Добавил:
2200 7008 9480 6099 TKFF БЛАГОДАРНОСТЬ МОЖНО ТУТ ОСТАВИТЬ Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:

Pankov_Praktikum_po_TViMS_21_12_1

.pdf
Скачиваний:
46
Добавлен:
27.05.2023
Размер:
1.2 Mб
Скачать

где

z;a,b =

a b

 

 

zta 1 1 t b 1 dt,

z 0;1 , a,b > 0, --

неполная

бета-

 

 

 

 

 

 

 

a b 0

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

-- гамма функция со свойством k 1 = k!

функция, a = ta 1e tdt,

a > 0,

 

 

 

0

 

 

 

 

 

 

 

 

 

 

 

 

для всех целых неотрицательных k.

 

 

 

 

 

 

12.17 В условиях задачи 12.16 показать, что если у случайной величины

 

 

имеется

 

плотность

распределения

p x ,

 

то

pX

k

x = nCnk 11Fk 1 x 1 F x n k p x .

 

 

 

 

 

 

 

 

 

 

 

 

 

n

 

 

 

 

 

 

 

12.18 Пусть X =

 

X

1

,...,X

-- выборка из равномерного на отрезке

 

 

 

 

 

 

 

0;1

распределения

U 0;1 .

 

Убедиться, что

X k имеет функцию

распределения

x;k,n k 1 (см. задачу 15.16). Найти EX k и X k .

12.19Пусть X = X1,...,Xn -- выборка из равномерного на отрезке 0;1

распределения U 0;1 . Найти cov X i ,X j , i, j 1,n.

12.20Найти для выборки из равномерного на отрезке a;b

распределения U a;b величины EX 1

, EX n ,

D X 1

, DX n и cov X 1 ,X n .

 

12.21

Пусть

X = X1,...,Xn

-- выборка

из

двухпараметрического

экспоненциального

распределения

Fa,b

с

функцией

распределения

 

 

 

 

x a

 

 

Доказать,

что

случайная

величина

 

 

 

 

Fa,b x = 1 e b Ind x a , b > 0.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

X =

n X 1

a

имеет распределение

F ,

называемое

стандартным

 

 

 

 

 

1

 

b

 

 

 

 

 

 

0,1

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

экспоненциальным (или показательным) распределением. Найти EX 1 и D X 1 .

 

Если наблюдаемая в эксперименте случайная величина

дискретна и

 

принимает значения a1, a2, , где

ai < ai 1,

то более

наглядное

 

представление о ее законе распределения дадут относительные частоты

101

=

r

,

где

r

означает число элементов соответствующей выборки

 

r n

 

 

X == X1,...,Xn ,

принявших значение ar . Исходные данные для таких

случаев обычно записывают в виде последовательности пар ar, r , где

r > 0, или в виде таблицы, называемой статистическим рядом Статистический ряд для дискретной случайной величины .

a1

a2

a3

a4

...

1

2

3

4

...

Наглядным представлением таких данных является полигон частот,

который представляет собой ломаную с вершинами в точках ar, r .

Можно рассматривать также статистический ряд ar, r и

соответствующий полигон относительных частот.

12.22Наблюдаемые значения целочисленной величины для 12 опытов оказались равными 5; 1; 4; 0; 1; 4; 3; 5; 0; 5; 5; 2. Построить статистические ряды этих данных и полигон частот.

12.23Построить статистические ряды и полигоны частот для следующих данных:

1). 1; 2; 5; 3; 0; 1; 2, 7; 5; 4; 9; 2; 6; 4. 2) 5; 1; 0; 2; 1; 4; 3; 0; 3; 1; 0; 4.

