26 UvodDefinicija 1.2.11 Komponente slučajanog vektora X = (X 1 , X 2 , . . . , X n )su nezavisne, ako za svako k ≤ n, za svaki izbor indeksa (i 1 , . . . , i k ) i zaproizvoljne Borelove skupove B 1 , . . . , B k ∈ B(R) važik⋂k∏P ( {X ij ∈ B j }) = P {X ij ∈ B j }. (1.70)j=1Definicija 1.2.12 Slučajna promenljiva X je merljiva funkcija na prostoruverovatnoće (Ω, F, P ), pa možemo posmatrati i njen integral po meri P. Ovajintegral ćemo označavati sa E(X) i nazivaćemo ga matematičko očekivanjeslučajne promenljive X. Dakle,∫ ∫E(X) = XdP = XdF X . (1.71)ΩR nDefinicija 1.2.13 Neka je X = (X 1 , X 2 , . . . , X n ) n-dimenzionalna slučajnapromenljiva. Kovarijaciona matrica vektora X je matrica data sa B =[cov(X i , X j )] n×n , gde jej=1cov(X i , Y j ) = E(X i Y j ) − E(X i )E(Y j ).Teorema 1.2.3 Matrica B je kovarijaciona matrica nekog slučajnog vektoraakko je simetrična i pozitivno semidefinitna.Definicija 1.2.14 Karakteristična funkcija n-dimenzionalne slučajne promenljiveX je funkcija f : R n → C definisana relacijomf X (t 1 , t 2 , . . . , t n ) = E(e i(t|X) ) = E(e i ∑ nk=1 t kX k), (1.72)gde je t = (t 1 , t 2 , . . . , t n ), a (· | ·) je oznaka za standardni skalarni proizvodu R n .Karakteristična funkcija postoji za svaku slučajnu promenljivu i ona jejednoznačno odred¯uje. Karakteristična funkcija slučajne promenljive apsolutnoneprekidnog tipa je zapravo Fourierova transformacija funkcije gustine.Definicija 1.2.15 Označimo sa L 2 (Ω, F, P ) ili kraće samo sa L 2 (Ω) prostorslučajnih promenljivih za koje je E(X 2 ) < ∞. U prostoru L 2 (Ω) uvodimoskalarni proizvod kao(X | Y ) = E(XY ) (1.73)za proizvoljne X, Y ∈ L 2 (Ω).Norma indukovana ovim skalarnim proizvodom je oblika ||X|| = √ E(X 2 )i važi da je prostor L 2 (Ω) kompletan u odnosu na ovu normu. Konvergencijaslučajnih promenljivih u prostoru L 2 (Ω) je srednjekvadratna konvergencijaLdefinisana sa: X 2n → X, ako E |X n − X| 2 → 0, kad n → ∞. Prostor L 2 (Ω)je Hilbertov prostor.
1.2 Osnovi stohastičke analize 27Normalna raspodelaDefinicija 1.2.16 Slučajan vektor X = (X 1 , X 2 , . . . , X n ) ima n-dimenzionalnunormalnu (Gaussovu) raspodelu sa parametrima m i B, što označavamosa X : N(m, B), gde je m = (m 1 , m 2 , . . . , m n ) ∈ R n , i B je regularna,simetrična, pozitivno semidefinitna matrica, ako je njena funkcija gustinedata sa√det Aϕ(x 1 , x 2 , . . . , x n ) = e − 1(2π) n 2 (x−m)T A(x−m)(1.74)2za x = (x 1 , x 2 , . . . , x n ) ∈ R n , i A je inverzna matrica za B.Teorema 1.2.4 Neka je X = (X 1 , X 2 , . . . , X n ) slučajan vektor sa normalnomX : N(m, B) raspodelom. Tada važi:1. Parametar m je vektor matematičkih očekivanja komponenti slučajnogvektora X tj.E(X k ) = m k , k = 1, 2, . . . , n ,gde je m = (m 1 , m 2 , . . . , m n ).2. Matrica B je kovarijaciona matrica slučajnog vektora X.Teorema 1.2.5 Neka je X slučajna promenljiva sa n-dimenzionalnom normalnomraspodelom X : N(m, B). Tada je karakteristična funkcija slučajnogvektora X data saf(t 1 , t 2 , . . . , t n ) = e i(t|m)− 1 2 tT Bt , (1.75)gde je t = (t 1 , t 2 , . . . , t n ).Teorema 1.2.6 Neka je X = (X 1 , X 2 , . . . , X n ) proizvoljan slučajan vektor.1. Ako X ima n-dimenzionalnu normalnu raspodelu X : N(m, B), tada zaproizvoljne λ 1 , λ 2 , . . . , λ n ∈ R takve da postoji bar jedno λ i ≠ 0, važi daslučajna promenljivak=1n ∑k=1λ k X k ima normalnu raspodelun∑n∑λ k X k : N( λ k m k ; λ T Bλ). (1.76)k=1∑2. Ako za sve λ 1 , λ 2 , . . . , λ n ∈ R važi da linearna kombinacija n λ k X kima normalnu raspodelu, tada slučajan vektor X ima n-dimenzionalnunormalnu raspodelu.k=1