- •Элементы комбинаторики. Пояснить на примерах.
- •Правило произведения
- •Размещения
- •Перестановки
- •Сочетание
- •Случайные величины. Типы случайных величин и способы их задания.
- •Арифметические операции над дискретными случайными величинами
- •Математическое ожидание случайной величины и ее свойства.
- •Дисперсия случайной величины. Формул для вычисления дисперсии. Свойства дисперсии. Среднее квадратическое отклонение.
- •Функция распределения и ее свойства.
- •Мс. Статистические оценки основных числовых характеристик
-
Математическое ожидание случайной величины и ее свойства.
МО – сумма произведений значения, случайной величины на соответствующей вероятности
М(Х) = Х1Р1 +Х2Р2 +…+Хn Pn = ∑nk=1 xkpk
Ожидаем вероятностный смысл
Пусть в n испытаниях значения х1 встречалось м1 раз
х2 ----//------m2 раз
x3-------//------m 3 раз
m1 + m2 +…MK =n
Среднее арифметическое наиб. значений:
(ср.) = Х1m1 + x2m2+…+xkmk/n =x1m1/n +x2m2/n *p…p* xk mk/n =x1p1+x2p2…xkpk = M(x)
M(X) =
Вывод: МО приблизительно равно (или тем точнее, чем больше число испытаний)среднему арифметическому наблюдаемых значений.
Мат. ожидание характеризует среднее значение случайной величины.
Свойства мат. ожидания:
-
Мат. ожидание постоянной случайной величины равно самой постоянной величине.
М(С)= С
Замечание 1. Определение Случайной величины СХ случайным образом :
СХ СХ1 СХ2 … СХn
p p1 p2 … pn
-
Постоянный множитель можно выносить за знак мат. ожидания
М(СХ)=СМ(Х)
Д-во: M(CX) = CX1p1 + CX2P2 + … CXnPn = C(X1P1 +X2P2) = CM(X)
Замечание 2. Определим ХУ след образом
У У1 …Ук
q q1 …qk
Все значения Х со всеми значениями У перемножаются:
р(ХУ=Х1У1) = р( Х = Xi) * p(Y=Yi) , если Х и У – независимые
Определение: Х и У – независимые, если закон распределения одной из них не зависит от того, какие значения приняла другая величина.
-
Если Х и У независимые …
М(ХУ)=М(Х)*М(У)
Замечание 3. Определим Х+У случайным оразом:
р( Х+У = Хi + Уj) = p(X=Xi)*(Y=Yj) = piqj
Если ХУ – зависимые, то
p(x=xi)p(y=yj)/x=xi)
-
МО суммы равна сумме МО
М(х+у)=М(х)+М(у)
-
Дисперсия случайной величины. Формул для вычисления дисперсии. Свойства дисперсии. Среднее квадратическое отклонение.
Дисперсия – мат ожидание квадрата отклонения случ величины от ее мат ожидания (Х-M(X)) = 0
Д(Х)=М(Х-М)х))2
(Х-М(х))2 |
(Х1-М(х))2 |
… |
(Хn-М(х))2 |
p |
P1 |
… |
pn |
D(x) = ∑n K=1 (Хn-М(х))2 * pk
ВАЖНО D(X) ≥0
Формула для вычисления дисперсии
Дисперсия равна разнице между МО квадрата ее величины
Д(Х) = М(Х2) – М2(Х)
Док-во: Д(х) =М(х – м(х))2 = (М(х2- 2(М(Х) _М2(Х))=М(Х2)
Свойства дисперсии.
1)D(С) = 0, тк D(C) = M(C-M(C ) )2 = O
2)Постоянный множитель можно вынести за знак дисперсии, возведя его в квадрат D(CX)=C2D(X), тк
D(CX) = M(C-M(Cx)2=M(C(x-M(x))2=C2M(x-m(x))2=C2D(x)
3)Дисперсия суммы двух независимых случайных величин равна сумме их дисперсий
D(X+Y) = D(X)+D(Y)
D(X+Y) = M(X+Y)2 – M2(X+Y)=M(X2+2XY+Y2)-(M(X)+M(Y))2=M2(Y) +2M(X)M(Y)+M(Y2)-M2(X)-2 M(X)M(Y)-M2(Y)=M(X2)-M2(X)+M(Y)2-M2(y) = D(X) + D(Y)
Следствие 1. D( C+ X) = D(X)
Следствие 2. D(X-Y) = D (X)+D(Y), т к D(X-Y) = D(X)+D(-Y)=D(X)+(-1)2 D(Y)
Среднее квадратичное отклонение
δ (х) имеет ту же соразмерность, что и Х
-
Функция распределения и ее свойства.