12.24Пусть n есть число успехов в n испытаниях Бернулли с

вероятностью

успеха p,

0< p <1. При больших n вычислить границу

такую, чтобы

 

 

 

n

p

 

 

 

. Укладываются ли в эти границы при = 0,98

 

 

 

 

 

 

 

 

 

 

 

 

 

 

n

 

 

 

 

 

 

 

 

результаты следующего эксперимента (Бюффон): при n = 4040 бросаниях монеты наблюдалось 2048 выпадений ``герба''? Указание. Воспользоваться теоремой Муавра-Лапласа, монету считать симметричной.

12.25 Используя такой же подход, как в задаче 12.24, проверить соответствие теории следующих данных: среди n =10000 целых ``случайных чисел'' (от 0 до 9) числа, не превосходящие 4, встретились 5089 раз.

102

12.26 Проводились опыты с бросанием одновременно 12 игральных костей, при этом наблюдалось число , костей с числом очков 4, 5 или 6.

 

Данные для n = 4096 опытов приведены в двух таблицах внизу,

в которых r

 

обозначает число опытов, в которых наблюдалось значение = r,

r

 

 

:

 

0,12

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

r

 

 

0

 

1

 

 

 

 

 

2

 

 

 

3

 

 

 

 

 

4

 

 

 

 

 

5

 

 

 

6

 

 

 

 

r

 

 

0

 

7

 

 

 

 

 

60

 

 

 

198

 

 

 

 

430

 

 

 

 

731

 

 

 

948

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

r

 

 

7

 

 

 

8

 

 

 

 

 

9

 

 

 

 

10

 

 

 

 

 

 

11

 

 

 

12

 

 

 

 

r

 

 

847

 

 

 

536

 

 

 

 

257

 

 

 

 

71

 

 

 

 

 

 

11

 

 

 

0

 

 

 

 

 

Построить

полигон

частот

этих данных.

 

Вычислить

максимальное

 

 

 

 

 

 

 

от вероятности P = r , считая, что величина имеет

 

отклонение частоты r

 

 

биномиальное распределение с параметрами 12 и

 

1

. Вычислить с точностью

 

2

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

до второго знака после запятой выборочные

среднее

 

 

 

и дисперсию S2 .

 

 

 

X

 

Сравнить их с теоретическими значениями.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

12.27

Наблюдались

показания

500

 

наугад

 

 

выбранных

 

часов,

 

выставленных в

витринах

магазинов.

Пусть

r ---номер

промежутка

между

 

r 1 -м и r -м часом,

r

 

, a r ---число часов, показания которых были в r -

 

1,12

 

м промежутке. Результаты наблюдений приведены в таблице:

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

r

1

 

2

3

 

 

4

 

5

 

6

 

 

7

 

 

8

 

 

 

9

 

10

 

11

 

12

 

r

41

 

34

54

 

 

39

 

49

 

45

 

41

 

33

 

 

37

 

41

 

47

 

39

Построить полигон относительных частот этих данных.

12.28Наблюдения над непрерывной случайной величиной, округленные

сточностью до 10 2 , оказались равными 0,59; 0,16; 0,44; 0,48; 0,90; 0,19; 0,65; 0,42; 0,35; 0,84; 0,28; 0,63; 0,54; 0,12; 0,18; 0,67; 0,94; 0,63; 0,33; 0,03. Построить гистограмму и полигон частот этих данных, взяв в качестве

 

 

r 1

 

 

r

 

 

 

 

интервалов группировки r

=

;

 

,r 1,10. Вычислить с точностью до

 

 

 

 

 

 

10

 

10

 

 

 

 

 

 

 

 

 

третьего знака после запятой выборочные среднее X и дисперсию S2 .

103

12.29 В опытах наблюдалась неотрицательная непрерывная случайная величина. Вариационный ряд выборки объема n = 50 оказался следующим

(вычисления производились с точностью до 10 2): 0,01; 0,01; 0,04; 0,17; 0,18;

0,22; 0,22; 0,25; 0,25; 0,29; 0,42; 0,46; 0,47; 0,47; 0,56; 0,59; 0,67; 0,68; 0,70; 0,72; 0,76; 0,78; 0,83; 0,85; 0,87; 0,93; 1,00; 1,01; 1,01; 1,02; 1,03;

1,05; 1,32; 1,34; 1,37; 1,47; 1,50; 1,52; 1,54; 1,59; 1,71; 1,90; 2,10; 2,35; 2,46; 2,46; 2,50; 3,73; 4,07; 6,03. Построить эмпирическую функцию распределения, гистограмму и полигон частот для этих данных с интервалами

группировки r = r 1;r .

