция от t удовлетворяϕX (t) = e dF (x) = e p(x) dx = √12π e −∞ −∞ −∞ ет дифференциальному уравнению ϕ′ (t) = −tϕ(t) (продифференцируйте интеграл по параметру t и убедитесь t2 в этом!). 5) X имеет симметричное распределение (т. решая которое.3. характеристическая функция случайной величины X ∼ N (0. то ϕY (t) = eitb ϕX (at). 1). имеющей стандартное нормальное t2 распределение. . Характеристическая функция равна ϕ(t) = R∞ itx R∞ itx R∞ itx− x2 2 dx. получаем решение ϕ(t) = e− 2 с начальным условием ϕ(0) = 1. 1) имеет стандартное нормальное распределение. Law(X) = Law(−X)) тогда и только тогда. 2) |ϕ(t)| 6 1.

.

.

R∞ .

R∞ itx .

.

Свойство 2): |ϕX (t)| = .  Свойство 1) очевидно: ϕX (0) = Ee0 = 1.

eitx dF (x).

6 |e | dF (x) = .

−∞ .

то этот вопрос остается открытым. дадим следующее Определение. см. Имеем: ϕ(t + h) − ϕ(t) = Z∞ −∞ eitx (eihx − 1) dF (x). В частности. 2) ϕ непрерывна в нуле. пусть ϕ — действительная функция. . если ∀ n ∈ N. −∞ R∞ dF (x) = 1. Если же все свойства для функции ϕ выполнены. . которым должны удовлетворять характеристические функции произвольных случайных величин. . . |ϕ(t + h) − ϕ(t)| 6 Z∞ −∞ |eihx − 1| dF (x) ∀ x ∈ R. Вспомним. Имеем: ϕ(−t) = −∞ −∞ Свойство 5) сразу следует из свойства 4): действительно. tn ∈ R и ∀ z1 . Функция ϕ(t). . По теореме единственности (формула обращения.  Доказанная теорема дает необходимые условия. Тогда ϕ−X (t) = Eeit(−X) = Eei(−t)X = ϕX (−t) = ϕX (t) = ϕX (t). следовательно ϕ−X (t) = ϕX (t) ∀ t ∈ R. что эта функция не является характеристической ни для какой случайной величины X. Осталось доказать свойство 6). если некоторая (данная) функция ϕ не удовлетворяет хотя бы одному из этих условий. то по теореме о мажорируемой сходимости получаем требуемое. v ∈ R) — это число R∞ R∞ −itx eitx dF (x) = ϕ(t). 3) ϕ является неотрицательно определенной функцией. Имеем: ϕaX+b (t) = Eeit(aX+b) = Eei(at)X eitb = eitb ϕX (at). zn ∈ C n X n X ϕ(tk − tl )zk z¯l > 0. что функция ϕ является характеристической для некоторой случайной величины X. . e dF (x) = z¯ = u − iv. когда выполнены следующие три условия: 1) ϕ(0) = 1. Производя те же выкладки в обратном порядке. ∀ t1 . Так как |eihx − 1| − → 0. что комплексно сопряженное число к z = u + iv (u.2 (Бохнер–Хинчин). h − → 0 ∀ x ∈ R. 26 . что и требовалось доказать. −∞ Докажем свойство 3) — равномерную непрерывность. Докажем свойство 4). получаем обратное утверждение (достаточность). k=1 l=1 Теорема 5. Следующая теорема дает необходимое и достаточное условие того. следующий пункт) Law(−X) = Law(X). . . t ∈ R является характеристической функцией для некоторой случайной величины X тогда и только тогда. то теорема позволяет сделать вывод о том. Функция ϕ(t) называется неотрицательно определенной. Чтобы сформулировать ее. так как |eitx | = 1.

Имеем: ϕ(tk − k=1 l=1     n P n n P n n n  P P P P tl )zk z¯l = Eei(tk −tl )X zk z¯l = E(zk eitk X )(z¯l eitl X ) = E zk eitk X z¯l eitl X = Eω ω ¯ = E|ω|2 > 0  k=1 l=1 k=1 l=1 k=1 l=1 (применили линейность мат. −∞ x ∈ R.2. Докажем 3). то F абсолютно непрерывна и имеет плотность 1 p(x) = 2π Z∞ e−itx ϕ(t) dt.е. т. 1) Для любых точек a. ожидания). Для этого применим теорему Фубини.Мы докажем только необходимость. Пусть ϕ — характеристическая функция. b ∈ C (F ) имеет место формула 1 F (b) − F (a) = lim c− →∞ 2π 2) Если ϕ ∈ L 1 (R). Изменим в последнем интеграле порядок интегрирования. Чтобы ее . что и требовалось.2. т.е. R∞ −∞ Zc e−ita − e−itb ϕ(t) dt. Тогда 1) и 2). it −c |ϕ(t)| dt < ∞. Формула обращения Теорема 5. p ∈ L 1 (R). очевидно. p > 0. проверим. что ϕ — неотрицательно определенная функция.  5.3 (Формула обращения). n P n P выполнены. По формуле для характеристической функции ϕ(t) имеем:  1 2π Zc e−ita − e−itb 1 ϕ(t) dt = it 2π −c Zc  e−ita − e−itb it −c Z∞ −∞ e itx  dF (x) dt.

