Независимые одинаково распределённые случайные величины

В теории вероятностей и статистике, о наборе случайных величин говорят, что они являются независимыми (и) одинаково распределёнными, если каждая из них имеет такое же распределение, что и другие, и все величины являются независимыми в совокупности. Фраза «независимые одинаково распределённые» часто сокращается аббревиатурой i.i.d. (от англ. independent and identically-distributed), иногда — «н.о.р».

Применения

Предположение о том, что случайные величины являются независимыми и одинаково распределёнными широко используется в теории вероятностей и статистике, так как позволяет сильно упростить теоретические выкладки и доказывать интересные результаты.

Одна из ключевых теорем теории вероятностей — центральная предельная теорема — утверждает, что если $x_{1},x_{2},\ldots ,x_{n}$ — последовательность независимых одинаково распределённых случайных величин с конечной дисперсией, то, при стремлении $n$ к бесконечности, распределение их среднего — случайной величины ${\bar {x}}=(x_{1}+\ldots +x_{n})/n$ сходится к нормальному распределению.

В статистике обычно предполагается, что статистическая выборка является последовательностью i.i.d. реализаций некоторой случайной величины (такая выборка называется простой).

Похожие исследовательские статьи

Вероя́тность — степень возможности наступления некоторого события. Когда основания для того, чтобы какое-нибудь возможное событие произошло в действительности, перевешивают противоположные основания, то это событие называют вероятным, в противном случае — маловероятным или невероятным. Перевес положительных оснований над отрицательными, и наоборот, может быть в различной степени, вследствие чего вероятность бывает большей либо меньшей. Поэтому часто вероятность оценивается на качественном уровне, особенно в тех случаях, когда более или менее точная количественная оценка невозможна или крайне затруднена. Возможны различные градации «уровней» вероятности.

Математи́ческое ожида́ние — понятие в теории вероятностей, означающее среднее значение случайной величины. В случае непрерывной случайной величины подразумевается взвешивание по плотности распределения. Математическое ожидание случайного вектора равно вектору, компоненты которого равны математическим ожиданиям компонентов случайного вектора.

Среднеквадрати́ческое отклонение — наиболее распространённый показатель рассеивания значений случайной величины относительно её математического ожидания. Обычно означает квадратный корень из дисперсии случайной величины, но иногда может означать тот или иной вариант оценки этого значения.

Экспоненциа́льное распределе́ние — абсолютно непрерывное распределение, моделирующее время между двумя последовательными свершениями одного и того же события.

Центра́льные преде́льные теоре́мы (ЦПТ) — класс теорем в теории вероятностей, утверждающих, что сумма достаточно большого количества слабо зависимых случайных величин, имеющих примерно одинаковые масштабы, имеет распределение, близкое к нормальному.

Биномиа́льное распределе́ние с параметрами $\text{[math]}$ и $\text{[math]}$ в теории вероятностей — распределение количества «успехов» в последовательности из $\text{[math]}$ независимых случайных экспериментов, таких, что вероятность «успеха» в каждом из них постоянна и равна $\text{[math]}$ .

Логарифмическое распределение в теории вероятностей — класс дискретных распределений. Логарифмическое распределение используется в различных приложениях, включая математическую генетику и физику.

Га́мма-распределе́ние в теории вероятностей — это двухпараметрическое семейство абсолютно непрерывных распределений. Если параметр $\text{[math]}$ принимает целое значение, то такое гамма-распределение также называется распределе́нием Эрла́нга.

Распределе́ние Стью́дента в теории вероятностей — это однопараметрическое семейство абсолютно непрерывных распределений. Уильям Сили Госсет первым опубликовал работы, посвящённые этому распределению, под псевдонимом «Стьюдент».

Мультиномиа́льное (полиномиа́льное) распределе́ние в теории вероятностей — это обобщение биномиального распределения на случай независимых испытаний случайного эксперимента с несколькими возможными исходами.

<span class="mw-page-title-main">Закон больших чисел</span> математический принцип

Закон больших чисел (ЗБЧ) в теории вероятностей — принцип, описывающий результат выполнения одного и того же эксперимента много раз. Согласно закону, среднее значение конечной выборки из фиксированного распределения близко к математическому ожиданию этого распределения.

Состоя́тельная оце́нка в математической статистике — это точечная оценка, сходящаяся по вероятности к оцениваемому параметру.

Гистогра́мма в математической статистике — это функция, приближающая плотность вероятности некоторого распределения, построенная на основе выборки из него.

Фу́нкция правдоподо́бия в математической статистике — это совместное распределение выборки из параметрического распределения, рассматриваемое как функция параметра. При этом используется совместная функция плотности либо совместная вероятность, вычисленные для данных выборочных значений.

Поря́дковые стати́стики в математической статистике - это упорядоченная по неубыванию выборка одинаково распределённых независимых случайных величин и её элементы, занимающие строго определенное место в ранжированной совокупности.

Проверка статистических гипотез является содержанием одного из обширных классов задач математической статистики.

Довери́тельный интерва́л — термин, используемый в математической статистике при интервальной оценке статистических параметров, более предпочтительной при небольшом объёме выборки, чем точечная. Доверительным называют интервал, который покрывает неизвестный параметр с заданной надёжностью.

Достаточная статистика для параметра $\text{[math]}$ определяющая некоторое семейство $\text{[math]}$ распределений вероятности — статистика $\text{[math]}$ такая, что условная вероятность выборки $\text{[math]}$ при данном значении $\text{[math]}$ не зависит от параметра $\text{[math]}$ То есть выполняется равенство:

\text{[math]}

Статистическая оценка — это статистика, которая используется для оценивания неизвестных параметров распределений случайной величины.

Вариационный ряд — последовательность $\text{[math]}$ , полученная в результате расположения в порядке неубывания исходной последовательности независимых одинаково распределённых случайных величин $\text{[math]}$ . Вариационный ряд и его члены представляют собой так называемые порядковые статистики, и используются в математической статистике как основа непараметрических методов. По функции распределения $\text{[math]}$ исходных случайных величин вычисляются распределения любого члена вариационного ряда и совместные распределения его членов.

Эта страница основана на статье Википедии.
Текст доступен на условиях лицензии CC BY-SA 4.0; могут применяться дополнительные условия.
Изображения, видео и звуки доступны по их собственным лицензиям.