 

12.30 Получена

следующая выборка

объема n =100: 0,926; 1,375;

0,785; 0,963; 1,022;

0,472; 1,279; 3,521;

0,571; 1,851; 0,194; 1,192; 1,394

; 0,555; 0,046; 0,321; 2,945; 1,974; 0,258; 0,412; 0,906; 0,513; 0,525;

0,595; 0,881; 0,934; 1,579; 0,161; 1,179; 1,055; 0,007; 0,769; 0,971; 0,712;

1,090; 0,631; 1,501; 0,488; 0,162; 0,136; 1,033; 0,303; 0,448; 0,748;

0,690; 0,756; 1,618; 0,345; 0,511; 2,051; 0,457; 0,218; 1,372; 0,225;

0,378; 0,761; 0,181; 0,736; 0,960; 1,530; 0,482; 1,678; 0,057; 1,229;

0,486; 0,856; 0,491; 1,983; 1,376; 0,150; 1,356; 0,561; 0,256;

0,212; 0,219; 0,779; 1,010; 0,598; 0,918; 1,598; 1,065; 0,415; 0,169;

0,313; 0,005; 0,899; 0,012; 0,725; 0,147; 0,121; 1,096; 0,181; 1,393;

1,163; 0,911; 1,231; 0,199; 0,246; 1,239; 2,574. Определить ее основные характеристики: построить эмпирическую функцию распределения,

гистограмму и полигон частот (точку x = 0 взять в качестве границы интервалов, ширину которых положить равной 0,5); сравнить полигон частот с плотностью стандартного нормального закона.

12.31 Рассматривая приведенные в задаче 12.27 данные как независимые наблюдения над дискретной случайной величиной, принимающей значения,

совпадающие с серединами соответствующих интервалов (т. е. значения 0,5;

104

 

 

 

 

 

 

и дисперсию S2

 

 

 

1,5;...; 11,5), вычислить выборочные среднее X

 

и сравнить их

с соответствующими моментами равномерного распределения U 0;12 .

 

 

Выборочная

квантиль уровня

p или

 

 

 

выборочная p-квантиль p

определяется

как

p-квантиль

эмпирической функции

распределения

 

 

 

 

 

 

 

 

1

 

Fn x , т.е.

как

решение

уравнения

Fn p = p.

При p =

 

 

2

 

 

 

 

 

 

 

 

 

 

соответствующая квантиль называется медианой распределения F .

12.32Убедиться, что выборочная p-квантиль p выражается через

порядковые статистики X k выборки X = X1,...,Xn следующим образом:

p = X np 1 Ind{np N} X np Ind{np N},

где a - целая часть числа a.

12.33 Вычислить с достаточной точностью выборочные среднее X и

дисперсию S2 и p-квантили при p 0,25;0,5;0,75 для данных задачи 12.29.

При исследовании свойств графика плотности распределения функции часто рассматриваются такие характеристики, как коэффициенты

ассиметрии 1 =

3

 

 

и эксцесса 2 =

4

 

3, где k -- теоретический

 

 

 

 

2

3

 

2

2

 

2

 

 

 

 

центральный момент распределения k-го порядка. Если заменить в формулах теоретические моменты эмпирическими (выборочными) Sk , то

получим выборочные коэффициенты ассиметрии

 

=

S3

 

и эксцесса

1

 

 

3

 

 

 

 

 

 

 

S2

 

 

 

 

 

 

 

 

 

2

 

 

 

=

S4

3.

