- •Министерство образования и науки Российской Федерации
- •Введение
- •1. Элементы математической логики
- •1.1. Высказывания и операции над ними
- •1.2. Формулы логики высказываний. Равносильность формул
- •1.3. Предикаты и кванторы
- •Упражнения
- •2. Теория множеств
- •2.1. Основные понятия
- •2.2. Операции над множествами
- •Упражнения
- •3. Комбинаторика
- •3.1. Общие правила комбинаторики
- •3.2. Размещения, сочетания и перестановки без повторения (без возвращения)
- •3.3. Размещения, сочетания и перестановки с повторением (с возвращением)
- •Упражнения
- •4. Теория вероятностей
- •4.1. Историческая справка
- •4.2. Случайные события
- •4.3. Определения вероятности
- •4.4. Операции над вероятностями
- •4.5. Формула полной вероятности. Формула Байеса.
- •Формула Байеса.
- •Упражнения
- •5. Элементы математической статистики
- •5.1 Понятие случайной величины
- •5.2. Виды распределений
- •5.3 Числовые характеристики случайной величины
- •Упражнения
- •6. Обработка результатов эксперимента
- •6.1. Основные положения
- •6.2. Способы представления экспериментальных данных
- •2. Графическое представление экспериментальных данных.
- •6.3. Понятие о корреляционной зависимости
- •Упражнения
- •7. Лабораторные работы (краткое содержание)
- •Математические основы шкалирования. Формы представления информации
- •Формы представления информации
- •Закон нормального распределения и его характеристика
- •Корреляционный анализ
- •Регрессионный анализ (линейная регрессия)
- •Некоторые методы математической обработки экспериментальных данных
- •Бронникова Лариса Михайловна
- •Колмогорова Валентина Мироновна
- •Основы математической
- •Обработки информации
5. Элементы математической статистики
5.1 Понятие случайной величины
Случайной называется величина, которая в результате опыта может принять то или иное значение, неизвестное заранее, но обязательно одно.
Обычно рассматриваются два типа случайных величин: дискретные и непрерывные. Дискретные случайные величины принимают в результате испытания одно из дискретного множества значений.
Примеры дискретных величин: число подтягиваний на перекладине, число попаданий в кольцо из 10 штрафных бросков и т.п. Вероятность принятия дискретной случайной величины может быть записана так:
Р[Х =хi] = pi , I = …,-1, 0, 1, … , где
Х – случайная величина,
хi – конкретные числовые значения, принимаемые дискретной случайной величиной,
pi – вероятность этих значений,
i – индекс.
Функция Р[Х =хi], связывающая знание дискретной случайной величины, с их вероятностями, называется её распределением (законом распределения).
Дискретная случайная величина обычно задаётся рядом распределения – таблицей, в которой указаны все возможные значения Хi случайной величины и соответствующие им вероятности рi .
-
xi
x1
x2
x3
…
xn
pi
p1
p2
p3
…
pn
Так как случайная величина обязательно принимает какое-либо из этих значений, то р1+ р2 + р3 + . . . + рn = 1.
Графически ряд распределения выражается так называемым многоугольником распределения.
Примеры:
1. В денежной лотерее выпущено 1000 билетов. Разыгрывается 1 выигрыш в 1000 руб., 4 выигрыша по 500 руб., 5 выигрышей по 400 руб. и 10 выигрышей по 100 руб. Построить ряд распределения стоимости выигрыша для владельца одного лотерейного билета.
Решение: Случайная величина х (стоимость возможного выигрыша) может принимать следующие значения:
х1 = 1000; х2 = 500; х3 = 400; х4 = 100; х5 = 0.
Вероятности этих возможных значений соответственно равны:
р1 = 0,001; р2 = 0,004; р3 = 0,005; р4 = 0,010; р5 =1 – ( р1+ р2 + р3+ р4),
р5 =1 – 0,020 = 0,980.
