- •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
1.4 Корреляция двух случайных величин
Определение. Случайные величины X и Y независимы, если
.
Пример. Случайные тепловые падения напряжения на двух резисторах электрической схемы.
Следствие. Для независимых случайных величин X и Y
то есть математическое ожидание произведения случайных величин равно произведению математических ожиданий.
2. Следствие. Для независимых случайных величин Х и Y условная плотность вероятностей
-
равна безусловной плотности вероятностей.
Аналогично имеем
.
Если случайные величины X иY не независимы, то вводится понятие корреляции двух случайных величин.
Определение. Корреляцией или корреляционным моментом двух случайных величин X и Y называется математическое ожидание произведения центрированных случайных величин
Если обозначить , , а их значения соответственно , , то
С другой стороны , так как и , то
Определение. Нормированный корреляционный момент называется коэффициентом корреляции:
Для дискретных случайных величин интеграл заменяется суммой, т.е.
Рассмотрим два случая . В первом случае пусть X,Y – независимые случайные величины , тогда и
Таким образом, если случайные величины X и Y независимы , то их корреляционный момент (и коэффициент корреляции) равен нулю.
Рассмотрим другой случай, когда случайные величины жестко связаны линейной зависимостью
.
Если случайная величина Х принимает значение х, то функция - определяется законом распределения случайной величины Х, а значит
Поэтому
.
Легко показать, что отсюда и
,
Можно показать, , что всегда .
Н иже приведены графики зависимости дискретных случайных величин для различных коэффициентов корреляции.
О тметим, что коэффициент корреляции говорит о линейной зависимости случайных величин. Можно показать, например, что при нелинейной связи у=kx2, где случайная величина Х имеет симметричный закон распределения относительно нуля коэффициент корреляции также равен нулю.
Коэффициент корреляции можно представить в виде
.
Если выполнить интегрирование, то получаем, что
является безразмерной величиной.
Пример. Пусть случайные величины X и Y (входные и выходные величины системы) связаны линейной связью:
,
где n – независимая шумовая величина с M[n]=0 (здесь учитывается и нелинейные эффекты). Найдем дисперсию Y, т.е. - мощность выхода системы. Так как
,
то
Обозначим мощность которую вносит в у величина х , через и , которую вносит n - . Имеем
, .
Найдем коэффициент корреляции между X и Y :
отсюда и
Это соотношение называется соотношением для линейно обусловленной выходной мощности.
2. Система произвольного числа случайных величин
Пусть имеется n (n>2) случайных величин (Х1, Х2, ..., Хn). Функция распределения системы вводится как обобщение функции распределения двух случайных величин
F(x1, x2, ..., xn) = p(X1<x1, X2<x2, ... , Xn<xn)
Эта функция обладает всеми свойствами, какими обладает функция распределения двух случайных величин. Она неубывающая функция одной переменной при фиксированных остальных. Кроме того
F(- , x2, ..., xn)=...= F(x1, x2, ..., -)=F(- , -, ..., xn)=F(- , -, ...,- )=0;
F1(x1)=F(x1, , ..., ) – функция распределения случайной величины х1;
F2(x1, х2)=F(x1, х2, ,..., ) – функция распределения системы (Х1, Х2) и т.д.;
F(, , ..., ) = 1.
Аналогично системе двух случайных величин вводится плотность распределения вероятностей:
если соответствующая производная существует.
Плотность распределения системы (X1, X2, ..., Xm) (m < n) равна
По плотности распределения f(x1, x2, ..., xn) находится функция распределения
Отсюда
Условная плотность распределения определяется по формуле
Если случайные величины Х1, Х2, ..., Хn независимы, то плотность распределения системы (Х1, Х2, ..., Хn) равна
f(x1, x2, ..., xn) = f1(x1) f2(x2) ... fn(xn).
Практическое занятие №1