 

 

 

 

 

 

2

 

 

 

 

 

 

 

S2 2

 

 

 

 

 

 

12.34 19Вычислить с необходимой точностью выборочные среднее X и

дисперсию S2 , а также выборочные коэффициенты ассиметрии 1 и эксцесса

2 для данных задачи 12.30.

105

12.35 Выразить эмпирический (выборочный) центральный момент Sk

через эмпирические (выборочные) начальные моменты Mk , и выразить Mk

через Sk .

12.36

 

Обозначая

через

 

k

теоретический начальный момент k-го

порядка распределения, из которого производится выборка, доказать, что:

1.

EMk = k ;

2. DMk =

2k

k2

;

 

3. cov Mk ,Ms =

k s k s

.

 

 

 

 

 

 

 

 

n

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

n

 

 

 

12.37

 

Доказать, что lim

 

Mk

k

 

= 0

для любого > 0.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

n

 

 

 

 

 

 

 

 

 

 

 

12.38

 

Вычислить математическое ожидание и дисперсию выборочной

дисперсии S2 .

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

12.39

 

Доказать,

что

для

 

выборки

объема

n

cov

 

,S2

=

(n

1)

E E 3 .

 

 

 

 

 

 

 

 

 

 

 

X

 

 

 

 

 

 

 

 

 

 

 

2

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

n

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

12.40

 

Пусть наблюдаемая

случайная величина

имеет

нормальное

распределение с

параметрами

 

a

и 2 . Найти распределение

выборочного

среднего

 

для выборки объема n.

 

 

 

 

 

 

X

 

 

 

 

 

 

12.41

 

Проводились опыты с бросанием одновременно 12-ти игральных

костей. Наблюдаемую случайную величину

брали равной числу костей,

на

которых выпадало 4, 5 или 6 очков. Пусть hi -- число опытов, в которых

наблюдалось значение = i,

i 0,12.

Данные для 4096

опытов приведены в

следующих таблицах:

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

i

0

 

1

 

2

 

3

 

4

 

5

 

6

hi

0

 

7

 

60

 

198

 

430

 

731

 

948

 

 

 

 

 

 

 

 

 

 

 

 

 

 

i

 

 

7

 

8

 

9

 

10

 

11

 

12

hi

 

 

847

 

536

 

257

 

71

 

11

 

0

106

 

 

1

 

1

 

 

 

 

 

 

 

 

i 0,12, построить

Взяв в качестве интервалов i

= i

 

;i

 

 

,

2

2

 

 

 

 

 

 

 

 

гистограмму и полигон частот. Вычислить выборочные среднее и дисперсию, а

также выборочные коэффициенты асимметрии и эксцесса.

Отметим, что в результате выборки можно наблюдать случайный вектор

(в учебных задачах, чаще всего, двухмерный). В этом случае можно вычислить такие статистики как выборочная ковариация и выборочный коэффициент корреляции. Рассмотрим подобную задачу на конкретном примере:

Пример. Пусть даны статистические данные температуры смазочного масла

заднего моста автомобиля y в зависимости от температуры окружающего воздуха x в

результате 50 наблюдений:

y

4

8

12

16

12

12

12

 

12

 

16

 

4

 

 

12

 

12

 

12

 

4

 

8

 

8

4

x

5

15

15

15

35

15

35

 

15

 

35

 

5

 

 

15

 

5

 

25

 

25

 

25

 

25

25

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

y

12

15

8

12

8

24

12

 

12

 

12

 

16

 

12

 

16

 

12

 

16

 

16

 

20

12

x

25

25

25

25

25

55

35

 

35

 

35

 

45

 

35

 

45

 

35

 

15

 

35

 

45

35

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

y

 

18

 

12

 

20

 

16

 

16

 

20

 

16

 

20

 

 

16

 

20

16

20

20

 

20

 

24

20

x

 

45

 

35

 

45

 

55

 

55

 

45

 

55

 

45

 

 

55

 

45

55

55

55

 

55

 

55

55

Требуется найти выборочную ковариация и выборочный коэффициент корреляции.

