Высшая математика III основы теории вероятностей. Элементы математической статистики




НазваниеВысшая математика III основы теории вероятностей. Элементы математической статистики
страница4/9
Дата20.04.2013
Размер1.61 Mb.
ТипПрограмма курса
1   2   3   4   5   6   7   8   9

СЛУЧАЙНЫЕ ВЕЛИЧИНЫ


    1. ПОНЯТИЕ СЛУЧАЙНОЙ ВЕЛИЧИНЫ


Случайной величиной называется величина, которая в результате испытаний, проводимых в одних и тех же условиях, принимает различные, вообще говоря, значения, зависящие от не учитываемых случайных факторов. Примеры случайных величин: число выпавших очков на игральной кости, число дефектных изделий в партии, отклонение точки падения снаряда от цели, время безотказной работы устройства и т.п. Различают дискретные и непрерывные случайные величины. Дискретной называется случайная величина, возможные значения которой образуют счетное множество, конечное или бесконечное (т.е. такое множество, элементы которого могут быть занумерованы).

Непрерывной называется случайная величина, возможные значения которой непрерывным образом заполняют некоторый конечный или бесконечный интервал числовой оси. Число значений непрерывной случайной величины всегда бесконечно.

Случайные величины будем обозначать заглавными буквами конца латинского алфавита: X, Y, ...; значения случайной величины – строчными буквами: х, у, ... . Таким образом, X обозначает всю совокупность возможных значений случайной величины, а х некоторое ее конкретное значение.


    1. ЗАКОН РАСПРЕДЕЛЕНИЯ ДИСКРЕТНОЙ СЛУЧАЙНОЙ ВЕЛИЧИНЫ


Законом распределения дискретной случайной величины называется задаваемое в любой форме соответствие между возможными значениями случайной величины и их вероятностями.

Пусть возможными значениями случайной величины X являются . В результате испытания случайная величина примет одно из этих значений, т.е. произойдет одно событие из полной группы попарно несовместных событий.



Пусть также известны вероятности этих событий:



Закон распределения случайной величины X может быть записан в виде таблицы, которую называют рядом распределения дискретной случайной величины:

Xx1x2x3pp1p2p3

Для ряда распределения имеет место равенство (условие нормировки).

Пример 3.1. Найти закон распределения дискретной случайной величины X – числа появлений «орла» при двух бросаниях монеты.

Решение. Возможные значения случайной величины: 0, 1, 2. Вероятности этих значений находим по формуле Бернулли:



Записываем ряд распределения:

X012p0.250.500.25

    1. ФУНКЦИЯ РАСПРЕДЕЛЕНИЯ


Функция распределения является универсальной формой задания закона распределения как дискретных, так и непрерывных случайных величин.

Функцией распределения случайной величины X называется функция F(x), определенная на всей числовой оси следующим образом:

F(x)= Р(Х < х),

т.е. F(x) есть вероятность того, что случайная величина X примет значение меньшее, чем x.

Функцию распределения можно представить графически. Для дискретной случайной величины график имеет ступенчатый вид. Построим, например, график функции распределения случайной величины, заданной следующим рядом (рис. 3.1):

X012p0.30.50.2



Рис. 3.1. График функции распределения дискретной случайной величины


Скачки функции происходят в точках, соответствующих возможным значениям случайной величины, и равны вероятностям этих значений. В точках разрыва функция F(x) непрерывна слева.

График функции распределения непрерывной случайной величины представляет собой непрерывную кривую.

xРис. 3.2. График функции распределения непрерывной случайной величины

Функция распределения обладает следующими очевидными свойствами:

1) , 2) , 3) ,

4) при .


    1. ВЕРОЯТНОСТЬ ПОПАДАНИЯ СЛУЧАЙНОЙ ВЕЛИЧИНЫ НА ЗАДАННЫЙ ИНТЕРВАЛ


Будем называть событие, состоящее в том, что случайная величина X принимает значение х, принадлежащее некоторому полузамкнутому интервалу  х <, попаданием случайной величины на интервал [, ).

