- •А.П. Бырдин н.В. Заварзин а.А. Сидоренко л.П. Цуканова
- •А.П. Бырдин н.В. Заварзин а.А. Сидоренко л.П. Цуканова
- •Введение
- •1. Ортогональные системы функций и обобщенные ряды фурье. Интегралы фурье
- •1.1. Исторические замечания
- •1.2. Гильбертово пространство. Ряды Фурье в гильбертовом пространстве
- •1.3. Тригонометрические ряды Фурье
- •Интегральная формула Фурье.
- •Условия представимости функции интегралом Фурье
- •2. Преобразование лапласа
- •2.1. Определение преобразования Лапласа
- •Свойства преобразования Лапласа
- •2.3. Применения преобразования Лапласа к решению дифференциальных уравнений и систем
- •4. Решение систем линейных дифференциальных уравнений с постоянными коэффициентами.
- •3. Событие и вероятность
- •3.1. Основные понятия. Определение вероятности
- •3.2. Свойства вероятности
- •2. Теорема умножения вероятностей.
- •3. Теорема сложения вероятностей совместимых событий.
- •4. Формула полной вероятности.
- •3.3. Приложения в биологии
- •4. Дискретные и непрерывные случайные величины
- •4.1. Случайные величины
- •1. Понятие «случайные величины».
- •4.2. Математическое ожидание дискретной случайной величины
- •Решение. Используя полученную там таблицу, имеем
- •2. Свойства математического ожидания дискретной случайной величины.
- •4.3. Дисперсия дискретной случайной величины
- •2. Свойства дисперсии дискретной случайной величины.
- •3. Среднее квадратическое отклонение.
- •4. Понятие о моментах распределения.
- •Следовательно, если X имеет распределение
- •4.4. Непрерывные случайные величины
- •3. Математическое ожидание и дисперсия непрерывной случайной величины.
- •4.5. Некоторые законы распределения случайных величин
- •Справедлива следующая приближенная формула
- •Введем функцию
- •Решение. Используя формулу (11), имеем
- •4.6. Закон больших чисел
- •Элементы математической статистики
- •5.1. Генеральная совокупность и выборка
- •5.2. Оценки параметров генеральной совокупности по ее выборке
- •5.3. Доверительные интервалы для параметров нормального распределения
- •5.4. Проверка статистических гипотез
- •Задачи к п. 2
- •Задачи к п. 3
- •Ответы к п. 3
- •Задачи к п. 4
- •Ответы к п. 4
- •Приложение 2
- •Приложение 3
- •Приложение 4
- •Приложение 5
- •Вопросы к экзамену
- •Библиографический список
- •Оглавление
- •Ортогональные системы функций и обобщенные ряды Фурье. Интегралы Фурье …………...………………..….4
- •Преобразование Лапласа…………………………….….20
- •Событие и вероятность……...………………………….73
- •Дискретные и непрерывные случайные величины…94
- •Элементы математической статистики……………...130
- •394026 Воронеж, Московский просп., 14
4.3. Дисперсия дискретной случайной величины
1. Понятие дисперсии. Математическое ожидание не дает полной характеристики закона распределения случайной величины. Покажем это на примере. Пусть заданы две дискретные случайные величины X и Y своими законами распределения:
-
-2
0
2
p
0,4
0,2
0,4
-
-100
0
100
p
0,3
0,4
0,3
Несмотря на то, что математические ожидания величин X и Y одинаковы: М(Х) = M(Y) = 0, возможные значения величин X и Y «разбросаны» или «рассеяны» около своих математических ожиданий по-разному: возможные значения величины X расположены гораздо ближе к своему математическому ожиданию, чем значения величины Y.
Укажем еще на один пример. При одинаковой средней величине годовых осадков одна местность может быть засушливой и неблагоприятной для сельскохозяйственных работ (нет дождей весной и летом), а другая благоприятной для ведения сельского хозяйства.
Из сказанного вытекает необходимость введения новой числовой характеристики случайной величины, по которой можно судить о «рассеянии» возможных значений этой случайной величины. Пусть задана дискретная случайная величина X:
|
x1 |
x2 |
… |
xn |
p |
p1 |
p2 |
… |
pn |
Определение 1. Отклонением случайной величины X от ее математического ожидания М(Х) (или просто отклонением случайной величины X) называют случайную величину X М(Х).
Видно, что для того, чтобы отклонение случайной величины X приняло значение x1 M(X), достаточно, чтобы случайная величина X приняла значение x1 Вероятность же этого события равна р1; следовательно, и вероятность того, что отклонение случайной величины X примет значение х1 М(Х), также равна р1. Аналогично обстоит дело и для остальных возможных значений отклонения случайной величины X. Используя это, запишем закон распределения отклонения случайной величины X:
Х М(Х) |
x1 M(X) |
x2 M(X) |
… |
xn M(X) |
р |
р1 |
р2 |
… |
рn |
Вычислим теперь математическое ожидание отклонения Х М(Х). Пользуясь свойствами 5 и 1 (4.2, п. 2), получаем
М[Х М(Х)] = М(Х) М(Х) = 0.
Следовательно, справедлива следующая теорема.
Теорема. Математическое ожидание отклонения X М(Х) равно нулю: М[Х М(Х)] = 0.
Из теоремы видно, что с помощью отклонения X М(Х) не удается определить среднее отклонение возможных значений величины Х от ее математического ожидания, т.е. степень рассеяния величины X. Это объясняется взаимным погашением положительных и отрицательных возможных значений отклонения. Однако можно освободиться от этого недостатка, если рассматривать квадрат отклонения случайной величины X. Запишем закон распределения случайной величины [X М(Х)]2 (рассуждения те же, что и в случае случайной величины Х М(Х)).
[Х-М(Х)]2 |
[x1-M(X)]2 |
[x2-M(X)]2 |
… |
[xn-M(X)]2 |
р |
р1 |
р2 |
… |
рn |
Определение 2. Дисперсией D(X) дискретной случайной величины X называют математическое ожидание квадрата отклонения случайной величины X от ее математического ожидания:
Из закона распределения величины [Х М(Х)]2 следует, что