Для решения сначала составим статистический ряд (для выборки из случайного двумерного вектора), в котором в первых двух строчках – это уникальная пара значений, которык принимают у и x вместе (одно над другим),

а в нижней строчке – число раз νr,XY, сколько эта пара выпала в выборке

y

4

4

8

8

12

12

12

16

16

16

16

20

20

24

24

x

5

25

15

25

15

25

35

15

35

45

55

45

55

55

65

νr,XY

2

2

1

4

4

3

10

2

2

3

6

5

4

1

1

По этому статистическому ряду для выборки из случайного двумерного

вектора легко построить статистические ряды для x и y поотдельности:

x

5

15

25

35

45

55

65

νr,X

2

7

9

12

8

11

1

 

 

 

 

 

 

 

 

y

4

8

12

16

20

24

 

νr,Y

4

5

17

13

9

2

 

107

По двум последним ряда находим выборочное среднее и выборочные

дисперсии для двух выборок – x и y по отдельности.

Для выборки из температуры окружающего воздуха x

 

 

 

1

xi i,X

...

1790

 

35.8;

x

 

i,X

 

 

 

 

 

i

 

50

 

 

 

 

 

 

i

 

 

 

 

 

 

 

 

 

 

 

 

SX2

 

1

 

xi

2 i,X

 

 

2

...

75650

35.8 2 231.36.

 

x

 

 

 

 

 

 

i,X i

 

 

 

 

 

 

50

 

i

Для выборки из температуры смазочного масла заднего моста автомобиля y

 

 

 

 

1

yj j,Y

...

696

13.92;

y

 

 

 

j,Y

 

 

 

 

 

 

j

 

50

 

 

 

 

 

 

 

j

 

 

 

 

 

 

 

 

 

 

SY2

 

1

 

yj 2

r,Y

 

 

2

...

10912

13.92 2 24.4736.

 

y

 

 

 

 

 

 

 

 

 

j,Y j

 

 

 

 

 

50

 

j

Если заменить в формулах для вычисления ковариации и коэффициента

корреляции

cov X,Y E X Y E X EY ;

X,Y E X Y EX EY ;

DX DY

математические ожидания на выборочные средние, дисперсии на выборочные

дисперсии, а смешанный момнт E X Y на статистику

 

 

1

xi yj r,XY ,

x y

r,XY

 

 

r

 

 

r

 

то получится выборочная ковариация

kXY x y x y

и выборочный коэффициент корреляции

rXY x y x y . SX2 SY2

108

По статистическому ряду для выборки из случайного двумерного вектора

вычисляем:

 

 

 

1

 

 

 

 

xi yj

r,XY

 

1

4 5 2 4 25 2 ... 24 65 1

27800

556.

x y

r,XY

 

50

 

 

 

r

 

 

 

50

 

 

 

 

 

 

r

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Тогда

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

kXY

 

 

 

 

 

 

 

 

 

 

556 35.8 13.92 57.664;

 

 

 

x y

x

 

y

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

57.664

 

 

 

 

 

r

x y

x

y

 

 

 

 

0,7663

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

XY

 

 

 

 

 

SX2 SY2

 

 

231.36 24.4736

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

12.42 Вычислить выборочный коэффициент корреляции для следующих

данных n = 26 наблюдений над случайным вектором = 1, 2 , записанных в виде статистического ряда, представленного в таблицах ниже

1

 

23,0

24,0

24,5

24,5

25,0

25,5

26,0

2

 

0,48

0,50

0,49

0,50

0,51

0,52

0,49

r, ,

2

2

4

3

2

1

1

2

1

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1

 

26,0

26,0

26,5

26,5

27,0

27,0

28,0

2

 

0,51

0,53

0,50

0,52

0,54

0,52

0,53

r, ,

2

1

2

1

1

2

1

3

1

 

 

 

 

 

 

 

109

110