Теорема 3.1. Вероятность попадания случайной величины на интервал [, ) равна приращению функции распределения на этом интервале:

(3.1)

Если уменьшать интервал [, ), полагая, что , то в пределе формула (3.1) вместо вероятности попадания на интервал дает вероятность попадания в точку, т.е. вероятность того, что случайная величина примет значение :

(3.2)

Если функция распределения имеет разрыв в точке , то предел (3.2) равен значению скачка функции F(x) в точке х=, т.е. вероятности того, что случайная величина примет значение (рис. 3.3, а). Если же случайная величина непрерывна, т.е. непрерывна функция F(x), то предел (3.2) равен нулю (рис. 3.3, б)

Таким образом, вероятность любого конкретного значения непрерывной случайной величины равна нулю. Однако это не означает невозможности события Х=, а лишь говорит о том, что относительная частота этого события будет стремиться к нулю при неограниченном увеличении числа испытаний.

а) б)Рис. 3.3. Скачок функции распределения


    1. ПЛОТНОСТЬ РАСПРЕДЕЛЕНИЯ


Для непрерывных случайных величин наряду с функцией распределения используется еще одна форма задания закона распределения – плотность распределения.

Если – вероятность попадания на интервал , то отношение характеризует плотность, с которой вероятность распределена в окрестности точки x . Предел этого отношения при ,т.е. производная , называется плотностью распределения (плотностью распределения вероятностей, плотностью вероятности) случайной величины X. Условимся плотность распределения обозначить

.

Таким образом, плотность распределения характеризует вероятность попадания случайной величины в окрестность точки х.

График плотности распределения называют кривой распределения (Рис. 3.4).




Рис. 3.4. Вид плотности распределения

Исходя из определения и свойств функции распределения F(x), нетрудно установить следующие свойства плотности распределения f(x):

1) f(x)0

2)

3)

4)

Для непрерывной случайной величины в силу того, что вероятность попадания в точку равна нулю, имеют место следующие равенства:

Пример 3.2. Случайная величина X задана плотностью распределения



Требуется:

а) найти значение коэффициента а;

б) найти функцию распределения;

в) найти вероятность попадания случайной величины на интервал (0, ).

Решение, а) Воспользуемся свойством 3:



Отсюда получаем: а=1/2.

б) Если , то



если то



если , то



Таким образом,



в) По свойству 4:



    1. ЧИСЛОВЫЕ ХАРАКТЕРИСТИКИ СЛУЧАЙНОЙ ВЕЛИЧИНЫ


Функция распределения или плотность распределения полностью описывают случайную величину. Часто, однако, при решении практических задач нет необходимости в полном знании закона распределения, достаточно знать лишь некоторые его характерные черты. Для этого в теории вероятностей используются числовые характеристики случайной величины, выражающие различные свойства закона распределения. Основными числовыми характеристиками являются математическое ожидание, дисперсия и среднее квадратическое отклонение.

Математическое ожидание характеризует положение случайной величины на числовой оси. Это некоторое среднее значение случайной величины, около которого группируются все ее возможные значения.

Математическое ожидание случайной величины X обозначают символами М(Х) или т. Математическим ожиданием дискретной случайной величины называется сумма парных произведений всех возможных значений случайной величины на вероятности этих значений:



Математическое ожидание непрерывной случайной величины определяется с помощью несобственного интеграла:



Исходя из определений, нетрудно убедиться в справедливости следующих свойств математического ожидания:

  1. (математическое ожидание неслучайной величины с равно самой неслучайной величине).

  2. Если 0, то 0.

  3. .

  4. Если и независимы, то .

Пример 3.3. Найти математическое ожидание дискретной случайной величины, заданной рядом распределения:

X0123p0.20.40.30.1Решение.

=00.2 + 10.4 + 20.3 + 30.1=1.3.

Пример 3.4. Найти математическое ожидание случайной величины, заданной плотностью распределения:

.

Решение.

Дисперсия и среднее квадратическое отклонение являются характеристиками рассеивания случайной величины, они характеризуют разброс ее возможных значений относительно математического ожидания.

