
- •1.Случайные события ,операции над событиями.
- •2.Вероятность случайного события и методы ее вычисления
- •3. Формулы комбинаторики Число сочетаний из n элементов по m
- •Перестановки из n элементов
- •Число размещений из n элементов по m
- •5. Относительная частота появления случайного события и ее вычисление
- •7.Теорема умножения вероятностей.
- •8. Формула полной вероятности
- •9.Формула Байеса
- •Задача 1
- •11. Основные числовые характеристики случайных величин их свойства
- •12. Математическое ожидание постоянной величины равно этой постоянной.
- •13. Дисперсия случайной величины
- •Формулировка[править | править исходный текст]
- •Доказательство
- •16. Закон равномерной плотности
- •17.Показательное распределение
- •18.Нормальное распределение
- •20. Числовые характеристики системы двух случайных величин
- •Корреляционный момент
- •2. Основные способы формирования выборочной совокупности
- •3. Определение необходимого объема выборки
- •4. Распространение результатов выборочного наблюдения на генеральную совокупность
- •4.1. Эмпирическая функция распределения.
- •4.2. Выборочная дифференциальная функция.
- •4.1. Точечная оценка параметров распределения
- •Линейная парная регрессия и метод наименьших квадратов
- •29.Система единичных векторов,свойства,базис,разложение по данному базису
- •32. Обратная матрица,ее свойства.Обращение матриц методом жордана-гаусса,условие обратимости матриц
- •Метод Гаусса—Жордана[править | править исходный текст]
- •С помощью матрицы алгебраических дополнений[править | править исходный текст]
- •Использование lu/lup-разложения[править | править исходный текст]
- •33.Элементарными преобразованиями матрицы
- •35. Векторная и матричная формы записи систем линейных уравнений Векторная форма записи
- •Матричная форма записи
- •36.Решение слау методом гаусса
- •Решение системы с помощью обратной матрицы
- •Определение[править | править исходный текст]
- •Свойства[править | править исходный текст] Инвариантность ранга при элементарных преобразованиях[править | править исходный текст]
- •Эквивалентность слау при элементарных преобразованиях[править | править исходный текст]
- •Нахождение обратных матриц[править | править исходный текст]
- •Приведение матриц к ступенчатому виду[править | править исходный текст]
- •39.Каноническая(предпочитаемая) форма записи слау
- •40.Симплексное преобразование слау
11. Основные числовые характеристики случайных величин их свойства
К основным числовым характеристикам относятся характеристики положения и характеристики рассеяния значений случайной величины.
Формулы для определения этих характеристик зависят от того, является ли случайная величина дискретной или непрерывной.
Основной характеристикой положения или расположения случайной величины является математическое ожидание, обозначаемое M(x) и определяемое по следующим формулам:
|
(1.27) |
|
(1.28) |
В формуле (1.27) xi - возможные значения случайной величины, pi - соответствующие им вероятности.
В формуле (1.28) f(x) - плотность распределения случайной величины.
Предполагается,
что сумма
и
абсолютно
сходятся, в противном случае M(x)
не существует.
Пример. В студенческой группе организована лотерея. Разыгрываются две вещи стоимостью по 10 руб. и одна стоимостью 30 руб. Определить математическое ожидание чистого выигрыша для студента, если он приобрел 1 билет стоимостью 1 руб., а всего билетов 50.
Решение. Пусть Х - случайная величина, характеризующая сумму чистого выигрыша для студента.
Х может принять значение: 1, если студент ничего не выиграет;
9, если его выигрыш - 10 руб.;
29, если его выигрыш - 30 руб.
Чтобы определить математическое ожидание выигрыша, необходимо определить вероятность каждого выигрыша:
Закон распределения случайной величины Х имеет вид
X |
-1 |
9 |
29 |
|
p |
0.94 |
0.04 |
0.02 |
|
Пример. Случайная величина Х, принимающая значения размеров диаметра болта, имеет плотность распределения
Определить математическое ожидание случайной величины Х.
Решение. Так как случайная величина Х непрерывного типа, то
12. Математическое ожидание постоянной величины равно этой постоянной.
Доказательство
Постоянную величину a можно рассматривать как случайную, которая принимает лишь одно значение a с вероятностью 1, поэтому Ma=a·1=a.
2. Постоянный множитель можно выносить за знак математического ожидания, т. е. M[kX]=kM[X].
Доказательство
KX - это случайная величина, которая принимает значение KXi и ,P(KX=kxi)=pi i=1, 2,...,n. Математическое ожидание KX:
M[KX]=kx1p1+kx2p2+...+kxnpn=k(x1p1+x2p2+...+xnpn)=KM[X]
Следующие свойства приводятся без доказательства.
3. Математическое ожидание суммы конечного числа случайных величин равно сумме их математических ожиданий:
M[X+Y]=M[X]+M[Y].
Следствие. Математическое ожидание разности случайных величин равно разности их математических ожиданий:
M[X-Y]=M[X]-M[Y].
4. Математическое ожидание произведения конечного числа независимых случайных величин равно произведению их математических ожиданий:
M[XY]=M[X]·M[Y].
5. Если все значения случайной величины Х уменьшить (увеличить) на одно и то же число С, то математическое ожидание её уменьшится (увеличится) на то же число С.
Следствие. Математическое ожидание отклонения случайной величины Х от её математического ожидания равно нулю.
1.2.6. Дисперсия случайной величины
Математическое ожидание не может в достаточной степени характеризовать случайную величину.
Пусть случайные величины X и Y заданы следующими законами распределения, представленными в нижеприведенных таблицах.
X |
-0.1 |
-0.01 |
0 |
0.01 |
0.1 |
|
Y |
-20 |
-10 |
0 |
10 |
20 |
p |
0.1 |
0.2 |
0.4 |
0.2 |
0.1 |
p |
0.3 |
0.1 |
0.2 |
0.1 |
0.3 |
Математические ожидания их одинаковы и равны нулю:
M[X] = –0.1·0.1–0.01·0.2+0·0.4+0.01·0.2+0.1·0.1 = 0;
M[Y] = –20·0.3–10·0.1+0·0.2+10·0.1+20·0.3 = 0.
Однако характер распределения их различный. Случайная величина Х может принимать значения, мало отличающиеся от математического ожидания.
Случайная величина Y может принимать значения, значительно отклоняющиеся от математического ожидания, и вероятности их не малы.
Так, при одинаковой средней величине осадков, выпадающих в двух местностях за год, нельзя сказать, что климат этих местностей одинаков.
Иными словами, по математическому ожиданию нельзя судить о том, какие отклонения от него возможны. А тем не менее умение дать оценку рассеяния имеет важное значение.