- •Федеральное агентство по образованию северо–кавказский горно–металлургический институт (государственный технологический университет)
- •Владикавказ 2008
- •Тема 1. Случайные события и случайные величины, их числовые характеристики
- •Случайные события
- •Вероятность события Существует статистическое и классическое определение понятия «вероятность». Статистическое определение вероятности
- •Классическое определение вероятности
- •Свойства вероятности
- •Сложение и умножение вероятностей
- •Условная вероятность. Умножение вероятностей
- •1.2.3. Полная вероятность
- •1.3. Случайные величины
- •1.3.1. Функции распределения случайной величины
- •1.3.1.1. Свойства функции распределения
- •1.3.1.2. Функция распределения для дискретной случайной
- •1.3.1.3. Функция распределения непрерывной случайной
- •Исходя из определения функции распределения:
- •1.3.1.4. Плотность вероятности случайной величины
- •Геометрическое истолкование этой формулы
- •1.3.2.1. Свойства математического ожидания
- •1.3.2.2. Свойства дисперсии
- •1.3.3. Моменты случайной величины
- •1.4. Примеры законов распределения случайной величины
- •1.4.1. Равномерное распределение дискретной случайной
- •1.4.2. Равномерное распределение непрерывной случайной
- •1.4.3. Нормальный закон распределения (закон Гаусса)
- •Тема 2. Точечное оценивание параметров. Регрессионный и корреляционный анализ
- •2.1. Выборочный метод
- •2.1.1. Среднее и дисперсия выборки
- •2.2. Связь между случайными величинами. Корреляция
- •2.2.1. Свойства коэффициента корреляции
- •2.2.2. Определение коэффициента корреляции по данным наблюдений
- •2.2.3. Частная линейная корреляция
- •2.2.4. Множественная линейная корреляция
- •2.3. Регрессия
- •2.3.1. Линейная регрессия
- •2.3.2. Нелинейная парная регрессия
- •2.3.3. Множественная линейная регрессия
- •2.3.4. Определение параметров уравнения множественной
- •Тема 3. Проверка статистических гипотез и построение доверительных областей для параметров
- •3.1. Доверительные интервалы и доверительные вероятности
- •3.2. Оценка генерального среднего
- •3.3. Оценка генеральной дисперсии
- •3.4.1. Гипотеза о равенстве дисперсий. Критерий Фишера
- •3.5. Проверка адекватности уравнения регрессии
- •Тема 4. Математическое описание случайных сигналов в системах управления
- •4.1. Случайные процессы
- •4.2. Стационарные случайные процессы
- •4.3. Корреляционная функция
- •4.3.1. Свойства корреляционной функции
- •4.4. Спектральная плотность
- •4.4.1. Свойства спектральной плотности
- •Тема 5. Понятие передаточной функции и частотных характеристик системы
- •5.1. Элементы операционного исчисления. Преобразование
- •5.1.1. Основные свойства преобразования Лапласа
- •5.1.2. Примеры преобразования Лапласа для типовых функций
- •5.1.3. Решение линейных дифференциальных уравнений
- •Примеры
- •5.2. Понятие передаточной функции
- •5.3. Временные и частотные характеристики сау
- •5.3.1. Временные характеристики сау
- •5.3.2. Частотные характеристики сау
1.3.2.1. Свойства математического ожидания
Математическое ожидание неслучайной величины равно самой этой величине M[C] = C.
Неслучайный множитель С можно выносить за знак математического ожидания M[CX] = CM[X].
Математическое ожидание суммы случайных величин равно сумме математических ожиданий этих случайных величин.
.
Математическое ожидание произведения независимых случайных величин равно произведению математических ожиданий этих величин (условие независимости случайных величин).
.
1.3.2.2. Свойства дисперсии
1. Дисперсия неслучайной величины С равна нулю: D[C]=0.
2. Дисперсия произведения неслучайного множителя С на случайную величину равна произведению С2 на дисперсию случайной величины.
3. Дисперсия суммы независимых случайных величин X1 и X2 равна сумме дисперсий слагаемых
1.3.3. Моменты случайной величины
Пусть Х – непрерывная случайная величина. Если – целое положительное число, а функция x интегрируема на интервале (–; +), то среднее значение
= 0, 1,…, n
называется начальным моментом порядка случайной величины X.
Очевидно, что момент нулевого порядка
,
а начальный момент первого порядка
,
есть математическое ожидание самой случайной величины Х.
Момент второго порядка
есть математическое ожидание квадрата случайной величины Х.
Аналогично находят 2, 3 и т.д.
Если – центрированная случайная величина, то представляет интерес рассмотрение центральных моментов порядка, где = 0, 1,…, n:
Есть связь между начальными и центральными моментами.
Так о = о
2=2
3=3и т.п.
1.4. Примеры законов распределения случайной величины
Рассмотрим примеры распределения случайной величины.
1.4.1. Равномерное распределение дискретной случайной
величины
При бросании игральной кости может выпасть 1,2,3,… или 6. Здесь величина Х принимает значения хi = i с вероятностями соответственно (i = 1, 2, 3…, 6). Ввиду равенства всех вероятностей можно говорить о равномерном распределении случайной величины Х.
Рассчитаем для этой случайной величины математическое ожидание М[X] и дисперсию D[X]:
При этом .
1.4.2. Равномерное распределение непрерывной случайной
величины
Предположим, что случайная величина имеет равномерное и непрерывное распределение. Причем ее плотность вероятности для всех значений, кроме интервала (a, b), на котором она постоянна. Постоянное значение обозначим через A. Тогда можно записать
или . Поэтому плотность равномерного распределения задается формулой
.
Случайная величина называется непрерывной, если ее функция распределения F(x) непрерывна на всей числовой оси, а плотность вероятности (x) существует и непрерывна всюду, кроме дискретного множества точек. Для нахождения функции распределения F(x) воспользуемся формулой
.
При x a . ТогдаF(x) = 0.
Для а < x < b получим
.
Наконец при х b получим:
Таким образом интегральный закон равномерного распределения случайной величины задается формулой
и соответственно в виде графика:
Числовые характеристики непрерывной случайной величины
.
;
;
; .
.