Функция распределения случайной величины называется ф-ия F(x), которая для любого х равна вероятности того, что случ величина примет значение меньше, чем это Х
ᵿx: F(X) = p (X<x) !!!
Вероятность того, что случ величина х примет значение , принадлежащее к промежутку, равна приращению функции распределения на этом промежутке.
-
p(a≤x<b) = F(b)-F(a)
Док-во: F(b) = p (x<b) = p(x<a)+p(a≤x<b) следовательно p(a≤x<b)=F(b)-F(a)
-
0≤F(X)≤1
-
F(x) – неубывающая ф-ия, т е если х2>x1, то F(x2)≥F(x1)
Вывод: это дискретный случай величины F(x) – ступенчатая функция, постоянная на тех интервалах, где случ величина не принимает значений и имеет скачки в точках, в которых она принимает значение. Величина скачка равна соответствующей вероятности.
-
---------------- Числовые характеристики двумерных случайных величин. Ковариация и ее свойства. Коэффициент корреляции, его свойства.
(x;y) ( M(x):M(y)): (D(x); D(y))
Ковариация
Ковариация между случайными величинами х1 и у – число, равное МО произведения отклонения случайны величин от своих мат ожиданий.
cov(x;y) = M((x-M(x))*(y-M(y))) или
Свойства:
-
cov(x;y)=cov(y;x)
-
cov(x;y) = D(x)
-
cov(x; y) = M (xy)-M(x)M(y)
-
если х и у независимые, то cov(x;y)=0
-
cov(aX+b;cY+d) = ac*cov(x;y)
a, b, c, d – числа
Коэффициент корреляции.
Определение: Коэф корреляции между случайными величинами х и у- это число, равное отношению ковариаций к произведению средних квадратичных отклонений.
r(x;y)= , где σ (х) = √ D(x) ; σ(y) = √D(y)
Свойства: r(x;y)
-
r(x;y)=r(y;x)
-
r(y;x)=1
Это ф-я f(x), такая что f(x)=F’(x) Замечание 1: F(x) – первообразная для f(x) Замечание 2: f(x)- для дискретной случайной величины не определятся
Теорема: вер-ть того, что непр случ вел примет знач-я из промежутка (а;в) = опр интегралу от ф-я плотности по этому промежутку. p(a<x<b) = ∫ f(x)dx=Sтрапеции геометрический смысл формулы: вер-ть равна пл криволинейной трапеции
Св-ва ф-и плотности:
-
f(x)≥0 для всех х, тк F’(x)≥0 (F(x) не убывает)
-
-∞+∞∫ f(x)dx=1, тк p(-∞<x<+∞)=1
-
если все значения xϵ[a;b], то ав∫ f(x)dx=1
-
I Характеристики положения:
-
-мат ожидание
-
-мода
-
-медиана
-
-квантиль уровня р
-
1) мат ожидание
-
Если х –непр с. в. хϵ[a;b], то М(х)= ав∫хf(x)dx
-
Если хϵ(-∞;+∞), то М(х)= -∞+∞∫хf(x)dx – сходится
-
2)мода
-
хmod – значение случ вел с наиб вероятностью. Мода там, где ф-я пл достигает своего локального максимума.
-
3)медиана
-
хme – такое значение случайной величины, что вер-ть принять решение меньше, что это число = вер-ть прин зн больше
-
p(X<xme)=p(X>xme)=1/2
-
F(xme)= p(X<xme)=1/2
-
4)квантиль ур p
-
xp(0<p<1)
-
xp=такое знач-е случ вел, что F(xp)=p, те F(xp)=p(X<xp)=p
-
Замечание: Медиана – это крантиль уровня 0,5
-
-
Мат.ст.-наука сбора и анализа данных наблюдений использующая методы тер.вер.; теоретические основы стат-центральная предельная теорема, закон больших чисел. Стат. Оперирует результатами наблюдений над случайными явлениями.
-
Осн.понятия: 1. Ген. совокупноть- все множество объектов, подлежащих изучению или контролю. 2.Выборка- совокупность случайно отобранных объектов. 3. Объем выборки- это количество отобранных объектов.
-
Выборочный метод- лежит в основе стат выводов о св-ве ген. совок. Выборы полученные по выборочным данным распространяются на всю ген совок – эти выводы носят вероятностный характер и их точность повышается с объемом выборки.Выборка должна быть репрезентативной=представительной.
Выборочная функция распределения
F(x)=P(X<x)
Fn(x)=W(X<x)
Это Fn(x), определяющая для каждого значения X относит. частоту событ.
X<x, => Fn(x)=
Для дискретного ВР:
Для интервального ВР:
F(n)(w)