Дисперсией D(X) случайной величины X называется математическое ожидание квадрата отклонения случайной величины от ее математического ожидания Для дискретной случайной величины дисперсия выражается суммой:

(3.3)

а для непрерывной – интегралом

(3.4)

Дисперсия имеет размерность квадрата случайной величины. Характеристикой рассеивания, совпадающей по размерности со случайной величиной, служит среднее квадратическое отклонение.

Свойства дисперсии:

1) – постоянные. В частности,

2)

3)

В частности,

(3.5)

Заметим, что вычисление дисперсии по формуле (3.5) часто оказывается более удобным, чем по формуле (3.3) или (3.4).

Величина называется ковариацией случайных величин .

Если , то величина



называется коэффициентом корреляции случайных величин .

Можно показать, что если , то величины линейно зависимы: где

Отметим, что если независимы, то

и

1   2   3   4   5   6   7   8   9

Похожие:

Высшая математика III основы теории вероятностей. Элементы математической статистики iconЭлективный курс «Элементы теории множеств, логики, комбинаторики, математической статистики и теории вероятностей»
Поэтому знание основ теории множеств, логики и теории вероятностей даёт возможность учащимся определиться в профессиональной деятельности,...
Высшая математика III основы теории вероятностей. Элементы математической статистики iconРуководство по решению задач по теории вероятностей и математической статистики : учебное пособие / В. Е. Гмурман. 11-е изд., перераб. М. Высшее образование, 2009. 404 с. (Основы наук)
Высшая математика для студентов экономических, технических, естественно-научных специальностей вузов / И. В. Виленкин, В. М. Гробер....
Высшая математика III основы теории вероятностей. Элементы математической статистики iconСамостоятельная работа 2 часа в неделю
Курс прикладной статистики является логичным продолжением курсов теории вероятностей, теории случайных процессов и математической...
Высшая математика III основы теории вероятностей. Элементы математической статистики iconПрограмма дисциплины «Обучение машин и восстановление зависимостей» для направления 010500. 68 «Прикладная математика и информатика»
«Математический анализ», «Линейная алгебра», «Основы теории вероятностей и математической статистики». Для выполнения самостоятельных...
Высшая математика III основы теории вероятностей. Элементы математической статистики iconМетодические подходы введения в содержание математического образования основной школы элементов комбинаторики, статистики и теории вероятностей о введении элементов комбинаторики, статистики
Российского образования в содержание школьного математического образования внесены изменения: впервые в курс основной и средней школы...
Высшая математика III основы теории вероятностей. Элементы математической статистики iconМетодика изучения темы: «Элементы статистики, комбинаторики и теории вероятностей в школьном курсе математики 7- 9 классов» Из опыта работы учителя математики моу сош №5
Методика изучения темы: «Элементы статистики, комбинаторики и теории вероятностей в школьном курсе математики 7- 9 классов»
Высшая математика III основы теории вероятностей. Элементы математической статистики iconТомский государственный университет факультет прикладной математики и кибернетики утверждаю
Для изучения курса необходимо усвоение студентами теории дифференциальных уравнений, линейной алгебры, теории вероятностей, теории...
Высшая математика III основы теории вероятностей. Элементы математической статистики iconРабочая программа дисциплины (модуля)
Цель освоения учебной дисциплины «Теория вероятностей и математическая статистика» – фундаментальная подготовка в области теории...
Высшая математика III основы теории вероятностей. Элементы математической статистики iconПрограмма дисциплины "Основы теории вероятностей и математической статистики" для направления 080200. 62 Менеджмент Профиль специальных дисциплин «Логистика и управление цепями поставок»
Государственное образовательное бюджетное учреждение высшего профессионального образования
Высшая математика III основы теории вероятностей. Элементы математической статистики iconПлан работы гоу цо «Школа здоровья» №2000 на октябрь 2007 г
Творческая мастерская учителей математики. Теория вероятностей и элементы математической статистики
Разместите кнопку на своём сайте:
Библиотека


База данных защищена авторским правом ©lib.znate.ru 2014
обратиться к администрации
Библиотека
Главная страница