Ряд распределения будет иметь вид:
-
xi
0
100
400
500
1000
pi
0,980
0,010
0,005
0,004
0,001
Построим многоугольник распределения.
2. Есть ящик с 3 шарами, из которых 2 белых и 1 чёрный. Вынули 2 шара. Случайная величина – число вынутых белых шаров. Составить ряд распределения этой случайной величины.
Решение: Так как в ящике из 3 шаров только 1 чёрный, то среди вынутых шаров обязательно будет хотя бы 1 белый. То есть случайная величина может принимать значения 1 или 2. Один белый из двух вынутых шаров – это 1 белый и 1 чёрный или 1 чёрный и 1 белый. Тогда
р (1) = р (2) =
Так как все события исчерпаны, то сумма рi должна быть равна 1. Действительно, . Следующая таблица задаёт закон распределения случайной величины (ряд распределения):
-
xi
1
2
pi
Непрерывная случайная величина в результате испытания может принимать любые значения из некоторого интервала. Непрерывная случайная величина может быть задана либо функцией распределения – F(x), либо плотностью вероятности Р(х); Р(х) = F ’ (x).
Примеры непрерывных случайных величин: дальность полёта снаряда при данных условиях стрельбы, спортивный результат в беге или в прыжках, рост и масса тела человека, сила мышц и др.
Функцией распределения F(x) случайной величины Х называется вероятность того, что случайная величина примет значение меньше данного х, т.е. F(x) = Р[Х ≤ х].
Из определения следует, что функция распределения F(x) – неубывающая и изменяется от 0 до 1. Зная функцию распределения величины Х, можно вычислить вероятность того, что Х(x1, x2) по формуле
(*) Р[x1<Х<x2] = F(x2) – F(x1), т.е. вероятность попадания значения случайной величины в заданный интервал равен разности значений функции распределения этой случайной величины вычисленных в конце и начале интервала.
Примеры:
1. Функция распределения непрерывной случайной величины Х задана выражением:
F(x) =
а) построить график функции F(x),
b) найти вероятность попадания случайной величины Х в (0,25; 0,5).
Решение:
а)
b) По формуле (*) находим:
Р[0,25< Х <0,5] = F(0,5) - F(0,25) = (0,5)2 – (0,25)2 = 0,25 – 0,0625 = 0,1875.
Для дискретной случайной величины можно также строить функцию распределения F(x). В этом случае она будет представлять собой разрывную функцию. Функция распределения строится по следующему правилу:
F(x) = 0 при х < x1,
F(x) =p1 при x1 ≤ х < x2,
F(x) =p1 + p2 при x2 ≤ х < x3,
F(x) =p1 + p2 + p3 при x3 ≤ х < x4,
…………………………………………………
F(x) =p1 + p2 + p3 + . . . + pn при х ≥ xn.
2. Построить функцию распределения F(x) для дискретной случайной величины Х, заданной рядом распределения.
xi 0 1 2 3 4 pi 0,0256 0,1536 0,3456 0,3456 0,1296
F(x) = 0, при х <0,
F(x) =p1 = 0,0256, при 0≤ х <1,
F(x) =p1 + p2 =0,1792, при 1≤ х < 2,
F(x) =p1 + p2 + p3 = 0,5248, при 2≤ х < 3,
F(x) =p1 + p2 + p3 +p4 = 0,8704, при 3≤ х <4,
F(x) =p1 + p2 + p3 +p4 + p5 = 1, при х ≥ 4.
Итак, имеем функцию распределения:
F(x) =
Построим график функции распределения:
F(x)
1
0,9
0,5
0,2
0 1 2 3 4 x
Как видим, функции распределения F(x) остаётся постоянной на интервалах между значениями хi, которые может принимать случайная величины Х. И только в точках хi функция скачком меняет своё значение на величину, равную вероятности Р[Х = хi], т.е. функции распределения случайной величины является ступенчатой. Это свойство является общим для всех дискретных случайных величин.