Zc Z .

−ita .

e − e−itb itx .

.

.

чтобы e . необходимо. условия были выполнены.

dF (x) dt < ∞. Так как |eiα | = 1 ∀ α ∈ R и .

it −c R .

.

Zc Z .

−ita −itb .

.

Rb .

Rb b R .

e .

.

−itx .

−e −itx dx.

то имеет место оценка . 6 |e | dx = dx = b − a.

.

=.

e it .

a .

Итак. a a 2c(b − a) < ∞. можно поменять порядок интегрирования. получим: 1 2π Zc −c e−ita − e−itb 1 ϕ(t) dt = it 2π Так как eitα = cos α + i sin α и Zc  −c Rc −c (∗) = Z∞ −∞ e−ita − e−itb it cos t(x−a) t Z∞ −∞ −c R .

.

−ita .

e − e−itb itx .

.

.

e .

dF (x) dt < .

т.е. it    Z∞ Zc −it(x−a) 1 e − e−it(x−b) eitx dF (x) dt = dF (x) dt = (∗) 2π it −∞ −c dt = 0 (подынтегральная функция нечетна). Поэтому здесь мы понимаем этот интеграл как Функция f (z) = 0 Ru sin z Ru несобственный интеграл Римана. как предел lim dz. то z u− →∞ 0 0 . то отсюда получаем:     c(x−a) c(x−b)  Z∞  Z Z Z∞  1 Zc sin t(x − a) − sin t(x − b)   1 sin z sin z  dF (x) dt = dz − dz dF (x) = ψc (x) dF (x). но интегрируема по Риману на этом множестве R∞ sin z π в несобственном смысле (интеграл Дирихле): z dz = 2 . Так как функция sinz z dz непрерывна по u. ∞).  2π    t π z z  −c −∞ 0 0 −∞ sin z z не интегрируема по Лебегу на (0.

u .

.

R sin z .

.

.

∃A : .

z dz .

6 A = const ∀ u > 0. . 27 c− → ∞. Значит. если a < x < b. если x = a или x = b. |ψc (x)| 6 2A ∀ x и 0 ψc (x) − → ψ(x) =   0 1 2  1 если x < a или x > b.

