- •Лекция № 3 Введение. Классификация событий. Действия над событиями
- •2. События. Классификация событий. Пространство элементарных событий
- •4. Практические занятия
- •Лекция№5:Условная вероятность. Формула полной вероятности и формула Байеса. Независимые случайные события
- •1.1 Распределение Релея
- •1 Система двух случайных величин
- •1.Введение
- •4. Практические занятия
- •2.Элементы теории множеств.
- •2.1 Определение множества. Мощность множества. Подмножества.
- •2.2 Множества и подмножества.
- •2.3 Способы задания множеств. Универсальное множество.
- •2.4 Операции над множествами.
- •Практическое занятие №2
- •Тема: Основные понятия комбинаторики.
- •2. Перестановки, размещения.
- •3. Сочетания.
- •4. Разбиение на группы:
- •1. Введение
- •3. Алгебра событий
- •1. Введение
- •2. События. Классификация событий. Пространство элементарных событий
- •Примеры.
- •3. Алгебра событий
- •События Вi образуют полную группу событий, если
- •Особый интерес представляют полные группы несовместимых событий
- •План лекции:
- •2. Классический способ задания вероятностей.
- •3. Статистическая вероятность
- •4. Геометрическая вероятность.
- •Лекция№5
- •2. Формула полной вероятности.
- •3. Формула Байеса (теорема гипотез).
- •4. Независимые случайные события.
- •Контрольные вопросы и тесты
- •2 Закон распределения случайной величины.
- •3. Функция распределения
- •4. Плотность распределения случайной величины
- •Практическое занятие №1
- •1.Математическое ожидание , мода и медиана случайной величины
- •2. Моменты. Дисперсия. Среднее квадратическое отклонение.
- •3. Моменты высших порядков
- •Математическое ожидание, мода и медиана случайной величины
- •2. Моменты. Дисперсия. Среднее квадратическое отклонение.
- •3. Моменты высших порядков
- •Практическое занятие №1
- •5. Контрольные вопросы и задания
- •1. Биномиальное распределение
- •2. Распределение Пуассона
- •3. Простейший поток событий
- •1. Испытания (схема) Бернулли. Биномиальное распределение
- •Если ставить вопрос о появлении события а k-раз в n испытаниях в произвольном порядке, то событие представимо в виде
- •2. Распределение Пуассона.
- •3. Простейший поток событий
- •Задача 4
- •Задача 5
- •Задача 6
- •Практическое занятие № 2
- •5. Контрольные вопросы
- •1.1 Равномерное распределение вероятностей
- •1.2 Показательное (экспоненциальное) распределение
- •1.3 Нормальное распределение
- •Задача 1
- •Решение
- •Решение
- •Задача 4
- •Задача 6
- •Практическое занятие №2
- •2. Рекомендуемые фрагменты программ
- •1.1 Распределение Релея
- •1.1 Распределение Релея
- •1.2 Распределение Максвелла
- •1.3 Логарифмическое нормальное распределение
- •2. Функция случайной величины.
- •Практическое занятие №1
- •3. Рекомендации к выполнению.
- •Практическое занятие №2
- •Задача3
- •1 Система двух случайных величин
- •1 Система двух случайных величин
- •1.2 Плотность распределения двух случайных величин
- •1.3 Условные функция распределения и плотность распределения
- •1.4 Корреляция двух случайных величин
- •Аналогично имеем
- •2. Система произвольного числа случайных величин
- •Задача1
- •Практическое занятие №2 Тема: Исследование системы двух случайных величин
- •Так как под интегралом в (1) находится неотрицательная величина, то, выбросив из интервала интегрирования отрезок ав, мы значение интеграла не увеличим, т.Е.
- •2. Характеристические функции
- •Для дискретной случайной величины х с законом распределения
- •Свойства характеристической функции
- •3. Центральная предельная теорема
- •2. Числовые характеристики выборки
- •2.1. Выборочное среднее
- •Выборочная дисперсия
- •3. Статистический ряд. Статистическая функция распределения
- •4. Статистическая совокупность. Гистограмма
- •1. Оценка параметров
- •2. Метод наибольшего правдоподобия для нахождения оценок
- •3. Метод наименьших квадратов
2. Моменты. Дисперсия. Среднее квадратическое отклонение.
Кроме характеристик положения в теории вероятностей употребляется еще ряд числовых характеристик различного назначения; каждая из них характеризует с.в. с точки зрения тех или иных особенностей ее распределения. Среди них особое значение имеют моменты – начальные и центральные.
Начальным моментом S-го порядка с.в. Х называется математическое ожидание S-ой степени этой величины
Для дискретной с.в .Х начальный момент S-го порядка выражается суммой
, для непрерывной - интегралом
, где - плотность распределения.
Ранее введенная характеристика - есть не что иное, как первый начальный момент
.
Прежде чем дать определение центрального момента, введем новое понятие “центрированной с.в.”. Центрированной с.в .Х называют отклонение с.в. от её математического ожидания, т.е.
.
Нетрудно убедиться, что математическое .ожидание центрированной с.в.= 0.
Центрирование с.в. равносильно переносу начала отсчета в т. (центр распределения).
Моменты центрированной с.в. называются центральными моментами. Центральным моментом S-го порядка с.в.Х называется математическое ожидание S-ой степени центрированной с.в.
;
Для дискретной с.в. , для непрерывной- .
Очевидно, что для любой с.в.Х центральный момент 1-го порядка равен 0.
Особое значение на практике имеет второй центральный момент, он называется дисперсией с.в. Ввиду крайней важности его среди других для него введено специальное обозначение или .
Согласно определению центрального момента
.
Дисперсией случайной величины Х называется математическое ожидание квадрата отклонения величины от ее математического ожидания:
Для непосредственного вычисления дисперсии служат формулы:
а) для дискретной с.в.
б) для непрерывной с.в.
На практике часто бывает проще вычислить 2-ой начальный момент, чем дисперсию и тогда для вычисления дисперсии пользуются формулой:
;
Из определения получаем что:
Таким образом мы получили, что дисперсия равна математическому ожиданию квадрата случайной величины минус квадрат математического ожидания.
Дисперсия имеет размерность квадрата случайной величины Х, а удобно иметь характеристику разброса случайной величины относительно своего среднего значения такой же размерности как Х. С этой целью вводят среднее квадратичное отклонение случайной величины Х, обозначаемое , как
.
Эту величину еще называют стандартным отклонением. Для неотрицательной с.в.Х в качестве характеристики применяется коэффициент вариации, равный отношению с.к.о. к мат.ожиданию
Свойства дисперсии.
Дисперсия постоянной величины равна нулю: ,
что очевидно, т.к. .
Постоянный множитель выносится за знак дисперсии в квадрате:
.
Действительно,
Дисперсия суммы двух независимых случайных величин X и Y равна
сумме дисперсий:
4)
5) ;
Действительно,
В электрических приложениях дисперсия, как правило, соотносится со средней мощностью, выделяемой на активном сопротивлении переменной составляющей приложенного к нему напряжения или тока, а корень квадратный из дисперсии в этом случае будет соответствовать показанию вольтметра или амперметра.