- •Министерство образования и науки рф
- •1.2.Краткие исторические сведения
- •2.Основные понятия теории вероятностей
- •2.1.Событие. Вероятность события
- •2.2.Непосредственный подсчет вероятностей
- •2.3.Основные формулы комбинаторики
- •2.3.Частота и статистическая вероятность события
- •2.4.Случайная величина
- •3.Основные теоремы теории вероятностей
- •3.1. События как множества и операции над ними
- •3.2.Теорема сложения вероятностей
- •3.3.Теорема умножения вероятностей
- •3.4.Формула полной вероятности.
- •3.5.Формула Бейеса или теорема гипотез.
- •Случайные величины и их законы распределения
- •4.1.Ряд распределения
- •4.2.Функция распределения
- •4.3.Плотность распределения
- •5.Числовые характеристики случайных величин
- •5.1.Характеристики положения
- •5.2.Моменты, дисперсия, квадратичное отклонение
- •5.3.Закон равномерной плотности
- •5.4.Распределение Симпсона
- •5.5.Биномиальное распределение
- •5.6.Распределение Пуассона
- •5.7.Геометрическое распределение
- •5.5.Биномиальное распределение
- •5.6.Распределение Пуассона
- •5.7.Геометрическое распределение
- •5.8.Распределение Паскаля
- •5.9.Гипергеометрическое распределение
- •5.10.Формула Стирлинга
- •6.Непрерывные распределения
- •6.1.Нормальное распределение
- •6.2.Показательное распределение
- •6.3.Логарифмически нормальное распределение
- •7.Статистическая оценка параметров распределения
- •7.1.Статистическая функция распределения
- •7.2.Статистический ряд. Гистограмма
- •7.3.Числовые характеристики распределения
- •7.4.Оценка параметров распределения
- •7.4.1. Метод моментов.
- •8.Метод наибольшего правдоподобия
- •8.1.Случай дискретных распределений
- •8.2.Случай непрерывных распределений
- •8.3.Другие методы оценки параметров
- •9.Проверка статистических гипотез
- •9.1.Вводные замечания
- •9.2.Проверка гипотезы о законе распределения
- •10.Системы случайных величин
- •10.1.Понятие о системе случайных величин
- •10.2.Двумерные случайные величины и их законы распределения
- •10.3.Плотность распределения двумерной случайной величины
- •10.4. Условные законы распределения
- •10.5.Зависимость и независимость случайных величин
- •10.6.Числовые характеристики двумерных случайных величин
- •11.Двумерный нормальный закон распределения
- •12.Числовые характеристики функций случайных величин
- •12.1.Математическое ожидание и дисперсия функции
- •12.2.Теоремы о числовых характеристиках
- •13.Распределение функции случайных аргументов
- •13.1.Распределение функции одного аргумента
- •13.2.Распределение суммы случайных величин
- •13.3.Распределение суммы нормально распределенных случайных величин
- •13.Распределение функции случайных аргументов
- •13.1.Распределение функции одного аргумента
- •13.2.Распределение суммы случайных величин
- •13.3.Распределение суммы нормально распределенных случайных величин
- •14.Предельные теоремы
- •14.1.Понятие о законе больших чисел
- •14.2.Неравенство Чебышева
- •14.3.Закон больших чисел Чебышева
- •14.4.Центральная предельная теорема
11.Двумерный нормальный закон распределения
Двумерный нормальный закон чаще других двумерных законов используется на практике. Плотность распределения в этом случае имеет вид:
Этот закон зависит от пяти параметров. Первые два параметра – это безусловные математические ожиданияXиY.Вторые два – безусловные квадратичные отклоненияXиY. Пятый параметр - это коэффициент корреляции междуXиY.
При r=0
То есть в этом случае случайные величиныXиYнезависимы. То есть в этом случае равенство коэффициента корреляции нулю равносильно независимости компонент двумерной случайной величины. Еслиr>0, то условные плотности имеют вид:
где
Условные математические ожидания зависят линейно отy и отxсоответственно. Эти зависимости называютрегрессиями XнаY иYнаX соответственно. Интересно отметить, что условные квадратичные отклоненияне зависят отyиx .
12.Числовые характеристики функций случайных величин
12.1.Математическое ожидание и дисперсия функции
На практике часто приходится иметь дело с функциями от случайных величин. Предположим, что случайные величины Y и X связаны функционально, то есть
,
тогда математическое ожидание Y
, (12.1.1)
а дисперсия
, (12.1.2)
где - плотность распределения величиныX.
Важно отметить, что для определения отмеченных характеристик случайной величины Y не требуется знать ее закон распределения, достаточно знать только закон распределения X .
Если Y функционально связана с системой случайных величин (, то есть
,
то
.
Дисперсия Y
.
12.2.Теоремы о числовых характеристиках
12.2.1.Характеристики неслучайной величины
Неслучайная величина X=c как частный случай случайной величины имеет плотность, выражающуюся через дельта-функцию Дирака, то есть
.
Математическое ожидание неслучайной величины c
. (12.2.1)
Действительно
.
Дисперсия неслучайной величины
D( с )=0. (12.2.2)
Действительно
.
12.2.2. Характеристики функции Y=cX
Математическое ожидание
. (12.2.3)
Дисперсия
. (12.2.4)
12.2.3.Характеристики суммы случайных величин
Если , то
,
то есть математическое ожидание суммы случайных величин равно сумме математических ожидании слагаемых.
. (12.2.5)
Докажем этот факт для случая суммы двух случайных величин X и Y.
=.
Дисперсия суммы случайных величин X и Y
. (12.2.6)
Доказательство.
Если случайные величины независимы, то
.
Если , то
. (12.2.7)
Если случайные величины, входящие в сумму взаимно не коррелированны, то дисперсия суммы равна сумме дисперсий:
. (12.2.8)
12.2.4.Характеристики линейной функции
Рассмотрим функцию
.
Математическое ожидание
. (12.2.9)
Доказательство. Пользуясь формулой (12.2.5) получаем, что
.
Дисперсия Y
, (12.2.10)
где Kij - корреляционный момент пары (Xi,Xj). Эта формула является следствием (12.2.7).
Доказательство. Пусть , тогда
Если случайные величины Xi не коррелированны друг с другом, то
. (12.2.11)
12.2.5.Характеристики произведения случайных величин
Пусть
,
тогда
. (12.2.12)
Доказательство. Представим X и Y в виде:
,
тогда
что равносильно (12.2.12).
Если X и Y не коррелированны, то математическое ожидание их произведения равно произведению их математических ожиданий, то есть:
. (12.2.13)
Дисперсия произведения независимых случайных величин X и Y
. (12.2.14)
Доказательство.
.(12.2.15)
Так как X и Y независимы, то
.
Если эти выражения подставить в (12.2.15), то после приведения подобных членов получаем (12.2.14).
Для независимых центрированных величин дисперсия произведения равна произведению дисперсий, то есть
. (12.2.16)