что p(x) — непрерывная функция. = F (b). где Fn ↔ ϕn .4 (Леви) (Теорема непрерывности). R R  1) Заметим сначала. Теорема Леви Теорема 5. значит ∀ a < b будет P a 6 Z√ 6b − → P (a 6 X 6 b) = √12π e− 2 dx. получаем: 1 lim (∗) = →∞ 2π c− Zc ϕ(t) −c e−ita − e−itb dt = F (b) − F (a). b ∈ C (F ). F ↔ ϕ. R∞ −itx 1 Докажем утверждение 2). поскольку eitx — непрерывная ограниченная функция. Докажем. Доказательство теоремы непрерывности. что − →√ e− 2 dx. получаем: ϕ Z√ λ −λ (t) = ϕ √1 λ λ √ Zλ − λ (t) так как ew = 1 + w + непрерывности Z√ λ −λ λ =e √ −it λ ϕZλ  t √ λ  =e „ « t √ λ ei √λ −1 −it λ e =e „ « i √t λ e λ −1− √itλ t2 − → e− 2 ∀ t. Следо- −∞ p(x) dx = F (b) ∀ b ∈ C (F ). поэтому по теореме + o(w2 ). F (x) = p(u) du. 1) непрерывна на R. что и требовалось. p(x + h) − p(x) = (e−i(x+h)t − e−ixt )ϕ(t) dt. x ∈ R является плот−∞ Rx ностью нашего распределения. b ∈ C (F ).  5. λ − → ∞. такая что вательно. так как функция распределения случайной величины X ∼ N (0. λ a λ− → ∞. что если Fn − → F . F (x) = −∞ p(u) du ∀ x ∈ R. = k! √ √ √ √ λ λ+a λ6k6λ+b λ λ+a λ6k6λ+b λ Вспоминая свойство 6) характеристических функций и выражение для характеристической функции пуассо  λ(eis −1) новской случайной величины ϕZλ (s) = e . λ + b λ] = P a 6 √ 6b . Итак. то eitx dFn (x) − → eitx dF (x). ∀ t ∈ R. откуда и следует утверждение 2 2 R∞ ψ(x) dQ(x) = −∞ F (a)+F (a−) .3. Тогда ϕ является ω → F . t2 w2 2 → ∞. it Итак.2. 1). докажем. Этот интеграл Rx можно понимать как интеграл Лебега (так как p(x) > 0). Устремим a − → −∞. тогда получим: Rb a Rb a. w − → 0. ϕ Z√ → ϕX (t) = e− 2 . λ − → ∞. b ∈ C (F ). мы получили. и Fn − Zb X 1 λk e−λ x2 Пример 2. Функция p(x) является непрерывной на R по теореме о R мажорируемой сходимости. p(x) dx = F (b) − F (a).4. 1) Пусть последовательность функций распределения ω Fn (x) сходится к F (x) ∀ x ∈ C (F ): Fn (x) − → F (x). характеристической функцией. Итак. Тогда ϕn (t) − → ϕ(t) ∀ t ∈ R. F ↔ ϕ. p(x) > 0 ∀ x ∈ R. n − → ∞. |e−itx | = 1. то 1) теоремы. что функция p(x) = 2π e ϕ(t) dt. ∀ a. причем ϕ непрерывна в 0. λ − λ −λ (t) − λ   Rb x2 D λ −λ − → X ∼ N (0. 2) Пусть характеристические функции ϕn (t) − → ϕ(t). R R 28 . k! √ √ 2π λ+a λ6k6λ+b λ a Рассмотрим пуассоновскую случайную величину Zλ ∼ πλ .R∞ По теореме о мажорируемой сходимости получаем −∞ R∞ ψc (x) dF (x) − → ψ(x) dF (x) = −∞ F (b)+F (b−) 2 Q({b}) (a−) (b−) + F (b−) − F (a) = F (a)−F + F (b)−F + F (b−) − F (a) = 2 2 2 F (a)+F (a−) F (b)+F (b−) = F (a). 2 Q({a}) 2 + − Если a. А именно. Тогда     X X √ √ Zλ − λ λk e−λ P(Zλ = k) = P Zλ ∈ [λ + a λ. где Fn ↔ ϕn . −∞ R Применим теорему Фубини: ∀ a < b имеем Zb Zb  p(x) dx = a 1 2π a Z e −itx  1 ϕ(t) dt dx = 2π R Z Zb e −itx −∞ a R  Z∞ 1 e−ita − e−itb ϕ(t) dx dt = ϕ(t) dt = (∗) 2π it По теореме о мажорируемой сходимости и применяя уже доказанный пункт 1) теоремы.

2. так как Re ϕ(t) = cos tx dF (x). три) свойства характеристических функций 5. Многомерная центральная предельная теорема 29 .  R∞ (1 − cos tx) dF (x) dt = (∗).a Za 0 ) (1 − Re ϕ(t)) dt. где ϕ(t) непрерывна в нуле. вероятностной меры и характеристической функции: F ↔ Q ↔ ϕ. Случайные векторы 5. По теореме dF (x) > R |ax|>1 1− sin ax ax  dF (x) > inf 1 − u>1 sin u u  R Полагая 1/C = 1 − sin 1.6. a1 6   5.5. Центральная предельная теорема в условиях Линдеберга 5. Лемма доказана.е. Свёртки распределений 5. Ещё два (а может.  1 |x|> a −∞ dF (x) = (1 − sin 1) R dF (x).1. Тогда семейство распределений Qn (Qn ↔ ϕn ) плотно. = a a  Ra 0 1 a (1 − Re ϕ(t)) dt = Фубини (∗) = R∞ −∞ 1− sin ax ax  Ra 0  R∞ −∞ R\( Z C dF (x) 6 a 1 1 −a . получаем нужное неравенство.5.Лемма 5. 1 |x|> a Лемма 5.1. ∀ ε > 0 ∃ Kε : sup Qn (R\Kε ) < ε. т.4.5.3. Пусть имеется соответствие функции распределения. Пусть ϕn (t) − → ϕ(t). n   По предыдущей лемме ∀ a > 0 имеем Qn R\ − a1 . Тогда ∀ a > 0    1 1 Q R\ − . где C = const.5.3. Основные определения 5.

Sign up to vote on this title
UsefulNot useful