- •Тема 1. Основные понятия теории случайных процессов 68
- •Понятие подмножества. Свойства подмножеств.
- •Операции над множествами.
- •Дистрибутивные законы.
- •Законы Моргана.
- •Конечные множества и их элементы.
- •Понятие алгебры множеств σ – алгебры.
- •Борелевские множества. Борелевскаяσ– алгебра.
- •Выбор с возвращением.
- •Выборка без возвращения.
- •Размещения с повторениями.
- •Теория вероятностей. События и их классификация.
- •Операции над событиями.
- •Понятие вероятности.
- •Вечерняя электричка.
- •Геометрический подход.
- •Задача Бюффона.
- •Аксиоматический подход к вероятности. Вероятностное пространство. Аксиомы вероятности Колмогорова.
- •Вероятности, вытекающие из аксиом.
- •Задача о совпадениях.
- •Условная вероятность. Правило умножения вероятностей.
- •Независимость событий.
- •Задача о наилучшем выборе.
- •Расчет работоспособности цепей
- •Формула полной вероятности.
- •Задача о разорении игрока.
- •Формула вероятностей гипотез. (Формула Байеса)
- •Случайные величины.
- •Дискретные случайные величины.
- •Свойства функции распределения.
- •Биноминальное распределение (Независимые испытания по схеме Бернулли).
- •Асимптотическое представление формулы Бернулли.
- •Теорема (формула) Пуассона.
- •Локальная теорема Муавра-Лапласа.
- •Интегральная теорема Муавра-Лапласа.
- •Независимые случайные величины
- •Операции над случайными величинами:
- •Математическое ожидание
- •Свойства математического ожидания
- •Функции случайного аргумента и их мат. Ожидание.
- •Дисперсия
- •Свойства дисперсии
- •Свойства условных вероятностей и плотностей вероятностей
- •Условное математическое ожидание
- •Корреляционный момент (корреляция) двух случайных величин
- •Свойства корреляционного момента
- •Коэффициент корреляции и его свойства
- •Свойства
- •Уравнения Регрессии
- •Характеристики
- •Неравенство Чебышева
- •Нормальное распределение с параметрами (а;σ)
- •Основные свойства кривой Гаусса
- •Расчет доверительных интервалов
- •Некоторые важнейшие распределения связанные с нормальным. - распределение.
- •Распределение Стьюдента (t– распределение)
- •Распределение Фишера-Снедекора (f– распределение).
- •Закон больших чисел.
- •Теорема Чебышева.
- •Теорема Бернулли.
- •1. Биноминальное распределение.
- •2. Распределение Пуассона.
- •3. Геометрическое распределение.
- •Введение в теорию случайных процессов тема 1. Основные понятия теории случайных процессов
- •1.1. Определение случайного процесса. Основные подходы к заданию случайных процессов. Понятие реализации и сечения. Элементарные случайные процессы.
- •1.2. Некоторые классы и виды случайных процессов
- •2.2. Математическое ожидание и дисперсия случайного процесса. Среднеквадратическое отклонение
- •2.3. Корреляционная функция случайного процесса и ее свойства. Нормированная корреляционная функция
- •2.4. Взаимная корреляционная функция и нормированная взаимная корреляционная функция двух случайных процессов
- •2.5 Вероятностные характеристики суммы двух случайных величин
- •Тема 3. Элементы случайного анализа
- •3.1. Сходимость и непрерывность
- •1. Классические виды сходимости
- •2. Сходимость по вероятности
- •3. Сходимость в среднем в степени p1
- •3.3. Интеграл от случайного процесса и его свойства
- •ТеМа 4. Канонические разложения случайных процессов
- •4.1. Понятие канонического разложения случайного процесса
- •4.2. Понятие обобщенной функции. Дельта-функция Дирака. Интегральное каноническое представление случайных процессов.
- •4.3. Линейные и нелинейные преобразования случайных процессов
- •Глава 5. Стационарные cлучайные процессы
- •5.1. Понятие стационарного случайного процесса. Стационарность в узком и широком смыслах
- •5.2 Свойства вероятностных характеристик стационарного случайного процесса
- •5.3. Стационарно связанные случайные процессы. Производная и интеграл от стационарного случайного процесса
- •5.4. Эргодические стационарные случайные процессы и их характеристики
- •Эргодическая теорема Биркгофа-Хинчина
- •Для ссп с непрерывным временем, для ссп с дискретным временем.
- •Достаточные условия эргодичности
Неравенство Чебышева
Если случайная величина ξ имеет конечную дисперсию, то для имеет место следующее соотношение
Второе неравенство Чебышева показывает, при малой дисперсии с вероятностью близкой к 1 случайные величины локализуются около своего математического ожидания
Вероятность отклонения случайной величины от их математического ожидания. Правило σ.
ε | |
σ
| |
2σ
| |
3σ | |
4σ |
Отклонение от математического ожидания случайной величины, распределенной по биномиальному закону
Нормально-распределенная случайная величина.
Гауссово распределение
Нормальным распределением с параметрами называется распределение случайной величины ξ, которая имеет следующую плотность распределение вероятности
Нормированное (стандартное) распределение называется нормальное распределение с параметрами (0;1)
с) Вероятность попадания нормированной случайной величины на заданный отрезок
d) Отклонение нормированной случайной величины от её математического ожидания
ε | |
1 | |
2 | |
3 | |
4 |
Нормальное распределение с параметрами (а;σ)
Пусть
Плотность распределения и
Кривая Гаусса
Основные свойства кривой Гаусса
ось симметрии
при
точкаmax
точки перегиба
σ = 3
σ = 1
σ = 8
При увеличении σ уменьшается амплитуда, и график становится более пологим
2. Основные характеристики нормального распределения
3. Вероятность попадания нормально распределенной случайной величины на заданный отрезок
4. Отклонение нормально распределенной случайной величины от её математического ожидания
0.6826 | |
2 |
0.9544 |
3 |
0.9973 |
4 |
0.9994 |
Правило трех сигм:
Если случайная величина распределена нормально, то считается практически невозможным ее отклонение от Мбольше, чем на 3.
Более того, на практике, если некоторая случайная величина отклоняется от своего среднего значения меньше чем на 3, то есть основание предполагать, что эта случайная величина нормально распределенная.
Расчет доверительных интервалов
Считается, что параметры нормального распределения известны и заданна вероятностьотклонения случайной величины от М, в которую случайная величина попадает с вероятность.
Пример:
Найти интервал, попадание в который, осуществляется с вероятностью =0.95
0.95 = 2
= 0.475
= 1.96
Некоторые важнейшие распределения связанные с нормальным. - распределение.
- случайная величина, нормально распределенная с параметрами (0: 1), тогда случайная величинаимеет следующую плотность распределения:
Пусть, - совокупностьnнезависимых нормально распределенных случайных величин с параметрами (0;1), тогда случайная величина =обладает распределением, которое принято называть - распределением сnстепенями свободы.
Свойства - распределния:
1. Плотность - распределения.
=
Гамма функция.
Плотность - распределения исключительно зависит от степеней свободык.
2.
являются монотонно убывающими.
При к = 3 :х =к-2 есть локальный максимум.
3.
4. С увеличением к– числа степеней свободы - распределение медленно приближается к нормальному.